NexTech Week2023秋 3日目
NexTech Week2023秋 3日目
生成AI時代のプロンプトエンジニアリング
プロンプトエンジニアリングはLLMの進化(ファインチューニングも含め)に合わせて将来的に陳腐化する、という話もあるのですが、今の技術は知っておくべき。
常に最新の情報をキャッチアップする必要はある。
デモ
どんなプロンプトを入れたのか、何をやっているのか全く説明がないままに流されたので全然わからない
自慢話で終わってしまったのが悲しい。
- プロンプト内でフォーマットを指定するだけではなく、変数を入れているようだ。
- 文章量が多い場合は英語にする
- それでも多い場合は分ける
- GPTから離れた。このサービスは何?
- 続きを書くよう認識させるコマンドキーも指定できるのか
ChatGPTで何ができるのか
既知の情報が多いのでポイントだけ書くと「クリエイティブな作業ができる」が大きい。
LLMは「言葉の宇宙」として考えている。(そして、これを図にさせる)
➡️様々なプロンプトを線として、全てが重なる部分が出力結果と解釈できる。
なぜプロンプトを学ぶのか?
LLMの性能が上がっても、LLMを操作するプロンプトは失われない。
その上、個別最適化を目指すならプロンプト「(筆者注)や、追加学習」は必要になってくる。
プロンプトエンジニアリングとは
アウトプットの再現性にコミットする。
- ゴールの方向性を示す
- 目標(成果物のアウトプットを指定したフォーマット)
を伝える。
間違えて指定した内容も学習なので、失敗を否定せずフィードバックする。
所感
音声入力のChrome拡張も入れているらしい。デモ時に便利!
デモは何やってるか全くわからなかった。プロンプトの解説が欲しい(説明する気はない?)
➡️良質なプロンプトをノウハウとして売る業者が出てくるかもしれないな
発表の仕方を見ていて思うに、ChatGPTと対話(音声入力)している様子を見せ続けられていた。
解説がないと何も分からないが、やればわかるんだろうか?
拡張するバーチャル空間の可能性
「つくる・あつまる・あそぶ」の機能を持つ集まらない時代のメタバース空間
➡️ユーザーアクションがUnity製なの気になる
事業・市場・クリエイターエコノミー・SNSとの違い・ビジネスユース
ゲーム産業が早いか。
3D空間へアバター(身体的概念)を入れたもの。
社会活動やライスタイルから見ると「永続性とリアルタイム性を実現、オンライン上での体験を共有できる」のがポイント。
➡️今あるMMO原作はこれか。
- 市場が広すぎて特定した話をする場合は領域について予め共通認識をとった方がよい。
- ROBLOX(小学生向け) VS ZEPETO VRCHAT cluster
- アバターの課金額も平均して5000円ぐらい
- 着飾る対象や興味が自分からアバターに
メタバース上にも商流があり、経済発展している。
クリエイターエコノミー(創作→コミュニティ→エンゲージメント→報酬→創作→…)の確立。
「バーチャル空間で過ごす時間こそが本当の人生である」というメタバース生活が成立している。
リアルタイムコミュニケーション(後で振り返ることはできない)によりコミュニケーションの質を維持できる。
SNSは過去の履歴をストックできるので黒歴史を掘り起こされて袋叩きにされるリスクもある(デジタルタトゥー問題)
昨今は継続的にデジタルアセット(オフラインでいうところの会場設営)を使う施策を打ち出していく。
→ToBだとバーチャル空間を資産化(資産計上)している
ひとりでは絶対やらない(コミュニケーションツールなので)
AIでも作るか?
教育事業(デジタル人材)
マイクラやどうぶつの森のような「クリエイト要素」を含む遊びの場として提供している。
これと同じことがメタバースでも活用できるか。
所感
教育だけでなく、コミュニティ構築という面でも非常に価値の高い環境のように思う。
ただし、メタバース環境を提供している企業や団体の数が増えれば増えるほど低迷化してしまうようにも思える。
一部の人気Youtuberに人が集まる状況のような。
いつかTwitterやらインスタグラムのように、用途に合わせて選べるSNSのようにメタバースのサービスも選びたい。
「DX銘柄」企業が取り組む人財育成とは
味の素社の事例紹介。
DXの事業推進は全部署・全拠点横断で進めないとダメだね。
DX推進を全員でやるために
- 全員でデジタルに対応できるようにする: 統計検定4
- 開発者、または彼らとコミュニケーションできる: G検定
- データサイエンティスト: 2級
- 以降、細かな規定により変動
働き方改革の推進で研修コストを削減した。
➡️研修を実施するなら勤務時間とみなすが、現場研修よりオンラインでやった方がコストが削減できるのは事実。
デジタル人材類型の定義
従業員のスキルの見える化→タレントマップ1,2(政府発表資料)
- 初心者向けのプロンプト講座も実施
- 特にIT初学者研修は、ビジネスの達成ありきであるとマインドセットが必要
オペレーショナルエクセレンス
通常業務+例外処理(プロジェクティブ課題)でPDCAを回す。
通常業務も常に変化するので、プロジェクティブに解決して浸透させていく。
質疑応答(ファシリテーター)
- DX推進はどうやって?
