言語モデルを最大限に活用する秘密の解説

ビジネスリーダーとして症状を私に説明し、その情報をChatGPTに入力した場合、医師と相談することなく治療計画を生成し、処方することを期待しますか？

もし私が提案したらどうでしょうか。世界のトップデータサイエンティストがあなたの組織に参加するが、すべてのビジネス専門家が競合企業に移籍し、データだけが残されるとしたら—文脈を提供する専門家もいない状況に陥るのです。

今日のAI主導の環境では、生成AI、特にGPT-4やBardのような言語モデルの統合に関する機会、リスク、ベストプラクティスについて活発な議論が交わされています。新しいオープンソースモデル、研究の進展、製品の発表が日々報告されています。

この急速な発展の中、言語モデルの能力に焦点が当てられています。しかし、言語は知識や理解と組み合わさったときにのみ有効です。たとえば、化学に関する全ての用語を暗記している人がいても、基本的な知識がなければ、その記憶した言語は無意味です。

レシピを正しく作る

言語モデルは真の理解なしにコンテンツを生成できるため、誤解を招くことがあります。新しいレシピを作るように求められた場合、過去のレシピを分析し相関を見いだすことはできても、何が美味しいかを知識として持っていないのです。そのため、オリーブオイル、ケチャップ、桃を混ぜるという奇妙な組み合わせが生まれることがありますが、これはモデルが実際の料理の専門知識を持っていないからです。

したがって、言語モデルから得られる良いレシピは、料理の専門家の入力によって統計的に導き出されたものです。効果的な言語モデルの鍵は、専門知識の統合にあります。

専門知識は言語と知識、理解を結びつける

「相関関係は因果関係を意味しない」という言葉はデータ専門家に響きますが、これは無関係な現象を不正確に結びつけるリスクを強調します。機械は相関関係やパターンを特定するのが得意ですが、真の専門知識が必要なのは因果関係を見極め、意思決定を導く場合です。

私たちの学びの旅において、言語は出発点に過ぎません。子供が言語を発展させるとき、保護者は環境についての知識を与えます。最終的には、湖に飛び込むこととその結果とのリンクを理解するようになります。大人になると、言語、知識、理解が絡み合った複雑な構造を内面化します。

専門知識の構造を再現する

何かのテーマを探求する際には、知識や理解がない言語を持つことは専門知識を持つことにはなりません。たとえば、車にトランスミッションやピストンがあることは知っていても、実際にそれらがどう働くか、修理する能力は実践経験を要します。この点が私の専門外です。

機械の文脈に置き換えると、関連する知識や理解なしに言語モデルに意思決定させるのは、車に関連する次に来る単語を予測することしか知らない人に道具箱を渡すようなものです。

言語モデルを活用するための専門知識の再構築

言語モデルを効果的に利用するには、専門知識から始める必要があります。機械学習（ML）や機械教育は、人間の専門知識を機械が理解できる形式に変換することに焦点を当てており、機械が自主的に情報提供や意思決定を行うことで、人間の微妙な意思決定能力が向上します。

AIとMLに関する一般的な誤解は、データが最も重要な要素であるということですが、実際には専門知識がその地位を占めます。モデルに専門家の指導がなければ、どのような価値ある洞察をデータから導き出せるでしょうか？

専門家が有益と認識するパターンを特定することで、その知識を機械言語に翻訳し、自主的な意思決定を可能にすることができます。つまり、プロセスは専門知識から始まり、逆に進むのです。たとえば、機械オペレーターは特定の音を聞いて調整が必要なことを認識します。センサーを搭載することで、この専門知識は機械言語に翻訳され、オペレーターは他の作業に取り組むことができます。

重要な専門知識を特定する

AIソリューションを構築する際に、組織はどの専門知識が最も重要であるかを判断し、その知識を失うリスクと、関連する意思決定を自動化することによる潜在的な利点を評価する必要があります。

特定のプロセスに不可欠な従業員はいますか？ 定型業務を自律的なシステムに移行させることで、従業員にもっと時間を提供することは可能でしょうか？ この評価に基づいて、組織はリスクが高いまたは潜在的に大きな利益がある専門知識を機械言語にどう翻訳するかを議論できます。

幸運なことに、専門システムの基盤はしばしば既に築かれています。言語モデルは、既存の専門知識を活用できます。

探求から運用へ

今後10年で、AIへの投資に基づいて市場の状況は変わります。警鐘の例として、2007年にストリーミングサービスを導入したNetflixを考えてみてください。たった3年後、Blockbusterが破産に追い込まれましたが、Blockbusterはその分野で早期に努力を重ねていました。

競合他社が高度なAIアプリケーションを発表すると、他の企業が適応するのが遅すぎる可能性があります。特に、堅牢なソリューションを開発するためには多くの時間とスキルが必要だからです。

2030年までに、反応することを選んだ企業は、Blockbusterの運命のように無関係になる可能性があります。

他者が追いつくのを待つのではなく、ビジネスリーダーは、競合他社に先んじて独自の市場ポジションを模索し、彼らが解決策を探すよう促すべきです。

自律的な変革の時代において、運用の専門知識を機械に移転し、未来の市場ダイナミクスを描くことを優先する組織は、市場でのポジションを確固たるものにするでしょう。