You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

250 lines
8.6 KiB

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。