Upgrade to Pro — share decks privately, control downloads, hide ads and more …

技術的視点から見る生成AIとその活用方法 / 2023-06-09

Shoya Ishimaru
June 09, 2023
22

技術的視点から見る生成AIとその活用方法 / 2023-06-09

りそな銀行主催「AI導入のメリットを見極めるセミナー&個別相談会」で使用した資料です。

Shoya Ishimaru

June 09, 2023
Tweet

More Decks by Shoya Ishimaru

Transcript

  1. ੴؙᠳ໵ 4IPZB*TIJNBSV %JSFDUPS!1TZCFS-BC 3FTFBSDIHSPVQJO3156 $P%JSFDUPS!J2--BC -JWJOHMBCJO%',* $30!"MQIBCFO 4NBSUSFBEJOHDPBDIBQQ • ݱࡏେࡕެཱେֶେֶӃ৘ใֶݚڀՊಛ೚ڭत

    • υΠπͰത࢜՝ఔ೥ˠϙευΫ೥ˠେֶڭһ೥ • υΠπਓ޻஌ೳݚڀηϯλʔ %',* 4FOJPS3FTFBSDIFS • ΧΠβʔεϥ΢ςϧϯϥϯμ΢େֶ 3156 +VOJPS1SPGFTTPS
  2. ݚڀྫ ΠϯλϥΫςΟϒσδλϧڭՊॻ )ZQFS.JOE ڵຯ ཧղ౓ ೝ஌ෛՙ ΞΠτϥοΩϯά αʔϞάϥϑ ಡΈฦ͠ ඓ෦ද໘Թ౓

    ஫ࢹ S. Ishimaru, et al. Cognitive State Measurement on Learning Materials by Utilizing Eye Tracker and Thermal Camera. Proc. ICDAR HDI 2017, pp. 32–36, 2017. S. Ishimaru, et al. Augmented Learning on Anticipating Textbooks with Eye Tracking. Positive Learning in the Age of Information (PLATO), pp. 387–398, 2018.
  3. Ξ΢τϥΠϯ  • $IBU (15ͷݪཧ • ݴޠϞσϧͱ୯ޠྻੜ੒֬཰ͷܭࢉ • ݴޠϞσϧͷେن໛Խ (15

    $IBU(15  • 'JOFUVOJOHͱ*ODPOUFYUMFBSOJOH • $IBU(15ͷ׆༻ • ଞαʔϏεͱͷ࿈ܞ $IBU(151MVHJOT  • $IBU(15΁ͷ஌ࣝ௥Ճ 0QFO"*"1* --BNB*OEFY ݚڀऀ໨ઢ ΤϯδχΞ໨ઢ ٕज़తࢹ఺͔ΒݟΔ ੜ੒"*ͱͦͷ׆༻ํ๏
  4. Ξ΢τϥΠϯ  • $IBU (15ͷݪཧ • ݴޠϞσϧͱ୯ޠྻੜ੒֬཰ͷܭࢉ • ݴޠϞσϧͷେن໛Խ (15

    $IBU(15  • 'JOFUVOJOHͱ*ODPOUFYUMFBSOJOH • $IBU(15ͷ׆༻ • ଞαʔϏεͱͷ࿈ܞ $IBU(151MVHJOT  • $IBU(15΁ͷ஌ࣝ௥Ճ 0QFO"*"1* --BNB*OEFY
  5. ݴޠϞσϧ  • ςΩετͷଓ͖ ͋ΔςΩετʹଓ͘୯ޠ Λ༧ଌ͢Δ֬཰Ϟσϧ • ୯ޠ τʔΫϯ ྻ

    ͷੜ੒֬཰ ΛٻΊΔ y1 , . . . , yT P(y1 , . . . , yT ) y* = argmaxP(ӳࠃ, ͷ, ट౎, ͸, y)   P(ӳࠃ, ͷ, ट౎, ͸, ౦ژ) = 0.00000043 P(ӳࠃ, ͷ, ट౎, ͸, ύϦ) = 0.00000082 P(ӳࠃ, ͷ, ट౎, ͸, ϩϯυϯ) = 0.00000103 Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm ΑΓൈਮ͠Ұ෦վม y* = ϩϯυϯ  $IBU (15ͷݪཧ ࠷େΛͱΔೖྗΛݟ͚ͭΔ
  6. ੜ੒֬཰ͷܭࢉ  • ઌ಄͔Β୯ޠΛॱʹੜ੒͢Δ৚݅෇͖֬཰ͷੵͰද͢͜ͱ͕Ͱ͖Δ P(y1 , . . . ,

