生成AIのタスク遂行メカニズムから考えた生成AIのポテンシャル

尾鍋史彦東京大学名誉教授が専門の製紙化学に関連した質問を生成AIにぶつけて、「生成AIのタスク遂行メカニズムから考えた〈Bing〉のポテンシャル」を考察されていました。
​「日常的でそれほど専門に深入りしない検索的なプロンプトに対しては精度の高い回答の生成が行われることが確認できた。しかし、専門に深入りしたタスクヘの返答は不完全かつ無回答の発生が見られたが，これは大規模言語モデルに専門分野のタスクに関する情報が学習されていないからという，ごく当たり前の推測ができる。」としています。
やはり、専門分野に関するニーズをみたすためには、大規模言語モデルのいずれかの学習の段階において「専門分野のタスクに関する情報」を学習させることが必要で、皆さんここのところを様々に工夫されていますので、今後に期待したいと思っています。
 
生成AIのタスク遂行メカニズムから考えた〈Bing〉のポテンシャル
一製紙におけるゼータ電位と企業価値を題材として一
紙パルプ技術タイムス 2023＜8月号＞　特別企画／紙・不織布・フィルム　加工ガイド2024─市場と技術
尾鍋史彦（東京大学名誉教授）
http://www.st-times.co.jp/publication_c/pp_c/2023%E5%B9%B4-%EF%BC%9C8%E6%9C%88%E5%8F%B7%EF%BC%9E%E3%80%80%E7%89%B9%E5%88%A5%E4%BC%81%E7%94%BB%EF%BC%8F%E7%B4%99%E3%83%BB%E4%B8%8D%E7%B9%94%E5%B8%83%E3%83%BB%E3%83%95%E3%82%A3%E3%83%AB%E3%83%A0/

1. はじめに
2. 現在の生成Alブームに至るAl（人工知能）技術の変遷
3. 生成Alとは何か
4. 生成Alの現在
5. 生成Alはどのような仕組みで回答を生成するのか
6. 生成Alの理解のための代表的な用語
7. 「Bing」の特徴
8. 生成AlであるBingによるプロンプトに対応した回答を得る生成実験
9. Bingによるタスク遂行過程と生成実験から考えるBingのポテンシャル
10. 製紙産業や大学の紙関連の研究にどこまで適用可能か
11. エピローグ