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.
 
 

226 lines
9.4 KiB

WEBVTT
00:01.040 --> 00:06.950
だから、 毎週末には、 私があなたたちに課題を与えるのが慣例となっている。
00:06.950 --> 00:13.940
今週も興味深い仕事がいくつかあった。
00:13.940 --> 00:19.970
この課題は、 これまでで断トツに面白い。 本当に、 本当に、 この課題に真剣に取り組んで、
00:19.970 --> 00:24.320
しっかり挑戦してほしい。
00:24.320 --> 00:28.220
そして、 私はできるだけ早くこれをやりたいので、 それに挑戦する。
00:28.220 --> 00:30.080
素晴らしいブログ記事になると思うよ。
00:30.080 --> 00:33.410
本当にクールで楽しいものになると思う。
00:33.410 --> 00:35.480
そこで挑戦だ。
00:35.510 --> 00:47.390
私たちが構築したものをそのまま使って、 あなた自身の生産性を高める方法として、 あなた自身の情報をもとにあなた自身のナレッジ・ワーカーを構築してください。
00:47.390 --> 00:56.750
例えば、 あなたが持っているすべてのファイルを1つの場所に集めることができる。
00:57.650 --> 01:03.670
そして、 それは事実上、 フォルダ構造を持つ自分だけの知識ベースとなる。
01:04.360 --> 01:11.890
そして、 すべてをクロマでベクトル化し、 あなただけのベクトル・データ・ストアにし、 その上に会話型AIを構築して、
01:11.890 --> 01:18.430
あなたの情報について質問することができる。
01:18.460 --> 01:23.320
それに、 自分が手掛けたプロジェクトや、 自分がやったことについて、 自分が持っている情報量を考えても、
01:23.320 --> 01:26.260
それが頭の中に入っているわけがない。
01:26.290 --> 01:33.580
そして、 自分の個人的なバックグラウンドに最適化されたチャットボットがあれば、
01:33.610 --> 01:44.470
仕事とプライベートの両方を結びつけることができるかもしれない。
01:44.500 --> 01:53.080
私のすべての人脈、 現在の仕事、 以前の仕事などから、 特定の問題で私を助けてくれそうな人について考える。
01:53.230 --> 01:55.990
驚くほどパワフルなアイデアだ。
01:55.990 --> 01:58.420
だから、 私自身、 これをやるのがとても楽しみなんだ。
01:58.450 --> 02:03.380
本当に狂気じみたことをしたいのなら、 それをさらに進めるためにできることがいくつかある。
02:03.380 --> 02:04.820
そしてまた、 そうするつもりだ。
02:04.820 --> 02:25.280
グーグルのAPIを使って認証し、 自分の受信トレイにアクセスしてメールを読めるようにするのは簡単だ。
02:25.310 --> 02:26.390
私は簡単だと言っている。
02:26.390 --> 02:27.830
中々簡単だよ。
02:27.860 --> 02:37.940
認証に必要なコードもそうだが、 多くの人がやっていることなので、 ググれば簡単にステップ・バイ・ステップでやり方を見ることができる。
02:37.940 --> 02:46.400
そのため、 メールボックスに接続してメールを取り込み、 クロームでベクトル化することもできる。
02:46.400 --> 02:49.850
だから、 メールの履歴もそこにあるはずだ。
02:49.940 --> 03:00.680
明らかに、 フロンティアモデルへの巨大なコンテクストウィンドウで、 このコンテクストをすべて提供するのは完全に非現実的だ。
03:00.680 --> 03:09.100
うまくいけば、 ジェミニ1号でさえ100万トークンよりも大きな素材になることを想像できるだろう。
03:09.100 --> 03:09.100
5フラッシュが使える。
03:09.670 --> 03:18.220
しかし、 Ragを使えば、 ベクター・データベースから特定の質問に最も近い25の文書を抜き出して、
03:18.220 --> 03:21.310
それを提供することができる。
03:22.390 --> 03:25.510
だから、 Eメールの受信トレイにも同じことができる。
03:25.510 --> 03:29.500
また、 マイクロソフト・オフィスのファイルがある場合にも、 この方法が使える。
03:29.500 --> 03:35.860
Pythonには、 オフィス・ファイルを読み込んでテキスト・バージョンを表示するシンプルなライブラリがある。
03:35.860 --> 03:41.200
また、 グーグル・ドライブを使用している場合、 グーグルはグーグル・ドライブ内のドキュメントを読むことができるAPIを持っている。