    yT ) = P(y1 )ɾP(y2 |y1 )ɾP(y3 |y1 , y2 )ɾɾɾP(yT |y1 , . . . , yT−1 ) ൪໨͔Β5൪໨ͷ୯ޠͷޙʹ5൪໨ͷ୯ޠ͕ग़ݱ͢Δ֬཰ P(yT |y1 . . . , yT−1 ) = #(y1 , . . . , yT−1 , yT ) #(y1 , . . . yT−1 ) • ৚݅෇͖֬཰͸େن໛ͳίʔύε ྫ΢Σϒ্ͷจॻ Ͱਪఆ͢Δ͜ͱ͕Ͱ͖Δ ӳࠃͷट౎͸ϩϯυϯͰݕࡧ͢Δͱ݅ ӳࠃͷट౎͸Ͱݕࡧ͢Δͱ ݅ P(ϩϯυϯ|ӳࠃ, ͷ, ट౎, ͸) = 8 21,700 Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm ΑΓൈਮ͠Ұ෦վม $IBU (15ͷݪཧ P(y1 , . . . , yT )
  7. ੜ੒֬཰Λܭࢉ͢Δͷ͸؆୯Ͱ͸ͳ͍  • σʔλεύʔεωε໰୊ ୯ޠྻ͕௕͘ͳΔͱͦͷग़ݱճ਺͕ٸ଎ʹݮগ͠ɺ֬཰ͷਪఆ͕ࠔ೉ʹͳΔ ৽͍͠୯ޠ΍ϑϨʔζ͕೔ʑੜ·Ε͍ͯΔͨΊɺͲΜͳʹେن໛ͳσʔληοτͰ΋ ͢΂ͯͷݴޠݱ৅ΛΧόʔ͢Δ͜ͱ͸ࠔ೉ • ྨٛޠ໰୊ ྨٛޠ΍ؔ࿈ޠ͕ݸผͷࣄ৅ͱͯ͠ѻΘΕͯ͠·͏

    ʮӳࠃͷट౎͸ϩϯυϯʯͱʮΠΪϦεͷट౎͸ϩϯυϯʯ͸ಉ౳ʹѻ͍͍ͨ • ͜ΕΒΛ͸͡Ίͱ͢Δ՝୊Λࠀ෰͢Δ΂͘ɺ༷ʑͳݚڀ͕ߦΘΕ͍ͯΔ Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm ΑΓൈਮ͠Ұ෦վม $IBU (15ͷݪཧ
  8. ࣗવݴޠॲཧɾݴޠϞσϧݚڀͷྫ  OHSBNݴޠϞσϧ 3//ܕχϡʔϥϧݴޠϞσϧ "UUFOUJPO ஫ҙػߏ ͱ5SBOTGPSNFS nグラム言語モデル(深層学習以前の言語モデル) 10 

