関連サイト
本書の関連ページが用意されています。
内容紹介
●生成AIの仕組みをイメージする
生成AIは、革新的なIT技術として注目されていますが、同時にその技術背景は難解で専門的という印象がありました。本書では代表的な生成AIサービスを取り上げながら、その技術をできるだけ分かりやすく解説し、ビジネスの現場に応用していくための解法を提供するものです。
本書では生成AIの技術的な側面に迫りますが、専門家向けの解説を行うものではありません。生成AIの理解に必要な背景を比較的平易なコンピュータ用語で解説していきます。仕事でコンピュータを使っているさまざまな方のリテラシーを前提に、技術のイメージを大まかにつかんでもらえるような説明をしていきます。
●大規模言語モデルからチューニングなどの技術要素をフォロー
生成AIは従来の人工知能から進んで、文書や画像などのコンテンツを生み出すことができます。その背景には大規模言語モデル（LLM）という従来にはないデータ基盤を利用していることがあります。本書ではさまざまなサービスで採用されているTransformerというモデルを題材にLLCの仕組みを説明します。また、それら汎用モデルをカスタマイズし、ビジネスに活かしていく方法を探ります。
●さまざまなIサービスをカバー
本書では代表的な生成AIのサービスであるChatGPTのほか、マイクロソフトのBingやCopilotなどのサービスの特長や技術背景についても説明します。利用方法のほか、自身が必要とする生成結果を得るためのチューニングなど、より実践的な利用法を解説します。また、生成AIの分野ではさまざまなサービスが次々と登場しており、新しいサービスを含めた特徴や違いなどについても考察を加えています。
書誌情報
- 著者: 梅田弘之
- 発行日: 2025-02-25 (紙書籍版発行日: 2025-02-25)
- 最終更新日: 2025-02-25
- バージョン: 1.0.0
- ページ数: 320ページ(PDF版換算)
- 対応フォーマット: PDF, EPUB
- 出版社: インプレス
対象読者
ChatGPTを代表とする生成AIを使いこなしたいと考える方、生成AIの仕組みと技術動向の基本的な知識をつけたい方、さまざまな生成AIの動作の違いなどを知りたいシステム担当者や開発者の方。
著者について
梅田弘之
東芝、SCSKを経て1995年に株式会社システムインテグレータを設立し、現在、代表取締役会長。2006年東証マザーズ、2014年東証第一部、2022年東証スタンダード市場に上場。創業以来、独創的なアイデアの製品・サービスを次々とリリース。主な著書に「Oracle8 入門」「グラス片手にデーターベース設計」「実践！プロジェクト管理入門」「これからのSIerの話をしよう」「エンジニアなら知っておきたいAIのキホン」「システム設計とドキュメント」「徹底攻略JSTQB Foundation」、ほか多数。
目次
はじめに
第1章 GPTで始まる大規模言語モデル時代
- ChatGPTとは
- GPT誕生までのヒストリー
- ChatGPTの成長
- OpenAIとMicrosoft
- 大規模言語モデル
- 大規模言語モデル競争
- AIデバイド（AI Divide）
- この章のまとめ
第2章 大規模言語モデルの学習
- 人の一生とAIの短期トレーニング
- 生成AIの学習データ
- 言語モデルの本質
- 大規模言語モデルは言語の天才
- この章のまとめ
第3章 Transformerモデルの仕組み
- 回帰型ニューラルネットワーク
- Transformerアーキテクチャー
- エンべディングと多次元
- ニューラルネットワークの構造
- RLHF使ったマナー教育
- AlphaGoと言語モデルの対比
- この章のまとめ
第4章 Microsoftの「Bing」と「Copilot」
- Microsoft Bingの「検索」と「チャット」
- プロメテウス（Prometheus）
- Bingの追い上げ状況
- Copilotシリーズ
- Copilot for Microsoft 365
- Copilot for Microsoft 365の利用イメージ
- Copilot for Microsoft 365のプラグイン
- 入力データのAI学習への利用
- この章のまとめ
第5章 プラグインとカスタムGPT
- ChatGPTのWeb Browsing機能
- カスタム指示（Custom instructions）
- ChatGPTのプラグイン機能
- Popularタブのプラグイン
- ChatGPTとプラグインの役割分担
- Function Calling機能
- プラグインとカスタムGPTの違い
- GPTストア
- カスタムGPTの構成
- GPT BuilderでカスタムGPTを作成
- 厳選カスタムGPT
- この章のまとめ
第6章 カスタムGPTと画像生成AI
- ChatGPTチームが作成したGPT
- 画像生成AI
- 生成AIが画像を生成できるわけ
- クロスモーダル学習
- 主な画像生成AI/画像生成AIの作品鑑賞
- 画像の編集の実践
- 図版の作成
- 画像生成AIの限界
- この章のまとめ
第7章 ChatGPT-4oとChatGPT Enterpriseとmini
- ChatGPT-4o
- 「チャット」と「API」
- o1-previewとo1-mini
- マルチモーダルの実力
- ChatGPT Enterprise
- GPT-4o with canvas
- この章のまとめ
第8章 インコンテキスト学習とファインチューニング
- 生成AIに追加学習する構想
- AI（Deep Learning）で取り組まれてきた活用例
- 生成AIに期待される応用例
- 自社データを追加学習させる3つの方法
- インコンテキスト学習
- インコンテキスト学習の方法
- 転移学習
- ファインチューニング
- ファインチューニングのやり方について
- この章のまとめ
第9章 RAGとエンべディング
- ファインチューニングの課題
- RAGとは
- LLM Orchestration Framework
- LangChain
- RAGを使った独自データ検索
- Dify
- ベクトルデータベース
- RAG学習データ作成の工夫
- この章のまとめ
第10章 プログラミング支援
- 生成AIがプログラミングに強い理由
- コード生成およびアルゴリズム支援
- コードの品質向上と最適化
- テスト支援
- ドキュメンテーション
- プログラマーは生成AIに仕事を奪われる職業か
- この章のまとめ
第11章 プロンプトの書き方
- 良いプロンプトを書くためのポイント
- プロンプトエンジニアリング
- OpenAIの推奨するプロンプトの書き方
- この章のまとめ
第12章 いろいろな生成AIを試してみる
- 無料で使える生成AI/プロンプト：質問に対する回答
- この章のまとめ