WEBVTT 00:00.740 --> 00:01.910 お帰りなさい。 00:01.910 --> 00:04.220 フルエージェントの枠組みを作る時が来た。 00:04.220 --> 00:05.630 すごく楽しみだよ。 00:05.660 --> 00:11.510 私たちがこれまでやってきたことをすべてまとめている。 00:11.720 --> 00:13.730 ええと、 簡単にまとめると 00:13.730 --> 00:14.870 エージェントのフレームワーク。 00:14.960 --> 00:17.840 エージェントという言葉は......さっきも言ったように、 包括的な言葉なんだ。 00:17.840 --> 00:20.120 さまざまなテクニックを指すことがある。 00:20.240 --> 00:23.060 例えば、 この5つのうちのどれでもいい。 00:23.090 --> 00:29.420 それは、 複雑な問題をより小さなステップに分割し、 複数のモデルが異なる専門的なタスクを実行することである。 00:29.420 --> 00:33.890 それは、 LLMが特別な能力を与えるツールを持つ能力である。 00:33.890 --> 00:43.160 エージェント環境、 つまりエージェントが協力できるようにするためのセットアップやエージェントのフレームワークのことです。 00:43.190 --> 00:50.270 つまり、 1人のLLMがプランナーとして機能し、 タスクをより小さなものに分割し、 それ自身がLLMやソフトウェアの一部となりうるスペシャリストがそれを実行する、 00:50.270 --> 00:55.100 というアイデアだ。 00:55.280 --> 01:00.210 それは、 エージェントが、 単にプロンプトに応答するだけでなく、 独自の自律的なエージェンシーを持ち、 01:00.210 --> 01:19.110 例えば、 記憶力を持ち、 ニュース情報をウェブにかき集め、 それを使って株の売り買いを判断するようなことができるようなエージェントを考えているときに、 人々はエージェント型AIについて話すということです。 01:19.110 --> 01:26.670 それは、 リクエスト・レスポンス・チャットという文脈の外側に存在するものだ。 01:26.670 --> 01:34.890 つまり、 エージェント型AIやエージェントの利用について語るとき、 人々が言及するのはこうした種類の方法ばかりなのだ。 01:34.890 --> 01:39.510 そして、 私たちがここでやろうとしていることは、 1番と2番、 01:39.510 --> 01:42.210 そして3番と5番についてだ。 01:42.300 --> 01:45.090 しかし、 我々はプランニングを行うLLMを構築しているわけではない。 01:45.090 --> 01:47.280 それはこのセッションでやることではない。 01:47.280 --> 01:57.000 というわけで、 これは以前使っていたものにかなり近いチャット方法なので、 多少はなじみがあるはずだ。 01:57.000 --> 01:59.710 だから、 これについてはいくつか知っていることがあるだろう。 01:59.710 --> 02:07.210 このセクションは、 私たちがよく知っているいつものチャットラジオ機能だ。 02:07.210 --> 02:16.180 メッセージと履歴を受け取り、 その履歴をOpenAIが期待するフォーマットに展開し、 02:16.210 --> 02:20.200 レスポンスを呼び出す。 02:20.440 --> 02:26.080 この部分は、 私たちの道具の使い方なので、 皆さんも見覚えがあるだろう。 02:26.080 --> 02:32.860 モデルがツールを呼び出したいかどうかを調べ、 呼び出したい場合はそのツールを処理する。 02:33.010 --> 02:44.710 その行は、 もし人が、 もしモデルがチケットの値段を調べるためにツールを実行する必要があると判断した場合、 02:44.710 --> 02:56.200 アーティストに、 調べられる都市を表す画像を生成させるというものです。 02:56.200 --> 02:58.160 そうだ。 02:58.220 --> 03:00.050 ああ、 それは......いいね。 03:00.050 --> 03:04.940 それに、 私がバックシティをパスしたのには理由があるんだ。 03:04.970 --> 03:05.690 これだ。 03:05.690 --> 03:09.800 だから、 アーティストに渡すために市が必要だったんだ。 03:10.130 --> 03:13.880 ええと、 それから、 これは全部まったく同じなんだ。 03:13.880 --> 03:16.040 もうひとつ、 小さな変更がある。 