    条件付き確率の条件部を𝑛𝑛 − 1個前までの単語で打ち切る 𝑃𝑃(𝑦𝑦𝑡𝑡 |𝑦𝑦0 , … , 𝑦𝑦𝑡𝑡−1 ) ≈ 𝑃𝑃(𝑦𝑦𝑡𝑡 |𝑦𝑦𝑡𝑡−𝑛𝑛+1 , … , 𝑦𝑦𝑡𝑡−1 ) = #(𝑦𝑦𝑡𝑡−𝑛𝑛+1 , … , 𝑦𝑦𝑡𝑡−1 , 𝑦𝑦𝑡𝑡 ) #(𝑦𝑦𝑡𝑡−𝑛𝑛+1 , … , 𝑦𝑦𝑡𝑡−1 )  データスパースネス問題をある程度回避できる  テキストの続きを予測する問題を3グラム言語モデルで解く場合 𝑃𝑃 𝑦𝑦 英国, の, 首都, は ≈ 𝑃𝑃 𝑦𝑦 首都, は = #(首都, は, 𝑦𝑦) #(首都, は) ❌ 長距離依存(離れた位置にある単語の関係性)を扱いにくい 𝑦𝑦𝑡𝑡 よりも前に ある全単語 𝑦𝑦𝑡𝑡 から𝑛𝑛 − 1個前 までの単語 どこの首都について聞かれて いるのか考慮できない! 𝑃𝑃 東京 | 首都, は = 0.74 𝑃𝑃 パリ |首都, は = 0.03 𝑃𝑃 … … |首都, は = ⋯ 𝑃𝑃 ロンドン |首都, は = 0.05 𝑦𝑦∗ = 東京 RNN型ニューラル言語モデル (Mikolov+ 2010) 11 BOS softmax softmax softmax softmax softmax 英国 の 首都 は 𝑃𝑃 𝑦𝑦1 |BOS 𝑃𝑃 𝑦𝑦2 |英国 T Mikolov, M Karafiát, L Burget, J Černocký, S Khudanpur. 2010. Recurrent Neural Network Based Language Model. In INTERSPEECH, pp. 1045-1048. 𝑃𝑃 𝑦𝑦3 |英国の 𝑃𝑃 𝑦𝑦4 |英国の首都 𝑃𝑃 𝑦𝑦5 |英国の首都は ✅ 埋め込み表現(単語ベクトル)により類義語・関連語を考慮できる 😟😟 原理上は長距離依存を扱えるが、固定長のベクトルだけでは情報を覚えきれない 😟😟 ネットワークが単語位置方向に深くなるため、学習が難しくなる(勾配爆発・消失) 単語 ベクトル 隠れ状態 ベクトル 確率分布 ベクトル 勾配 消失 ニューラル機械翻訳(系列変換モデル)における進展 12 The capital of UK is + London BOS 英国 の 首都 は 英国 の 首都 は ロンドン  2014年頃から深層学習に基づく機械翻訳の研究が盛んに (Sutskever+ 2014)  機械翻訳モデルと言語モデルのアーキテクチャは似ている  大規模言語モデルの基盤となるアイディア(例:注意機構)が次々と生み出される ✅ 注意機構により、固定長のベクトルだけを用いるのではなく、入力単語の情報を柔軟に 参照しながら翻訳単語の予測を行えるようになり、長い入力文の翻訳精度が向上した 😟😟 入力文中の単語間、出力文中の単語間の長距離依存を考慮しにくい I Sutskever, O Vinyals, Q V Le. 2014. Sequence to Sequence Learning with Neural Networks. In NIPS, pp. 3104–3112. D Bahdanau, K Cho, Y Bengio. 2015. Neural Machine Translation by Jointly Learning to Align and Translate. In ICLR. 注意機構 (Bahdanau+ 2015) どの単語に着目するべきか 自動的に学習・決定される ৚݅෇͖֬཰ͷ৚݅෦Λ Oݸલ·Ͱͷ୯ޠͰଧͪ੾Δ ຒΊࠐΈදݱ ୯ޠϕΫτϧXPSEWFD  ʹΑͬͯྨٛޠɾؔ࿈ޠΛߟྀ͢Δ ೖྗ୯ޠͷ৘ใΛॊೈʹࢀরͯ͠ ௕ڑ཭ґଘ໰୊Λղফ͢Δ Ԭ࡚, େن໛ݴޠϞσϧͷڻҟͱڴҖ, AIPγϯϙδ΢Ϝ੒Ռใࠂձ, 2023 https://speakerdeck.com/chokkan/20230327_riken_llm $IBU (15ͷݪཧ
  9. • ਂ૚ֶशͰੜ੒֬཰Λਪఆ 5SBOTGPSNFSͷσίʔμͱݺ͹ΕΔ෦෼ΛݴޠϞσϧͱֶͯ͠श  • ຊ΍΢Σϒ͔Βऩूͨ͠େྔͷςΩετͰֶश͠ɺҰൠతͳ஌ࣝͷ֫ಘΛૂ͏ • ύϥϝʔλ਺͸ڊେԽ܏޲(15 ԯ ˠ(15

    dԯ  (15͸ඇެ։ (FOFSBUJWF1SFUSBJOFE5SBOTGPSNFS (15  $IBU (15ͷݪཧ ࠷৽ɾ࠷ߴੑೳͷେن໛ݴޠϞσϧGPT-4͸Ռͨͯ͠ʮAIݚڀʯͳͷ͔ - εςʔτɾΦϒɾAI ΨΠυ https://ja.stateofaiguides.com/20230321-gpt4-explained/
  10. ݴޠϞσϧͷେن໛Խ ύϥϝʔλ਺ԯ௒͑  Zhao, Wayne Xin, et al. "A survey

    of large language models." arXiv preprint arXiv:2303.18223 (2023). $IBU (15ͷݪཧ
  11. • ΋ͱͱͳΔϞσϧ͸*OTUSVDU(15ͩͱݴΘΕ͍ͯΔ ৄࡉ͸ະެ։  • ϓϩϯϓτͰ༩͑ΒΕͨਓؒͷࢦࣔʹैͬͯৄࡉͳԠ౴Λฦ͢Α͏ɺ ਓؒͷϑΟʔυόοΫʹΑΔڧԽֶश͕૊Έࠐ·Ε͍ͯΔ •  Ϣʔβʔͷೖྗʹରͯ͠ઐ໳Ո͕ճ౴Λॻ͍ͯ4VQFSWJTFE

