いまやChatGPTはチャットAIの代名詞。AIを業務に活用云々という記事を開いてみると、ほとんどがChatGPTの活用事例だ。 たとえばパナソニック子会社のパナソニック コネクトは6月28日、OpenAIの大規模言語モデルをベースにしたAIアシスタントサービス「ConnectAI」の活用実績を報告。今後は機能を拡大し、社内データを活用できるシステムへアップデートすると発表した。 従来は3時間かかっていたコーディング前の事前調査を5分に短縮できたり、人力では9時間かかっていたアンケート分析が6分で終了するなど目を引く事例もあり、「大幅な効率化が実現した業務もあり、ChatGPTはビジネスに有効だと判断している」という(「9時間かかる仕事、6分で終了 パナ子会社『ChatGPTはビジネスに有効』」)。 パナソニックのように典型的な「日本の大企業」が率先してChatGPTを導入したことには感心
WEELメディア事業部リサーチャーの柏崎です。 みなさん、ChatGPTは使いこなせていますか? ChatGPTを使うにあたって必須となるのが「プロンプト(質問)」ですが、このプロンプトのコツを知らないと、「ほしかった回答とズレている…」と感じてしまうことも。 そこでこの記事では、ChatGPTを使いこなせるようプロンプトデザインとChatGPTの精度について深く掘り下げていきます。 日本で特に有名な2つのプロンプトシステム、「深津式プロンプト」と「シュンスケ式プロンプト」についても、実際のやり取りを交えながら解説していきます。今すぐ使えるコツもご紹介していますので、ぜひ最後まで読んでください! ChatGPTのプロンプトデザインとは プロンプトデザインとは、ChatGPTへのプロンプト(質問や命令)を、特定のタスクに合わせてデザイン(作成・調整)するプロセスのことです。特に、クリエイティ
1 はじめに 近時、LLMを利用し、社内外の文書データを用いた精度の高いチャットボットを構築するために、RAG(Retrieval Augmented Generation)という手法が注目されています。 LLMをそのまま利用してチャットボットの構築を行うと、通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができないか、あるいは正しくない回答を返してしまいます。 この問題を解決する手法として注目されているのがRAGです。 この手法は、あらかじめ社内外の文書データをデータベース(DB)として準備しておき、ユーザからの質問がなされた場合には、当該質問と関連性が高い文書データを検索し、その文章データを質問文に付加してLLMに入力することで、精度が高い、かつ実際の文書データに紐付いた回答を生成することができるというものです。 ここで、プロンプトに入力するためにDBとして
カスタムChatBotを作る ChatGPT全盛の時代に、何番煎じだ?という感じですが、とりあえずやってみたので手順を残しておきます。プロンプトエンジニアリングの観点ですと、いわゆるIn-Context LearningのRetrieval-Augmented Generation(RAG)ってやつになると思います。プロンプトエンジニアリングに関しては以下記事参照ください。 具体的な手段・実装としては、基本的にnpaka大先生のやったことや書籍を大いに参考にさせていただいています。 OpenAI GPT-4/ChatGPT/LangChain 人工知能プログラミング実践入門 以前、はてなブログのデータだけでやってみてはいたのですが、イマイチ性能がよくなかったので、今回は色々と改善版という位置づけです。 大きく変えたところは以下2つです。 データを増やした(ブログデータ → ブログデータ +
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く