生成AIにできること、できないこと

1章　本書の流れ

2章　生成AIはどうやって文章を生成しているのか

　　生成AIの歴史とその仕組み

　　　　　[コラム]　生成AIの学習

　　なぜ言語を扱うのは難しかったのか　　　　　　　　　　　　　　　　　　　　　　　　

　　なぜ生成AIは実現できたのか

　　　　　[コラム]　ディープシーク（DeepSeek）の登場

3章　生成AI単体（LLM）の特性と問題点

　　生成AIの基本的な特性

　　基本的な特性が引き起こす問題点　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　　　誤った情報を生成する：幻覚（ハルシネーション）

　　　　　数学などの論理的思考が弱く、単純な計算でも間違える

　　　　　信念や意図を持っていないため、聞くたびにトーンが変わりうる

　　活用事例からみる生成AIの活かし方

　　　　　翻訳：多少の不自然さは許容される実用性重視の利用　　　　　　　　　　　　　　　　
　　　　　情報探索：正確な答えよりもヒントを集めることを重視した活用　　　　　　　　　　　
　　　　　素案作成や校正：人間が修正や確認を行うことを前提とした準備作業　　　　　　　　　
　　　　　情報要約：完璧を求めないという前提がある作業　　　　　　　　　　　　　　　

　　幻覚を抑えるための工夫（プロンプトエンジニアリング）

　　　　　ワンショット学習（One-Shot learning）・フューショット学習（Few-Shot learning）
　　　　　[コラム]　本文中学習

　　　　　CoT（Chain of Thought）

　　　　　ゼロショットCoT

　　　　　[コラム]　創発的能力 （Emergent Abilities）

　　外部からの情報を組み合わせるプロンプトエンジニアリング

　　　　　RAG（検索拡張生成）

　　　　　[コラム]　RAGの検索性能を向上させるさまざまな観点　　　　　　　　　　　　　　

　　幻覚の傾向と、その対策方法

　　　　　「知らないこと」に対する幻覚

　　　　　「知らないこと」に対する幻覚への対策

　　　　　「知っていること」に対する幻覚

　　　　　「知っていること」に対する幻覚への対策

　　生成AIが苦手な状況とは？

　　　　　弱点１： 論理的推論が苦手

　　　　　弱点２： 長い文章が苦手

　　　　　弱点３： 不要な情報があると惑わされる

　　　　　弱点４： プロンプトの書き方次第で回答が左右される

　　生成AIの効果的な活かし方

　　　　　[コラム]　その他のプロンプトエンジニアリング

4章　能力の「ツギハギ」で生まれる生成AIの真価と可能性

　　特性１：既存の外部ツールと容易に接続できる

　　　　　RAGの仕組み

　　　　　なぜRAGは外部ツールと容易に接続できるのか

　　　　　さらなる拡張 ： プログラミングとの接続

　　　　　[コラム]　シンボリック推論と生成AI

　　特性２：未知の外部ツールと容易に接続できる

　　　　　関数呼び出し（Function Calling）

　　特性３：外部ツールを駆使し、試行錯誤して正解を求めることができる　　
　　　　　　
　　特性４：正確な仕組みがわからないパーツも生み出せる

　　「フランケンシュタインの怪物」化が導く生成AIの可能性

5章　生成AIにできること、できないこと

　　知性に求められる4つの力

　　　　　動機：解決すべき課題を定める力

　　　　　目標設計：何が正解かを定める力

　　　　　思考集中：考えるべきことを捉える力

　　　　　発見：正解へとつながる要素を見つける力

　　4つの力の観点で見る、生成AIが持つ知性の実態

　　　　　動機：解決すべき課題を定める力

　　　　　目標設計：何が正解かを定める力

　　　　　思考集中：考えるべきことを捉える力

　　　　　発見：正解へとつながる要素を見つける力

　　生成AIと歩む人間の未来

　　　　　[コラム]　生成AIのリスク