    fi OFUVOJOH •  ػցֶशͰෳ਺ͷճ౴Λग़ͯ͠ϥϯΩϯάΛධՁ͢Δ3FXBSENPEFM $IBU(15  $IBU (15ͷݪཧ L Ouyang, J Wu, X Jiang, D Almeida, et. al. 2022. Training Language Models to Follow Instructions with Human Feedback. arXiv:2203.02155. (15ͷճ౴ ϓϩϯϓτ Ϣʔβʔ ཧ૝తͳճ౴ Ξϊςʔλʔ ֶश 4VQFSWJTFE fi OFUVOJOH 3FXBSENPEFM Ξϊςʔλʔ (15ͷճ౴ (15ͷճ౴ (15ͷճ౴ ճ౴ϥϯΩϯά ֶश (15ͷճ౴
  12. *ODPOUFYUMFBSOJOH  • ϓϩϯϓτΤϯδχΞϦϯάͱ΋ݺ͹ΕΔ • େن໛ݴޠϞσϧʹ༩͑ΔςΩετ ϓϩϯϓτ Λ޻෉ͯ͠ɺ ݴޠϞσϧͷΞʔΩςΫνϟΛมߋͤͣʹλεΫΛղ͘ •

    λεΫͷઆ໌ʹΑΔϓϩϯϓτ [FSPTIPU  ࣍ͷ࣭໰ʹ౴͍͑ͯͩ͘͞ɻӳࠃͷट౎͸Ͳ͜Ͱ͠ΐ͏͔ʁɹϩϯυϯ • λεΫͷઆ໌ͱղ͖ํͷྫΛ࿈݁ͨ͠ϓϩϯϓτ GFXTIPU  ࣍ͷ࣭໰ʹ౴͍͑ͯͩ͘͞ɻ೔ຊͷट౎͸౦ژͰ͢ɻӳࠃͷट౎͸Ͳ͜Ͱ͠ΐ͏͔ʁɹϩϯυϯ • ܽ఺ɿ'JOFUVOJOHͱൺֱ͢ΔͱɺλεΫͷਖ਼ղ཰͕௿͍͜ͱ͕ଟ͍ $IBU (15ͷݪཧ
  13. લ൒ͷ·ͱΊ • ݴޠϞσϧͱ͸ɺςΩετͷଓ͖Λ༧ଌ͢Δ֬཰ϞσϧͰ͋Δ • ਂ૚ֶशͷൃల 5SBOTGPSNFS FUD ͱେྔͷֶशσʔλʹΑͬͯ (FOFSBUJWF1SFUSBJOFE5SBOTGPSNFS (15

    ͳͲͷେن໛Ϟσϧ͕஀ੜͨ͠ • ͦͷ݁Ռɺ ୯ͳΔ ୯ޠ༧ଌػ͕༷ʑͳλεΫΛղ͍ͯɺিܸΛ༩͍͑ͯΔ • 'JOFUVOJOH΍*ODPOUFYUMFBSOJOHͰߋʹλεΫ΁ͷ࠷దԽ͕ՄೳͰ͋Δ  $IBU (15ͷݪཧ
  14. Ξ΢τϥΠϯ  • $IBU (15ͷݪཧ • ݴޠϞσϧͱ୯ޠྻੜ੒֬཰ͷܭࢉ • ݴޠϞσϧͷେن໛Խ (15

    $IBU(15  • 'JOFUVOJOHͱ*ODPOUFYUMFBSOJOH • $IBU(15ͷ׆༻ • ଞαʔϏεͱͷ࿈ܞ $IBU(151MVHJOT  • $IBU(15΁ͷ஌ࣝ௥Ճ 0QFO"*"1* --BNB*OEFY
  15. $IBU(151MVT $IBU(15 ੜ੒"*͕͍͢͝ͷ͸෼͔ͬͨɻ ΢ν͸ͲΕΛ࢖͑͹͍͍ʁ (15 #JOH"* -MBNB*OEFY &NCFEEJOH ϓϩϯϓτ "1*

    ϑΝΠϯνϡʔχϯά 1MVHJO ໨తʹ߹Θͤͯ $IBU(15ͷ׆༻ ΞϓϦ 1MVHJO "1* ʹ͍ͭͯղઆ
  16. $IBU(151MVT $IBU(15 ੜ੒"*͕͍͢͝ͷ͸෼͔ͬͨɻ ΢ν͸ͲΕΛ࢖͑͹͍͍ʁ (15 #JOH"* -MBNB*OEFY &NCFEEJOH ϓϩϯϓτ "1*

