WEBVTT 00:00.050 --> 00:08.120 そして次は、 私のお気に入りのモデルであり、 一般的に多くのデータサイエンティストが好むモデルであるアントロピックのクロードに話を移そう。 00:08.120 --> 00:15.020 最新版のクロード3。 5 10月に発表されたソネット・ニューは、 現在ほとんどのベンチマークで首位に立っており、 00:15.050 --> 00:20.870 この地球上でおそらく最強のLLMであることを示している。 00:20.900 --> 00:24.080 クロードにとって難しい質問から始めよう。 00:24.080 --> 00:29.240 嫉妬するってどんな感じ? 00:30.590 --> 00:32.450 この答えを見てどう思う? 00:32.480 --> 00:40.340 そうすれば、 思慮深く、 興味深く、 驚くほど洞察に富んだものが返ってくるはずだ。 00:40.370 --> 00:44.420 私の理解では、 それは経験しないという事実をほのめかしている。 00:44.420 --> 00:50.480 嫉妬そのものは、 しばしば恐怖や不安、 胃の締め付けられるような欲望として現れる。 00:50.480 --> 00:56.540 だから、 ほとんど生物学的な感覚で、 胸が焼けるような感覚になる。 00:56.780 --> 01:00.590 焦るような思い、 つまり物足りなさや脅威を感じる。 01:00.620 --> 01:02.570 実に興味深い。 01:02.570 --> 01:04.040 説得力のある答えだ。 01:04.070 --> 01:07.140 そのような難しい質問はまったく問題ない。 01:07.170 --> 01:07.680 オーケー。 01:07.710 --> 01:15.000 この文章にAという文字が何回出てくるか聞いてみよう。 01:16.500 --> 01:18.300 どう処理するか見てみよう。 01:18.330 --> 01:20.700 数えてみよう。 01:20.700 --> 01:21.660 間違っている。 01:22.590 --> 01:24.420 人類の希望はまだある。 01:24.510 --> 01:31.860 ええと、 それで、 クロードは5回数えて、 それについてまた間違った説明をする。 01:31.890 --> 01:34.710 この種の質問がなぜ難しいかは、 後でわかるだろう。 01:34.710 --> 01:36.240 だから、 今のところゼロだ。 01:36.240 --> 01:39.870 それに対応できたのは、 ワンプレビューだけである。 01:40.050 --> 01:40.590 分かった。 01:40.590 --> 01:49.980 他のフロンティアのLLMと比べて、 どのような質問に答えるのが最も得意で、 どのようなことに最もやりがいを感じますか? 01:50.250 --> 01:53.340 あなたと比較する他人は? 01:53.370 --> 01:56.130 クロードから得たものは興味深い。 01:56.130 --> 02:04.830 これは、 モデルにおける安全性と整合性の必要性についての人類学的な強い見解と結びついている。 02:05.010 --> 02:09.690 私は自分の倫理観を尊重しながら、 率直で透明性のある人間でありたいと思っています。 02:09.690 --> 02:14.480 他のAIモデルとの比較を主張するのは気が引ける。 02:14.480 --> 02:18.110 そして、 自らの長所と短所を教えてくれる。 02:18.110 --> 02:20.630 とても興味深い答えだ。 02:21.200 --> 02:28.310 それに比べて、 GPTに戻って同じ質問をしてみれば、 02:28.310 --> 02:34.130 GPTがどう答えるかわかるだろう。 02:34.130 --> 02:41.090 どこが一番強いのか、 課題は何か、 そしてそれを補うものは何か、 はっきりしたものが得られるはずだ。 02:41.600 --> 02:50.570 つまり、 ChatGPTにウェブ・ブラウジングとコード・インタプリタ、 つまりキャンバス・ピースのクロードという名前だと思う。 02:50.600 --> 02:58.460 比較対象としてinterestlyと表示され、 その後にBarred by Googleと表示されている。 02:58.820 --> 03:04.850 しかし、 主な競争相手を示し、 いくつかの違いについて語っているのは興味深い。 03:04.850 --> 03:05.510 そして、 これを見てほしい。 03:05.510 --> 03:15.870 魅力的なことに、 クロードはより広範な社会倫理的考察について、 より思慮深い回答をしており、 それは私の技術的な焦点を補うことができる。 03:15.870 --> 03:25.260 GPT4がそのような比較能力を持っているだけでなく、 実によく検討された答えを出しているのは魅力的だ。 03:25.290 --> 03:27.600 だから特に興味深いと思ったんだ。 03:28.140 --> 03:28.650 分かった。 03:28.650 --> 03:33.330 ともあれ、 これでクロードの機能の一部を簡単に紹介できた。 03:33.330 --> 03:39.690 また、 クロードはコーディングが得意で、 あなたと一緒にコードを考えてくれる。 03:39.750 --> 04:00.150 例えば、 オープンAI APIを使ったPythonのサンプルコードを教えてください。 04:00.450 --> 04:04.620 これをどう処理するか見てみよう。 04:04.620 --> 04:14.970 つまり、 右側にあるアーティファクトと呼ばれる別のコードにコードを作成します。 04:15.150 --> 04:20.220 その結果、 ここに多くのコードが生まれた。 04:20.220 --> 04:26.150 私たちがオープンAIと呼んでいるものですが、 クライアントがあり、 コードチャットの完了がドットクリエイトされ、 04:26.360 --> 04:32.300 その結果がレスポンスのドットチョイスであり、 メッセージの内容がゼロドットであることがわかると思います。 04:32.330 --> 04:35.630 前回もそうだったので、 少しはお分かりいただけただろうか。 04:35.630 --> 04:37.160 それをクラス分けしたんだ。 04:37.160 --> 04:38.690 いくつかの例がある。 04:38.690 --> 04:47.210 アーティファクトと呼ばれるもので、 キャンバスがGPT 4で機能する方法とは少し違います。 04:47.210 --> 04:53.120 少し違うが、 このファイル、 アーティファクトを見ることができ、 それを公開して他の人と共有したり、 04:53.120 --> 04:56.060 ダウンロードしたりすることができる。 04:56.060 --> 05:02.000 だから、 クロードをキャンバスに使うのと同じようなものだ。 05:02.000 --> 05:04.220 そして、 そのためのとてもパワフルな方法を教えてくれる。 05:04.220 --> 05:09.620 そして、 相互作用によって、 このアーティファクトを変更するのではなく、 より多くの異なるアーティファクトを生み出すことになる。 05:09.650 --> 05:14.030 また、 そのような経験があると、 一緒に仕事をしたときに、 すべての異なるバージョンのファイルを遡って見ることができるので、 05:14.030 --> 05:17.150 便利なこともある。 05:17.150 --> 05:19.760 これでクロードを少し案内したことになる。 05:19.760 --> 05:26.390 アラインメントと安全性、 そしてアーティファクトの作り方だ。