03:41.230 --> 03:43.390
繰り返すが、 超簡単ではない。
03:43.390 --> 03:52.060
認証には少し面倒なこともあるが、 完全に可能だし、 その報酬があればやる価値はあると思う。
03:52.090 --> 04:11.330
というのも、 私たちの個人的なデータがどこにも保存されないという確信があるのだろうか?
04:11.510 --> 04:21.200
それで、 この挑戦の最後の部分として、 もしそれがあなたにとって心配なことであれば、 実際にBertのようなオープンソースのモデルを使って自分で実行することができます。
04:21.200 --> 04:23.630
ベクトル化は自分でできる。
04:23.630 --> 04:25.520
そしてまた、 それにはいくつかの方法がある。
04:25.520 --> 04:31.400
GoogleのColabを立ち上げて、 Google DriveをそのColabにマッピングしておけば、
04:31.430 --> 04:39.410
ColabでそのColabを使ってすべてのドキュメントをベクター化することができます。
04:39.410 --> 04:40.520
それも一つの方法だね。
04:40.520 --> 04:41.780
それは非常に効果的だ。
04:41.810 --> 04:47.270
これはローカルで実行できるライブラリで、 最適化されたC++コードがあり、
04:47.270 --> 05:02.300
自分のコンピュータを離れることなく、 ローカルで推論モードでこれらのモデルのいくつかを実行することができる。
05:02.420 --> 05:13.690
クラウドに行かなくても、 すべてのドキュメントをベクター化したいのであれば、 これが最終的なアプローチになる。
05:13.840 --> 05:23.770
うーん、 でも結局のところ、 あなたにとっての挑戦は、 これができることを証明するために、 個人的なプライベート・ナレッジワーカーを作ることなんだ。
05:23.770 --> 05:29.050
また、 それがあなたにとってあまりにも大変な努力であるならば、 少なくとも、 あなたが持っているいくつかのテキスト文書を同じフォルダーにドロップして、
05:29.050 --> 05:33.160
そのミニ・バージョンをやってみよう。
05:33.160 --> 05:34.090
せめてそれくらいはしてほしい。
05:34.090 --> 05:35.410
これが最低ラインだ。
05:35.410 --> 05:36.760
少なくとも私はそれを求めている。
05:36.760 --> 05:42.280
このフォルダー構造の中に、 いくつかのテキスト文書が含まれている。
05:42.280 --> 05:46.270
でも、 誰かがこのプロジェクト全体を本気でやってくれることを期待しているし、 私はあなたにレースをする。
05:46.270 --> 05:50.080
私もそれをやるつもりだし、 それについてブログ記事を書くつもりだ。
05:50.110 --> 05:53.230
これで今週のラグは終了だ。
05:53.230 --> 05:59.470
そしてその時点で62歳になる。 この旅の道程の5%。
05:59.470 --> 06:02.710
そして、 スキルアップの感覚を感じてほしい。
06:02.710 --> 06:07.490
このエクササイズをやっている限り、 そしてこの時点で実践して学んでいる限り、
06:07.490 --> 06:15.890
あなたはラグがどのように機能し、 なぜ機能し、 なぜ効果的なのかについて、 素晴らしい直感を得ている。
06:15.920 --> 06:22.070
ベクトル埋め込みとベクトルデータストアについて理解していただきましたが、 これに加えて、 フロンティアモデル、
06:22.070 --> 06:27.860
AIアシスタント、 ツールの使用、 オープンソースモデルやパイプライン・トークナイザーモデル用のハギング・フェイスの使用、
06:27.890 --> 06:34.130
ハギング・フェイスのオープンLLMリーダーボードのような様々なリーダーボードを使用した適切なLLMの選択など、
06:34.160 --> 06:39.050
私たちが過去に取り組んできたすべてのことがあります。
06:39.470 --> 06:42.230
だから大事な瞬間なんだ。
06:42.230 --> 06:43.910
とてもエキサイティングだよ。
06:44.000 --> 06:48.050
ええと、 でも来週はまったく新しいことを始めるんだ。
06:48.080 --> 06:51.380
新しいコマーシャル・プロジェクトを紹介しよう。
06:51.380 --> 06:58.640
ハギング・フェイスからデータセットをダウンロードし、 データをキュレーションして、 何か新しくエキサイティングなことに挑戦するつもりだ。
06:58.640 --> 07:04.880
これは推論の世界からトレーニングの世界へと移行することを意味し、 実に大きな一歩である。
07:04.910 --> 07:07.160
待ちきれないよ。