    ϑΝΠϯνϡʔχϯά 1MVHJO ໨తʹ߹Θͤͯ $IBU(15ͷ׆༻ ΞϓϦ ʹ͍ͭͯղઆ 1MVHJO "1*
  17. ิ଍ 4/4ʹग़ճΔνΣϦʔϐοΫʹ஫ҙ  • ੜ੒"*ͷීٴʹΑͬͯʮϓϩڻ͖԰ʯ͕Πϯλʔωοτ্ʹٸ૿ͨ͠ • ʮʓʓͷϓϩϯϓτ΍͹͗͢Δɻ˚˚͕ཁΒͳ͘ͳΔϨϕϧʯ͸େମ࠮ٗͰ͢ • ʢ໨ཱ͍ͪͨɺ৘ใ঎ࡐΛച͓ͬͯۚΛՔ͍͗ͨͱ͍͏ಈػʣ •

    ༩͑ΔϓϩϯϓτΛޡຐԽ͍ͯ͠Δਓ͸͘͝Ұ෦ͩͱࢥ͏͕ɺ͍͔ͭ͘ੜ੒͠ ͨத͔Β͏·͍ͬͨ͘ྫͷΈΛެ։ νΣϦʔϐοΫ ͢Δਓ͸ଟ͍ҹ৅ • ͢΂ͯΛӏವΈʹͤͣࣗ෼ͰखΛಈ͔ͯ֬͠ೝ͢Δ͜ͱ͕େ੾ $IBU(15ͷ׆༻
  18. 1MVHJO  • $IBU(15ʹػೳΛ௥ՃͰ͖ΔπʔϧɾϓϥοτϑΥʔϜ • ڧΈͦΕͧΕͷαʔϏε͕ࣗ਎ͷϦιʔεΛ$IBU(15ʹ઀ଓͰ͖Δɻྫ͑͹ • ݴޠϞσϧͷֶश౰࣌ ೥݄ ΑΓޙͷ৘ใΛऔಘ͢Δ

    • ΦʔϓϯԽ͞Ε͍ͯͳ͍৘ใ ࣾ಺จॻͳͲ Λऔಘ͢Δ • νϟοτͰλεΫΛ࣮ߦ ஫จɺਤࣔɺಡΈ্͛ɺ  • ೥݄࣌఺Ͱ͸$IBU(151MVT ༗ྉϓϥϯ Ͱར༻Մೳ $IBU(15ͷ׆༻
  19. ࢲͷ೔ؒͷӡಈɾ৯ࣄɾਭ຾σʔλͰ͋ΔԼهͷDTWΛ׆༻ͯ͠ɺࢲͷ৯ੜ׆ʹ͍ͭͯΞυόΠε͍ͯͩ͘͠͞ɻ  %BUF "DUJWF&OFSHZ LDBM "MDPIPM$POTVNQUJPO DPVOU "QQMF&YFSDJTF5JNF NJO "QQMF4MFFQJOH8SJTU5FNQFSBUVSF