03:16.040 --> 03:26.840 つまり、 モデルからの反応を収集したら、 トーカーを呼び出して反応を確認する。 03:26.840 --> 03:29.780 これが私たちのチャットだ。 03:29.960 --> 03:32.270 ええと、 それを実行しよう。 03:33.920 --> 03:41.420 さて、 Gradioがいかに簡単かをいつも自慢してきたので、 このコードはもう少し複雑だと言っておく。 03:41.420 --> 03:46.970 お気づきの方もいらっしゃるかもしれませんが、 その理由は、 私たちが今、 もう少し、 画像を見せたいからです。 03:46.970 --> 03:55.550 私たちは、 Gradioが私たちのために提供してくれるデフォルトの、 ある種の既製品の、 えー、 チャット・ユーザー・インターフェースの外に出ようとしています。 03:55.550 --> 03:58.120 そして、 自分たちでインターフェースを構築しなければならない。 03:58.150 --> 04:07.090 その結果、 入力やボタンのような様々なコンポーネントをまとめたインターフェースを作らなければならなくなった。 04:07.300 --> 04:10.180 しかし、 私が言いたいのは、 これでも実は超簡単だということだ。 04:10.180 --> 04:11.470 まだ英語のように読める。 04:11.470 --> 04:13.030 何が起こっているかははっきりしている。 04:13.030 --> 04:19.330 ここで起こっていることがすべてわかるだろうし、 願わくば、 これがあなたにとってかなり読みやすいものになることを願っている。 04:19.330 --> 04:26.740 そしてこれを利用して、 より洗練されたチャットやより洗練されたUIを自分で構築することができる。 04:26.740 --> 04:36.850 このような背景を踏まえて、 これからこれを実行に移し、 それを表示させる。 04:37.240 --> 04:41.650 そしてここで、 新しいアシスタントとのおしゃべりが始まった。 04:41.680 --> 04:43.300 試してみよう。 04:47.740 --> 04:48.280 こんにちは。 04:48.280 --> 04:49.630 今日はどのようなご用件でしょうか? 04:51.040 --> 04:52.090 気に入ったかい? 04:52.240 --> 04:53.650 それは私たちに語りかけてきた。 04:53.740 --> 04:54.520 これでよし。 04:54.520 --> 04:56.620 それがエージェントの最初の使い方だ。 04:56.620 --> 05:07.510 私たちは、 音声を作成できるスペシャリスト・モデルを持っていて、 それをチャットボットに統合して、 チャットボットが私たちに話しかけられるようにしたんだ。 05:15.760 --> 05:17.020 素晴らしい選択だ。 05:17.080 --> 05:20.410 ロンドンへの往復航空券の料金をお知りになりたいですか? 05:22.930 --> 05:24.220 これでよし。 05:24.250 --> 05:27.220 それはエンターテインメントだ。 05:34.240 --> 05:35.710 間があるのは分かっている。 05:43.090 --> 05:44.080 さあ、 始めよう。 05:48.040 --> 05:51.220 ロンドンまでの往復航空券は799ドル。 05:53.120 --> 05:54.920 そうだ。 05:54.950 --> 05:58.340 ロンドンまでの往復チケットは7ドル。 99. 05:58.340 --> 06:00.290 そして、 そこにはイメージがある。 06:00.290 --> 06:04.220 そして、 その画像は壮大に見える。 06:04.370 --> 06:06.290 真ん中にロンドンバス。 06:06.290 --> 06:07.700 ビッグベンがある。 06:07.700 --> 06:10.400 ブリッジがある。 06:10.400 --> 06:11.690 これは... 06:11.720 --> 06:14.420 ああ、 タクシーが見えるね。 06:14.450 --> 06:18.950 素晴らしいモンタージュ映像だ。 06:19.160 --> 06:28.280 ほんの少しのコードで実現できることの素晴らしい例だ。 06:28.520 --> 06:37.550 そこで、 航空会社のAIアシスタントと会話するためのマルチモーダル・エージェント・フレームワークの一部として、 06:37.550 --> 06:48.050 音声と画像を含むマルチモーダル・アプリを紹介しよう。 06:48.140 --> 06:49.280 素晴らしい仕事だ。 06:49.310 --> 06:52.790 また今週のチャレンジと総括でお会いしましょう。