Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
仕事で取り組む 生成 AI 時代の対話の品質評価
Search
Asei Sugiyama
September 30, 2024
Technology
2
48
仕事で取り組む 生成 AI 時代の対話の品質評価
Google Cloud Next Tokyo '24 での LT 用の資料です
Asei Sugiyama
September 30, 2024
Tweet
Share
More Decks by Asei Sugiyama
See All by Asei Sugiyama
生成AIの活用パターンと継続的評価
asei
14
2k
最近の Citadel AI の取り組みのご紹介 (Nov, 2024)
asei
2
34
MLOps の処方箋ができるまで
asei
3
470
LLM を現場で評価する
asei
5
910
生成 AI の評価方法
asei
8
2k
対話品質の評価に向き合う
asei
4
410
Kubeflow Pipelines v2 で変わる機械学習パイプライン開発
asei
6
1.3k
遊戯王 AI は次世代のグランドチャレンジになりうるか
asei
1
380
Vertex AI ではじめる MLOps
asei
3
180
Other Decks in Technology
See All in Technology
DynamoDBの"Replacement"時にデータが消されないようにCustom Resource Provider Frameworkでカスタムリソース作ってみた件
diggymo
0
140
【若手エンジニア応援LT会】AWSで繋がり、共に成長! ~コミュニティ活動と新人教育への挑戦~
kazushi_ohata
0
270
What to do after `laravel new`
mattstauffer
0
130
ライブラリでしかお目にかかれない珍しい実装
mikanichinose
0
110
ジョブマッチングサービスにおける相互推薦システムの応用事例と課題
hakubishin3
3
580
日経電子版におけるリアルタイムレコメンドシステム開発の事例紹介/nikkei-realtime-recommender-system
yng87
2
680
「 SharePoint 難しい」ってよく聞くけど、そんなに言うなら8歳の息子に試してもらった
taichinakamura
2
770
フロントエンド メタフレームワーク 選定の際に考えたこと
yuppeeng
0
560
生成AIと知識グラフの相互利用に基づく文書解析
koujikozaki
1
160
プロダクトエンジニアが活躍する環境を作りたくて 事業責任者になった話 ~プロダクトエンジニアの行き着く先~
gimupop
1
580
スプリントゴールにチームの状態も設定する背景とその効果 / Team state in sprint goals why and impact
kakehashi
2
120
Amazon CloudWatch Network Monitor 導入ガイド_デモ説明付き
yukimmmm
0
150
Featured
See All Featured
GitHub's CSS Performance
jonrohan
1030
460k
A Modern Web Designer's Workflow
chriscoyier
693
190k
Into the Great Unknown - MozCon
thekraken
32
1.5k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
27
4.2k
It's Worth the Effort
3n
183
27k
4 Signs Your Business is Dying
shpigford
180
21k
Embracing the Ebb and Flow
colly
84
4.5k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
26
1.4k
Rails Girls Zürich Keynote
gr2m
93
13k
Java REST API Framework Comparison - PWX 2021
mraible
PRO
28
8.2k
Testing 201, or: Great Expectations
jmmastey
38
7.1k
No one is an island. Learnings from fostering a developers community.
thoeni
19
3k
Transcript
Proprietary 仕事で取り組む 生成 AI 時代の 対話の品質評価
02 Proprietary Google Cloud Next Tokyo ’24 杉山 阿聖 株式会社
Citadel AI Software Engineer
03 Proprietary 01 なぜ「評価」なのか 02 対話の品質評価 03 生成 AI の比較
04 まとめ アジェンダ
04 Proprietary Google Cloud Next Tokyo ’24 なぜ「評価」なのか
05 Proprietary Google Cloud Next Tokyo ’24 身近に広がる生成 AI •
チャット専用のアプリを超えて さまざまな箇所で使われている • さまざまなサービスや デバイスとの統合は 世界的な潮流として進むと思われる ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。
06 Proprietary & Confidential ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。
※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。 生成 AI は特定分野の 専門知識に弱い • 同じプロンプトから左折の手順 を生成 • 上 : Gemini 1.5 Pro • 下 : ChatGPT 4o • ともに信号機を確認しない
07 Proprietary Google Cloud Next Tokyo ’24 基盤モデルの Finetune •
生成 AI 以前の常識に従えば 業界特化な知識は finetune で与える • 基盤モデルを finetune し 特化モデルを作成することは 技術的に可能 ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。 Hu, Edward J., et al. "Lora: Low-rank adaptation of large language models." arXiv preprint arXiv:2106.09685 (2021). https://arxiv.org/abs/2106.09685