    EFH$ "QQMF4UBOE)PVS DPVOU "QQMF4UBOE5JNF NJO #BTBM#PEZ5FNQFSBUVSF EFH$ #BTBM&OFSHZ#VSOFE LDBM #MPPE "MDPIPM$POUFOU  #MPPE(MVDPTF NNPM- #MPPE0YZHFO4BUVSBUJPO  #MPPE1SFTTVSF<4ZTUPMJD> NN)H #MPPE1SFTTVSF<%JBTUPMJD> NN)H #PEZ'BU1FSDFOUBHF  #PEZ.BTT*OEFY DPVOU #PEZ5FNQFSBUVSF EFH$ $BMDJVN NH $BSCPIZESBUFT H $IMPSJEF NH $ISPNJVN NDH $PQQFS NH $ZDMJOH%JTUBODF LN %JFUBSZ#JPUJO NDH %JFUBSZ$B ff FJOF NH %JFUBSZ$IPMFTUFSPM NH %JFUBSZ&OFSHZ LDBM %JFUBSZ4VHBS H %JFUBSZ8BUFS N- %JTUBODF%PXOIJMM4OPX 4QPSUT LN &OWJSPONFOUBM"VEJP&YQPTVSF E#"41- 'JCFS H 'MJHIUT$MJNCFE DPVOU 'PMBUF NDH 'PSDFE&YQJSBUPSZ7PMVNF - 'PSDFE7JUBM$BQBDJUZ - )BOEXBTIJOH T )FBEQIPOF"VEJP&YQPTVSF E#"41- )FBSU3BUF<.JO> DPVOU NJO )FBSU3BUF<.BY> DPVOUNJO )FBSU3BUF<"WH> DPVOUNJO )FBSU3BUF7BSJBCJMJUZ NT )FJHIU N )JHI)FBSU3BUF/PUJ fi DBUJPOT<.JO> DPVOU )JHI)FBSU3BUF/PUJ fi DBUJPOT<.BY> DPVOU )JHI)FBSU3BUF/PUJ fi DBUJPOT<"WH> DPVOU *OIBMFS 6TBHF DPVOU *OTVMJO%FMJWFSZ *6 *PEJOF NDH *SPO NH *SSFHVMBS)FBSU3BUF/PUJ fi DBUJPOT<.JO> DPVOU *SSFHVMBS)FBSU3BUF/PUJ fi DBUJPOT<.BY> DPVOU *SSFHVMBS)FBSU3BUF/PUJ fi DBUJPOT<"WH> DPVOU -FBO#PEZ.BTT LH -PX)FBSU3BUF /PUJ fi DBUJPOT<.JO> DPVOU -PX)FBSU3BUF/PUJ fi DBUJPOT<.BY> DPVOU -PX)FBSU3BUF/PUJ fi DBUJPOT<"WH> DPVOU .BHOFTJVN NH .BOHBOFTF NH .JOEGVM.JOVUFT NJO .PMZCEFOVN NDH .POPVOTBUVSBUFE'BU H /JBDJO NH /VNCFSPG 5JNFT'BMMFO DPVOU 1BOUPUIFOJD"DJE NH 1FBL&YQJSBUPSZ'MPX3BUF -NJO 1FSJQIFSBM1FSGVTJPO*OEFY  1PMZVOTBUVSBUFE'BU H 1PUBTTJVN NH 1SPUFJO H 1VTI$PVOU DPVOU 3FTQJSBUPSZ3BUF DPVOUNJO 3FTUJOH)FBSU3BUF DPVOU NJO 3JCP fl BWJO NH 4BUVSBUFE'BU H 4FMFOJVN NDH 4FYVBM"DUJWJUZ<6OTQFDJ fi FE> DPVOU 4FYVBM"DUJWJUZ<1SPUFDUJPO6TFE> DPVOU 4FYVBM"DUJWJUZ<1SPUFDUJPO/PU6TFE> DPVOU 4JY.JOVUF8BMLJOH5FTU%JTUBODF N 4MFFQ"OBMZTJT<"TMFFQ> IS 4MFFQ"OBMZTJT<*O#FE> IS 4MFFQ"OBMZTJT<$PSF> IS 4MFFQ"OBMZTJT<%FFQ> IS 4MFFQ"OBMZTJT<3&.> IS 4MFFQ"OBMZTJT<"XBLF> IS 4PEJVN NH 4UBJS4QFFE%PXO NT 4UBJS4QFFE6Q NT 4UFQ$PVOU DPVOU 4XJNNJOH%JTUBODF N 4XJNNJOH4USPLF$PVOU DPVOU 5IJBNJO NH 5PPUICSVTIJOH T 5PUBM'BU H 70.BY NM LHuNJO 7JUBNJO" NDH 7JUBNJO# NDH 7JUBNJO# NH 7JUBNJO$ NH 7JUBNJO% NDH 7JUBNJO& NH 7JUBNJO, NDH 8BJTU$JSDVNGFSFODF DN 8BMLJOH 3VOOJOH%JTUBODF LN 8BMLJOH"TZNNFUSZ1FSDFOUBHF  8BMLJOH%PVCMF4VQQPSU1FSDFOUBHF  8BMLJOH)FBSU3BUF"WFSBHF DPVOUNJO 8BMLJOH4QFFE LNIS 8BMLJOH4UFQ-FOHUI DN 8FJHIU#PEZ.BTT LH 8IFFMDIBJS %JTUBODF LN ;JOD NH                                                                                                                                                                                                                                                                                                     ϓϩϯϓτʹ௚઀ೖྗ͢Δྫ $IBU(15ͷ׆༻
  20. ҎԼͷΠϕϯτ৘ใΛࣈͰ޿ใͯ͠Լ͍͞ɻ  ʲΓͦͳۜߦʷେࡕެཱେֶʷ4P-BCPʳ"*ಋೖͷϝϦοτΛݟۃΊΔηϛφʔˍݸผ૬ஊձ։࠵ גࣜձࣾ4P-BCP ೥݄೔࣌෼ גࣜձࣾ4P-BCPʢຊࣾɿ౦ژ౎ઍ୅ా۠ɺ୅දऔక໾ɿాݪ޿ҰɺҎԼɺ4P-BCPʣ͸ɺେࡕެཱେֶ ຊ෦ɿେࡕ෎େࡕࢢɺֶ ௕ɿୢາ࠭ণ߂ ɺגࣜձࣾΓͦͳۜߦ ຊࣾɿେࡕ෎େࡕࢢɺ୅දऔక໾ࣾ௕ɿؠӬলҰɺҎԼɺΓͦͳۜߦ

