WEBVTT 00:00.020 --> 00:06.230 そこで、 フロンティア・モデルの世界への探検を、 おそらくほとんどの方がよくご存じであろう、 00:06.230 --> 00:10.550 OpenAIの有名なGPTで遊ぶことから始めようと思う。 00:10.580 --> 00:16.520 私はプロライセンスを持っているので、 すべてのモデルにアクセスできる。 00:16.550 --> 00:21.320 ビジネス上の問題がLLMの解決策に適しているかどうか、 00:21.320 --> 00:30.110 どうやって判断すればいいのでしょうか? 00:30.110 --> 00:34.910 このコースで聞かれるような質問なので、 私たちにとっても有益だ。 00:35.030 --> 00:40.760 もちろん、 返ってくるのは、 序論、 要約、 問題の本質、 スケーラビリティの必要性など、 00:40.760 --> 00:44.300 非常に注意深く構成され、 理路整然とした回答だ。 00:44.300 --> 00:50.480 ここには、 ニュアンス、 非構造化データ、 文脈理解、 コスト、 メンテナンスなど、 たくさんの素晴らしい、 00:50.480 --> 00:56.810 理路整然とした指摘があり、 それをうまく要約したものがあるに違いない。 00:56.810 --> 01:00.110 だから、 これは本当に、 本当に得意なことなんだ。 01:00.140 --> 01:05.300 私が質問を投げかけると、 たいていは正解するが、 ときどき驚くほど間違える。 01:05.330 --> 01:06.920 今回はどうなるか見てみよう。 01:06.950 --> 01:15.500 この文章にはAという文字が何回出てくるか? 01:16.640 --> 01:18.560 どうなるか見てみよう。 01:18.770 --> 01:20.900 ええと、 それは間違っている。 01:20.900 --> 01:24.170 あなたの文章にはAという文字が5回出てきます。 01:24.410 --> 01:27.380 それが正しいこともあれば、 間違っていることもある。 01:27.380 --> 01:29.750 難しいんだけどね。 01:29.750 --> 01:33.920 でも、 それが間違っていることにショックを受けるかもしれない。 01:33.920 --> 01:37.610 だからといって、 私たち人間の方がまだ有利な面もある。 01:37.940 --> 01:42.710 しかし実際は、 この情報がLMに送られる方法に関係しているのだ。 01:42.710 --> 01:45.260 それは、 このトークナイゼーション戦略に関係している。 01:45.260 --> 01:47.180 それについては後で詳しく話す。 01:47.300 --> 01:50.090 しかし、 それが間違っているのは興味深い。 01:50.360 --> 01:55.160 ええと、 もう1つ聞きますが、 これは難しい質問です。 01:55.160 --> 01:59.540 この例えに最もふさわしい言葉を選んでください。 01:59.570 --> 02:03.440 フェザーは鳥にとってのスケールである。 02:03.470 --> 02:05.390 そして、 そこにはいくつかの異なるオプションがある。 02:05.390 --> 02:15.260 というのも、 魚には鱗があるが、 爬虫類の鱗ほど区別できる特徴ではないからだ。 02:15.260 --> 02:20.060 この質問は、 ヴェラムというウェブサイトから得たものだ。 ヴェラムは、 この種の分析を多く行っている会社で、 02:20.090 --> 02:23.030 後ほど紹介する。 02:23.270 --> 02:23.840 分かった。 02:23.840 --> 02:25.400 別のモデルに切り替えよう。 02:25.400 --> 02:28.190 ゼロワンのプレビューに切り替えよう。 02:28.220 --> 02:34.490 これはもともとstrawberryというコードネームで呼ばれていたモデルで、 OpenAIの最強モデルであり、 02:34.490 --> 02:40.610 プロ契約者のみが利用できるが、 最終的には誰でも利用できるようになり、 今後の展開を予感させる。 02:40.640 --> 02:45.350 一種の推理の連鎖のようなアプローチで問題を考えていく。 02:45.350 --> 02:55.700 同じ質問をしてみよう。 この文章にAという文字は何回出てくるだろうか? 02:56.150 --> 02:58.310 もっとうまくやれるかどうか見てみよう。 02:59.690 --> 03:00.980 考えているんだ。 03:02.480 --> 03:04.970 確かに時間がかかるのはわかるだろう。 03:05.000 --> 03:06.710 文字の頻度を数える。 03:06.710 --> 03:07.850 それは期待できそうだ。 03:07.880 --> 03:09.320 よく見てみよう。 03:09.350 --> 03:10.130 知っておいて損はない。 03:10.130 --> 03:12.560 そして、 正しい答えを導き出す。 03:12.560 --> 03:13.190 その通りだ。 03:13.190 --> 03:16.040 文中にAという文字が4回出てくる。 03:16.040 --> 03:21.320 引用符の中に1回、 "appear "の中に2回。 03:21.320 --> 03:23.090 だから正しい。 03:23.090 --> 03:24.230 とても良い。 03:24.230 --> 03:27.080 ええと、 それからイチゴにも聞いてみよう。 03:27.110 --> 03:33.650 ああ、 このパズルをプレビューして、 このパズルにどうアプローチできるか見てみよう。 03:33.710 --> 03:41.300 適切な例えを選択することは、 有望な育成でもある。 03:41.300 --> 03:44.510 そして正解は爬虫類。 03:44.510 --> 03:53.960 これで、 GPTの4つのゼロとゼロ・ワンのプレビューから、 異なるモデル、 異なる強さのいくつかを感じてもらえるだろう。