08 Proprietary Google Cloud Next Tokyo ’24 Finetune で特定分野の 知識を与えるのは困難
• モデルの知らない知識を 意図的に与えた実験 • 知らない知識を与えれば 与えるハルシネーションを 引き起こしやすくなる ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。 Gekhman, Zorik, et al. "Does Fine-Tuning LLMs on New Knowledge Encourage Hallucinations?." arXiv preprint arXiv:2405.05904 (2024). https://arxiv.org/abs/2405.05904
09 Proprietary & Confidential Google Cloud Next Tokyo ’24 ※画像の置換方法
グレーボックスを選択し、 右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。 Gekhman, Zorik, et al. "Does Fine-Tuning LLMs on New Knowledge Encourage Hallucinations?."arXiv preprint arXiv:2405.05904 (2024). https://arxiv.org/abs/2405.05904
010 Proprietary Google Cloud Next Tokyo ’24 • 検索と生成 AI
の合せ技 • 検索で特定分野の知識を 与えられるアーキテクチャ • 特定分野の知識を与えたとしても、そ れをモデルが利用できるかは 自明でない • 故に評価が必要 RAG (Retrieval-Augmented Generation) ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。 Infrastructure for a RAG-capable generative AI application using GKE https://cloud.google.com/architecture/rag-capable-gen-ai-app-using-gke
011 Proprietary Google Cloud Next Tokyo ’24 対話の品質評価
012 Proprietary Google Cloud Next Tokyo ’24 対話の品質評価の 3 つの方法
• ベンチマークを用いた事前評価 : QA4AI ガイドライン • 仮想シナリオを用いた事前評価 : デジタル庁のレポート • 対話ログを用いた事後評価: 弊社での取り組み 評価手法 ベンチマーク 仮想シナリオ 対話ログ 事前評価可能 ✓ ✓ カスタマイズ性 ✓ 特定業務の品質評価 ✓
013 Proprietary Google Cloud Next Tokyo ’24 ベンチマークによる評価 (1/2) •
QA4AI AI プロダクト品質保証 ガイドライン (2024.04 版) • ベンチマークとなる データセットを用いた方法を紹介 • 典型的な「正確性」だけではなく「創造 性‧多様性」といった 新たな品質も整理 ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。
014 Proprietary Google Cloud Next Tokyo ’24 ベンチマークによる評価 (2/2) •
ベンチマークには課題も 1. 得点として計測する方法に 収束させがち 2. 測りたい品質特性に合った ベンチマークがあるとは限らない 3. 測りたい品質特性の明確化が 事前に必要 ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。
015 Proprietary & Confidential ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。
※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。 仮想シナリオによる 評価の例 • 2023年度 デジタル庁・行政における生 成 AI の適切な利活用に向けた 技術検証 • ユースケースを洗い出し、 ユースケースごとに評価観点を 整理して、評価用データを作成 • カバレッジは良い • 件数の確保には苦労している (10 件)
016 Google Cloud Next Tokyo ’24 過去ログに基づく 評価のワークフロー ※画像の置換方法 グレーボックスを選択し、
右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。
017 Proprietary Google Cloud Next Tokyo ’24 過去ログに基づく評価の課題 • スプレッドシートは柔軟なものの手間が多い
• 「良い」という定義をすることが難しい • 評価を自動化しないとスケールしない
018 Proprietary Google Cloud Next Tokyo ’24 生成 AI の比較
019 Google Cloud Next Tokyo ’24 スプレッドシートでの手 動評価は手間 ※画像の置換方法 グレーボックスを選択し、
右クリックで「画像を置換」 を選択 し、配置したい画像に差し替えてください。本テキストは削除し てください。
020 Google Cloud Next Tokyo ’24 ⽣成 AI の評価ツール Lens
for LLMs
021 Google Cloud Next Tokyo ’24 複数モデルの比較
022 Google Cloud Next Tokyo ’24 モデルの傾向の比較
023 Google Cloud Next Tokyo ’24 LLM を用いた評価に おけるバイアスの例
024 Proprietary Google Cloud Next Tokyo ’24 まとめ
025 Proprietary Google Cloud Next Tokyo ’24 対話の品質評価の 3 つの方法
• ベンチマークを用いた事前評価 : QA4AI ガイドライン • 仮想シナリオを用いた事前評価 : デジタル庁のレポート • 対話ログを用いた事後評価: 弊社での取り組み 評価手法 ベンチマーク 仮想シナリオ 対話ログ 事前評価可能 ✓ ✓ カスタマイズ性 ✓ 特定業務の品質評価 ✓
026 Proprietary Google Cloud Next Tokyo ’24 Lens for LLMs
Beta • 今回は時間の都合上、 実際の利用方法の大半を省略 • 登録していただいた方への プライベートベータ版としてご提供中 • ご興味ある方は一声おかけください! ※画像の置換方法 グレーボックスを選択し、 右クリックで「画像を置 換」を選択し、配置したい画像に差し替えてくださ い。本テキストは削除してください。
Thank you 027 Proprietary