    ͕ڞ࠵͢Δɺੜ੒"* ΛςʔϚͱͨ͠ηϛφʔʹొஃ͍ͨ͠·͢ɻ ͓ਃ͠ࠐΈ63-ɿIUUQTCQSFTPOBHSDPKQQVCMJDBQQMJDBUJPOBEE ࠓ࿩୊ͷʮ$IBU(15ʯ΍ʮ#JSEʯͳͲͷੜ੒"*ΛςʔϚͱͨ͠ηϛφʔΛ݄೔ʹ։࠵͍ͨ͠·͢ɻ ຊηϛφʔͰ͸ɺੜ੒"*Λ׆༻ͯ͠Ͱ͖Δ͜ͱΛ஌Γ͍ͨਓɺۀ຿ར༻΁ͷՄೳੑΛ஌Γ͍ͨਓʹ޲͚ͯɺ"*ಋೖͰ޿͕ΔՄೳੑΛ ղઆ͠·͢ɻ ͜ͷΑ͏ͳํʹ͓͢͢Ί ɾ"*ಋೖΛ۩ݱԽ͍ͨ͠اۀ༷ ɾੵۃతʹ"*ಋೖΛݕ౼͍ͨ͠اۀ༷ ɾ"*ಋೖ͕Մೳ͔஌Γ͍ͨاۀ༷ ։࠵֓ཁ ɾ։࠵೔࣌ɿ೥݄೔ ۚ ɹɿ ~  ɾձ৔ɿΓͦͳϏδωεϓϥβ͓͓͔͞ ΦϯϥΠϯͷ৔߹͸;PPN  ɾඅ༻ɿແྉ ɾਃࠐ63-ɿIUUQTCQSFTPOBHSDPKQQVCMJDBQQMJDBUJPOBEE ʲηϛφʔ಺༰ʳ ୈ෦ɿੜ੒"*ʹΑΔۀ຿ޮ཰Խͱ৽ͨͳՄೳੑ ୈ෦ɿٕज़తࢹ఺͔ΒݟΔੜ੒"*ͱͦͷ׆༻ํ๏ ୈ෦ɿ"*ಋೖͰར༻Ͱ͖Δิॿۚɾॿ੒ۚ ηϛφʔऴྃޙɿݸผ૬ஊձ ࣄલਃࠐ੍ɾདྷ৔ऀͷΈ  ˞དྷ৔ਃ͠ࠐΈͷํ͸ɺ౰೔ʹड෇Ͱ໊͓ࢗΛ͝ఏग़͍ͩ͘͞ ɹఆһʹͳΓ࣍ୈɺకΊ੾Γ·͢ɻΩϟϯηϧ͞ΕΔ৔߹͸ඞͣ͝࿈བྷ͍ͩ͘͞ɻ ొஃऀ঺հ ɾԫ੉ߒҰࢯ ڭतେࡕެཱେֶӃ৘ใֶݚڀՊجװ৘ใֶઐ߈ڭत େࡕެཱେֶ޻ֶ෦৘ใ޻ֶՊݚڀ෼໺ʗ৘ใ௨৴ɾ஌֮৘ใॲཧɾ஌֮৘ใॲཧ ɾੴؙᠳ໵ࢯ ಛ೚ڭतେࡕެཱେֶେֶӃ৘ใֶݚڀՊ ؟ڸܕ΢ΣΞϥϒϧίϯϐϡʔςΟϯά΍ֶशࢧԉٕज़Λத৺ʹਓͷ஌ੑ֦ு͢Δٕज़ݚڀ ɾాݪ޿Ұ ୅දऔక໾גࣜձࣾ4P-BCPࣄۀ಺༰ɿࢿۚௐୡαϙʔτɾิॿۚਃ੥αϙʔτ 4P-BCPʹ͍ͭͯ ೝఆࢧԉػؔͱͯ͠ࢿۚௐୡࢧԉΛத৺ʹ݄ฏۉ ݅Ҏ্ͷ͓໰͍߹ΘͤʹରԠ͠ɺ͜Ε·Ͱʹྦྷܭ ݅Ҏ্ͷࢧԉΛߦͬ ͍ͯ·͢ɻ೥ΑΓࣄۀ࠶ߏஙิॿۚΛ͸͡Ίͱͨ͠ิॿۚਃ੥ࢧԉࣄۀΛڧԽͭͭ͠ɺૣظܦӦվળܭըͷࢧԉʹ΋ੵۃతʹ औΓ૊ΈΛ։࢝͠ɺࢿۚௐୡࢧԉͷ෯Λ֦େ͍ͯ͠·͢ɻ ࠓޙ͸ۚ༥ػؔ΍ϕϯνϟʔΩϟϐλϧɺ෭ۀࢧԉΛਪਐ͢Δاۀ౳ͱͷ࿈ܞ΍ڞಉηϛφʔࣄۀ౳ΛڧԽ͠ɺܦӦऀΛαϙʔτ͢ Δ࿮૊ΈΛ֦େͯ͠ߴ·Δ૬ஊधཁʹରԠͯ͠·͍Γ·͢ɻ ʲגࣜձࣾ4P-BCPɹձࣾ֓ཁʳ ઃཱ೥݄ɿ೥݄೔ ࢿຊۚɿ  ԁʢࢿຊ४උؚۚΉʣ ୅දऀ໊ɿ୅දऔక໾ɹాݪ޿Ұ ຊࣾॴࡏ஍ɿ౦ژ౎ઍ୅ా۠֎ਆాɹ৽ळ༿ݪϏϧ֊ ࣄۀ಺༰ɿࢿۚௐୡαϙʔτɺิॿۚਃ੥αϙʔτɺ๏ਓɾ࢜ۀఏܞɺXFC੍࡞ɾӡӦɾ؅ཧɺXFCϚʔέςΟϯάɺγΣΞΦϑΟ ε 63-ɿIUUQTTPMBCPDPKQ ϓϩϯϓτʹ௚઀ೖྗ͢Δྫ $IBU(15ͷ׆༻
  21. -MBNB*OEFY  • OPOQVCMJDͳ৘ใ͢΂ͯΛϓϩϯϓτʹೖΕΔͷ͸τʔΫϯ਺ͷ੍໿ͰෆՄೳ • ೖྗͨ͠จͱྨࣅ౓ͷߴ͍৘ใ͚ͩΛநग़ͯ͠ϓϩϯϓτʹ௥Ճ͢Δ • खॱ OPOQVCMJDͳσʔλΛϕΫτϧσʔλϕʔεԽ &NCFEEJOH

