Nishika AI News Letter - Issue #68
iPhoneに独自生成AIが搭載され、ChatGPTとも連携することが発表されました。Siriの進化、つまり音声も含めたマルチモーダルな処理が可能なAIが搭載されるかどうかが焦点ですが、そう遠くない未来に載ってくるとは思います。
となると、ネット上に転がっている情報レベルで十分なコミュニケーションは、人間がやっているレベルの精度・速度で実現できる未来がそろそろ来ます。
一方ですぐには来ない未来として、人間の個性の模倣があります。データレベルでもそもそもネット上に出していない情報もありますし、個々の人間には言語化し難いコミュニケーションの癖があり、模倣するのは難しいはず。
これを企業に置き換えれば、企業が公開していない独自データ、そして企業の文化・行動指針ということになるでしょう。今、LLMを業務で使おうとして「良い感じに答えてくれるけど通り一遍な感じで、すごく気が利いているわけじゃないな」と感じられるところが、AIが簡単に乗り越えられない最後の壁になるはずです。
Promotion
SecureMemoCloudは、世界最高水準の精度96.2%の音声認識AIを搭載した会議録作成支援サービスです。
評価用に作成された綺麗な読み上げ音声ではなく、リアルなビジネス会議音声について他社の追随を許さない高精度を誇るAIモデル「shirushi」を搭載している点が最大の特徴です。
会議録の特性に特化したAI要約機能も備えており、最新のGPTモデル「GPT-4o」を搭載しております。
将来は、文字起こし結果をもとに会議アシスタントとしてあなたをサポートする生成AIの搭載を目指しています。
SecureMemoは、世界最高水準の精度96.2%の音声認識AIを搭載しつつ、オフライン環境で処理が完結するAI文字起こしソフトウェアです。
「精度の圧倒的な高さ」「オフライン完結」の2つを両立しているサービスは他になく、警察・医療機関・民間企業の経営企画/IR/人事部門様といった皆様にお使いいただいています。
評価用に作成された綺麗な読み上げ音声ではなく、リアルなビジネス会議音声について他社の追随を許さない高精度を誇るAIモデル「shirushi」を搭載している点が最大の特徴です。さらに、独自開発した、声紋登録不要で完全自動の話者特定AIも搭載しています。
Application
iPhoneに独自生成AI搭載 アップル、チャットGPTと連携
GPT-4oが搭載されるのか、それともGPT-4o発表時にデモがあった音声を含めたマルチモーダル処理が可能なAIが搭載されるのかは大きな違いです。
Siriがあのデモに変わるとすれば期待大。
でも、以下の記述を見るとGPT-4oのテキストベースの処理機能を必要に応じて使う、というレベルにも見えます。
Siri can also tap into ChatGPT’s intelligence when helpful. Apple users are asked before any questions are sent to ChatGPT, along with any documents or photos, and Siri then presents the answer directly. (https://openai.com/index/openai-and-apple-announce-partnership/)
Googleが実験的に提供を開始した、生成AIがドキュメントに基づいて自在に回答してくれるツール。Geminiが裏側で動いている。
使用してみましたが、最大の利点は引用元のテキストを明示してくれる点。
何かのドキュメントをアップロードして使う前提なので、引用元が絶対にある中でのUX設計。
他の生成AIでももちろんできることですが、「一手間」を省くだけで爆発的に利用されるのが世の中の常なので、Geminiをもっと広く使ってもらう意味でなかなか良い感じです。
契約書レビューはまさにですが、生成AIが出力してきた情報をそのまま鵜呑みにするのは危険なユースケースです。
なので、どこを情報ソースにそう言っているのかも出力させることが肝要です。
例えば以下のようにanswerとsourceを併せて出力させるなど。
#出力形式
jsonの形式で出力してください。
```json
{{
"answer": "秘密保持契約の有効期間は契約締結から1年間です",
"source": "第12条(有効期間) 1. 本契約の有効期間は、本契約締結の日から1年間とする。"
}}
```
(追記)
と発信した直後にNotebookLMが公開されました💦
NotebookLMの裏で動いている技術の説明という感じです。
Technology
Lost in the Middle: How Language Models Use Long Contexts
LLMにおいて、入力情報の中央付近を忘れてしまう「Lost in the Middle」現象についての考察。関連情報の位置によって質問応答タスクの性能が変わり、中央に位置するときが最低になる。
我々の普段のプロンプトエンジニアリングでも留意しておきたいTips。
Editor Picks
企業の独自データが競争優位の源泉となり、オンプレミスLLMの時代が来る
GPT4が学習したインターネットのデータは1PB未満だが、JPモルガンが保有する内部データは150PBある。データ量の差も歴然としているし、インターネット上の情報を学習する限りは専門的な情報を学習できることがなく、いつまでも差が残り続ける、という話。ソース動画はこちら。
AIを提供する事業者から見れば「独自データはAI時代の最大の差別化要素である」という見方になります。
一方、AIを生業としない事業者から見ても、今後自社にとって本当に役立つAIを作りたければ、自社のデータを日々蓄積していくことが重要ということになります。
ちなみに、出口がオンプレLLMだけか?というと、メガプロンプト(プロンプトに大量の情報を載せる)のように一般のLLMに知識を付け替えて使う出口もあります。LLMベンダーに情報が行くリスクをどう考えるかですが。
「ChatGPT、俺的にはイマイチなんだよね」と発言する人の残念な末路
私はAIプロダクトを提供する側の人間なので、ほとんどの場合デジタルを「道具」として見ている人と接しますし、それで全く問題ないのですが、
稀に「こういう使い方だったらいける」という発想から入る方もいて、そういう人は単純なお客様という関係を超えて長く付き合いたいと感じます。
尾原:二極化する中で、澤さんから見て「使いこなしている人」の特徴はありますか?
澤:デジタルを「道具」として見ているんだけど、「自分の手足の拡張」として使っていこうと思っている人たちなんじゃないかなと。要するに、ちゃんと対峙していない人です。