- トップダウン式。CxOの圧と世間の風潮(リストラ)でやった
- DXを外注するのはダメ?
- 採用人材だと社内で調整できない。
- システム化と運用のコツ
- スーパー人材が全部やった。
- 彼が退職した後は頑張って読む。
- 導入のきっかけ
- 長年の付き合い。始まりは社員が自主的に学習した事から。
- 社員に学習環境を用意しても自発的にやってくれない
- 情報発信(先述の通り、良い事例とは思えないが効果はある)
- DXと生産性の関連
- 「仕事は盗んで学べ」の文化は古い。「仕事はプロセス」主義である海外に劣っている
DX推進のステップ
- 全社員の研修
- 開発者の拡充
- データサイエンティストの養成または採用
- 全社員の活用
全員が必要と感じて、活用する事に関心を向けるようにする
所感
グロービズのサービスが気になる。
LLMのシステム開発面だと非常に使いやすい内容かな。
エンジニア研修を考えると色々と機能足らず。
必ずしもテストを実施しなければならない、という内容でなければ検討の余地がありそう。
また、GLOBISのシステムでもテスト自体は実施できる(と思われる)が、エンジニアテストの採点はどうか。
高度人材調練について
エンジニア以外だとスペシャリストよりオールラウンダーが求められるようになっている。
エンジニアの場合、もう古いオールラウンダーは難しいのかもしれない(フロントにしてもAIにしても領域が広すぎて学び直しの負荷が高まっている)
実際問題としては、各分野の専門性が高くなったので、意識もコスパよりタイパに切り替えていかないと時代に取り残されてしまう。
生成AI時代に求められるリテラシーとDX人財育成戦略
今日初めて知った。結構でかいところ。
日本企業の課題と対策
この辺りは経産省だかがだしてる資料からの抜粋
- まず日本企業は成長速度が遅い。←DXリテラシーを高めて対応【デジタルスキル標準と4つの軸】
- どこまで高めるか?(DSS-L): 向き不向きは関係ない
- DX推進人材(経営・エンジニアなど)(DSS-P): 向き不向きがある(ロールなど専門性が高い)
- ビジネスアーキテクチャ・データサイエンス・ソフトウェアエンジニア・デザイナー・サイバーセキュリティ
- 労働生産性も低いし、解決もしない
- 常に100%を目指し、残り2割に大半の時間を割く風潮(以下表)
- 個人レベルでは生成AIを知っている。採用しない企業は避ける傾向になる。
世界 | 日本 |
---|---|
80%マーケットIN | 開発 |
ユーザーフィードバック | 開発 |
100マーケット獲得 | リリース |
マインドセットも研修でやれ。
DX推進スキル標準
生成AI関連(データリテラシーを含む)を重視している。
特に経営者やマネジメント層が生成AI理解が遅い。
- そもそも気付けない
- 気付いているけど使えない
生成AIに限らず、他の事柄に対しても適用できる。
生成AIの活用法
- 問いを立てる
- 仮説を立てる
- 検証する
AIは正解を提示する事はできないが、それっぽい話をする事は得意。
入力されたデータはサーバーに保持される(設定で弾けるけど、真実は?)
➡️ChatGPTに投入する前にマスキング処理を入れる必要あり。
生成AIは自分に合わせて動いてくれない。生成AIが期待通りに実行されるように工夫する必要がある。
その上で、期待した内容がそもそも正しいのかを疑う。これがプロンプトエンジニアリング。
こういった面も含めて「マインドセット」
学習のポイント
- 7: 経験(+伴走)・仕事上の経験
- 2: 薫陶・他者との関わり
- 1: 研修・学習機会
これを実現するためにすべての基礎となるマインドセットをしっかりやる。
日本人は2人に1人が学ばないし、目標設定がない。
海外なら子供でも将来の夢が言えるし、大人でも当然やりたい事をやっている。
ビジョンが明確な人は自ら計画し行動している=キャリアと向き合っている。
デジタルリテラシーとマインドセット
タイトルはわざと怪しい状態にした。
そもそもデジタルリテラシーは関係なく、マインドセットが大事。
特に経営層は誰よりも学ぶ意欲を見せる必要がある。
所感
朝イチの講義のデモと見比べると凄さが伝わりにくい。プロンプトエンジニアリングは研究の余地が大きいな。
ただし、スクリプトが分かりやすいので入門には良い。
発表資料を比較して思うに、情報が新しいか古いかで生産性も変わる可能性が高いので、情報ソースは多ければ多いほどいい(人間はオーバーフィッティングがいい=汎用LLMであるべき)か。
Discussion