     • खॱ Ϣʔβʔͷೖྗจ͔Βɺؔ࿈͢ΔσʔλΛநग़ • खॱ நग़ͨ͠σʔλͱϢʔβʔͷೖྗΛϓϩϯϓτʹͯ͠$IBU(15ʹ౉͢ • ςΩετҎ֎ͷܗ͔ࣜΒม׵͢ΔϥΠϒϥϦ΋-MBNB)VCͰެ։͞Ε͍ͯΔ $IBU(15ͷ׆༻
  22. $IBU(15Λ࢖ͬͨαʔϏεΛ։ൃ͢Δ  ϥΠϒϥϦ͕ఏڙ͞Ε͍ͯΔ "1*ͷΤϯυϙΠϯτʹ௚઀ ϦΫΤετΛૹΔ͜ͱ΋Մೳ ύϥϝʔλͷࢦఆ TZTUFNͰ$IBU(15ͷϖϧιφΛࢦఆ VTFS BTTJTUBOUͷϖΞͰ૝ఆ͢Δճ౴΍ աڈͷ΍ΓͱΓΛ$IBU(15ʹ༩͑Δ

    TUSFBN5SVFΛ༩͑ͨ৔߹͸ 8FC6*ͱಉ༷ʹ݁Ռ͕ஞ࣍ग़ྗ͞ΕΔ Ishimaru, chatgpt-slack-bot - GitHub https://github.com/shoya140/chatgpt-slack-bot $IBU(15ͷ׆༻
  23. શମͷ·ͱΊ  • ੜ੒"*ͷҰ෦Ͱ͋Δจষੜ੒"*ʹ͍ͭͯɺ࢓૊Έͱ׆༻๏Λղઆ • ୯ͳΔ ςΩετͷଓ͖Λ༧ଌ͢Δ֬཰ϞσϧͰ͋ͬͨ΋ͷ͕ɺଟྔͷֶशσʔ λͱ'JOFUVOJOH *ODPOUFYUMFBSOJOHʹΑ༷ͬͯʑͳ༻్Ͱ࢖ΘΕ͍ͯΔ •

    $IBU(15ʹΑΔۀ຿ޮ཰ԽΛߟ͑Δͱɺେ͖͘෼͚ͯɺ ແྉͷ ΞϓϦɺ 1MVHJOͷར༻ɺ"1*Λ࢖ͬͨ։ൃͷछྨͷΞϓϩʔν͕͋Δ • ۩ମతͳ૬ஊΛ͝ر๬ͷํ͸ɺ͜ͷޙͷݸผઆ໌ձͰ͓੠͕͚Լ͍͞ɻ ·ͨ͸JTIJNBSV!PNVBDKQ·Ͱ͝࿈བྷԼ͍͞ɻ