今回は「生成AIの本質を探る」シリーズ第2回目です。
最初のテーマは「生成AIの特徴を知る」です。
ところでみなさん
生成AIに期待しすぎていませんか？
限界を知るために、まずは特徴を知ろう！
生成AIをどのようにビジネスで活用するかについてお話しします。
特に、伝統的なAI、機械学習、ディープラーニングとの使い分けと、組み合わせによる効果的な活用方法について深掘りしていきます。
ビジネスの現場で生成AIを最大限に活かすためのヒントをお届けします！
これまでのAIと生成AIの「使い分け」
前回の記事で
「伝統的なAI」「機械学習・ディープラーニング」「生成AI」
という歴史を振り返る事で、生成AIの特徴をおさえました。
今回はこれらの特徴を生かして
どのように使い分けるか？っていうのを
コンビニ業務で例えてみました！
伝統的なAI
これはルールに基づく結果を導く時に使うと言いました！
要はそれに特化したプログラムみたいなもんなんですね。
コンビニでいうと「在庫管理」が向いていると思います。
「もし商品の在庫が20個以下になったら自動で100個 発注する」
どういった条件でどういった行動をするかが
明確にルールで決めることができますよね。
機械学習・ディープラーニング
これは特定のタスクで高精度な分類や予測をするときに使うと良いです！
コンビニでいうと「需要予測」が向いていると思います。
過去の販売データとか季節のデータとかを学習させて
この商品がいつごろ また売れるのか とか
ここら辺はあんまり売れないなーとかっていうのが分かれば
効率的な在庫管理 ができますよね！
生成AI
これは 新しいデータを生成する これが本職でした！
コンビニでいうと「商品説明の生成」が向いていると思います。
新しい商品に対して 魅力的な説明文を生成させると良いと思います！
これまでのAIと生成AIの「組合せ」
「使い分け」ではなく「組み合わせ」も考えてみます！
例えば 教育で考えたときに
同じ教科書 同じテスト問題で
本当に一人一人がきちんと成長できるのか？という切り口です。
機械学習・ディープラーニング
生徒の回答を学習させて 分類 予測をさせる！
生徒がどういった学習レベルで理解度はどれぐらいかを分類させます。
そしてどの学習要素が次に必要か？っていうところを予測させるんですね。
ここら辺は機械学習 ディープラーニングが得意だと思います。
生成AI
その後は生成AI にバトンタッチをします。
その予測された学習要素に基づいてテスト問題を生成！
今その生徒にとって必要なテストを解く
これを繰り返していくことで
個人にあった成長スピードで教育できるんじゃないかなあ
なんて妄想しておりました。
そんな事を妄想していると
AWSにてこんな発表が！
これまでの「個別最適」は個人の進捗や理解度をAIが分析して既存の問題の中から適した問題を提示する活用が多かったが、これからは個人の興味や関心をAIが分析して個別最適な問題を即時生成していくような出題になっていくと語った。その結果、「学習の速さや生産量、クオリティが飛躍的に改善され、学習者が自分で自分の能力をブーストできるようになる」と述べた。
こどもとIT：AWS、教育領域における生成AI活用に向けて支援を強化
GDLSの生成AIは、2023年夏にベータ版として提供を開始しGDLSに学習アドバイス機能を組み込んだ。塾でログインを実行するとロボットのキャラクターが登場し、生徒一人ひとりに声をかけるという。
こどもとIT：AWS、教育領域における生成AI活用に向けて支援を強化
ここでの声かけは、生徒一人ひとりの学習履歴や理解度の推移などのデータをAIが受け取り、データに基づいて生徒に適切なアドバイスをする。生成AIはアドバイスの最後にメッセージを追加することを担当しており、まだアドバイスすべてを生成AIに頼ってはいない。
つまり生成AIだけで全てが出来る訳じゃないという事。
だから生成AIを限定的に利用しています。
現段階の生成AIの限界を理解が非常に重要ですね！
かじむー
