QUOTES

キャラクター名セリフ集

先生と18〜19歳の学習仲間3人の印象的な会話を、キャラクターごとにピックアップしました。

若葉 みどり 先生 のセリフ集 (431 発言)

HITLは単なる運用技法ではなく、人間の尊厳を守る設計哲学でもあるの。
→ Human-in-the-Loop - 人間の介在
背景を先に伝えてからやってほしいことを言い、最後に条件を付ける、という流れが自然なの。
→ プロンプトの基本構造 - 指示・文脈・制約
試験では『k分割交差検証はk回の学習・評価を行い平均を取る』『データを無駄なく使える』の2点を押さえましょう。
→ 交差検証 - 限られたデータを有効に使う
大事なのは丸暗記ではなく、概念を自分の言葉で説明できるようになること。
→ 出題形式と合格ライン
『ポジティブな要因とネガティブな要因を分けて』『統計的な有意性も考慮して』のように。
→ データ分析プロンプトのコツ
ももさんはふんわりしてるけど、日本語の細やかな感性があるから、
→ 翻訳プロンプトのコツ
ただしAIの進化が早いから、学びに終わりはないの。
→ プロンプトの反復改善
普通に聞くとAIが雑に答えることがあるけど、『段階的に計算してください』と加えると、途中の計算過程を示しながら正確に答えるの。
→ Chain-of-Thought - 段階的に考えさせる
机上の物や資料参照のルールは、自己判断せず申込回の公式注意事項に従いましょうね。
→ 生成AIパスポート試験の概要
曖昧な質問には曖昧な回答が、具体的な質問には具体的な回答が返ってくるのよ。
→ プロンプトの重要性 - 聞き方で答えが変わる
信頼は透明性から生まれる、というシンプルな原則の実装ね。
→ 学習データに潜むバイアス
音楽・動画分野では、生成AIが合意形成のルールを作りながら進化している途中なの。
→ 音楽・動画制作でのAI活用
試験対策としては「Sora=OpenAI、2024年、拡散Transformer」「時間的一貫性が最大の課題」の2点を押さえればOKよ。
→ 動画生成AI - SoraとGen-2
経営層を巻き込むには「この部署でこれだけ時短できた」という具体的な数字が最強の武器になるの。
→ AI導入戦略の立て方
『誠実である』『害を為さない』など10箇条程度の原則をモデルに組み込み、
→ Claudeの活用法
その直感、機械学習のSVMそのものよ、あんずさん。
→ サポートベクターマシン(SVM)
たとえば顧客が離反するかを予測するモデルで、『ログイン頻度』『最終購入日』『利用年数』のどれが効いているかがわかれば、施策に直結するわね。
→ ランダムフォレスト - 木を束ねて精度アップ
でも「甘口の大盛りカレー、サラダ付きで」と伝えれば、望みどおりの料理が出てくる。
→ プロンプトとは - AIへの指示の出し方
『答えが長すぎた』『専門用語が多すぎた』『話題がズレた』など、問題を特定してピンポイントで直すのがコツ。
→ プロンプトの反復改善
読書感想文の下書き作りにもAIは心強い相棒になるの。
→ 要約プロンプトのコツ

白銀 ゆき のセリフ集 (462 発言)

消費者から見ても、データの扱い方が信頼の判断材料になりますね。
→ 小売・EC分野でのAI活用
つまり、AIを使いこなすスキルが重要になるんですね。
→ AIが変える働き方の未来
SNSの投稿文、写真、音声ファイル、動画、LINEのやり取り、メールの本文、論文PDF…要は世の中のほとんど全部よ。
→ 構造化データと非構造化データ
補足すると、反対派の社員を排除するのではなく、彼らの懸念を聞く場を作ることも重要ですね。
→ AI導入と組織変革
先生、ロール設定は冒頭に書くのが一般的ですか?
→ ロールプロンプティング - 役割を与える
反事実的説明は『もしこの条件が違っていたら結果はどう変わったか』を提示する手法で、GDPR の自動意思決定に対する説明要求とも親和性があります。
→ 透明性と説明可能性(XAI)
人的多様性まで含めると、バイアス軽減は組織文化の問題でもあるんですね。
→ バイアスの軽減方法
バックドア攻撃では、例えば顔画像の右上に特殊なマークが入った時だけ別人と誤認識させる、といった仕込みができます。
→ データポイズニング - 学習データの汚染
全社員がAIを理解する必要があるんですか?
→ AIリテラシー - 組織全体の底上げ
補足すると、APIキーは絶対に公開リポジトリに載せてはいけないんですよね。
→ AIのAPI連携とシステム統合
トークン数が多いとコストも高くなるのですか?
→ トークンの概念 - 文字数とコストの関係
創造性は人間に、効率化はAIに、という役割分担が見えてきました。
→ クリエイティブライティングとAI
補足すると、欧州AI規則でもHITLの要件は明示的に定義されていますね。
→ Human-in-the-Loop - 人間の介在
ToTのような高度な技法は、実務では即座に使う機会は少ないかもしれませんが、概念を知っておくと応用が利きますね。
→ Tree-of-Thought - 思考の木で探索する
2017年にGoogleが発表した『Attention Is All You Need』論文で提案された、記念碑的アーキテクチャですね。
→ 総復習 - Transformerと注意機構
具体的にはどの業界が先行しているんでしょうか?
→ 日本企業の生成AI導入事例集
あ、そういうことですか…ごめんなさい、早合点しました…。
→ AIの冬の時代 - なぜブームは終わったのか
ISO/IEC 42001 (2023年12月発行) は世界初のAIマネジメントシステム規格で、認証取得が今後の企業信頼の証明になると見られています。
→ AIの監査と評価
生成AIの学習には、この3つのうちどれが使われているんですか? LLMの場合は?
→ 総復習 - 機械学習の基本概念
補足: 応用は広く、議事録作成、字幕生成、リアルタイム通訳、コールセンター分析、講義アーカイブのテキスト化など、多岐にわたります。
→ 音声認識AI - 声をテキストに変える

桜井 もも のセリフ集 (773 発言)

わたしもカレーのレシピみたいで覚えやすかった〜えへへ!
→ 模擬テスト2 - 活用・プロンプト編
ふぇぇ…便利さと学びの質のバランスって難しいですぅ…。
→ 教育分野でのAI活用
ふぇぇ…AIもハッキングされちゃうんですかぁ…?
→ プロンプトインジェクション - 悪用のリスク
もも、昨日AIに『優しく教えて』って書いたら、本当に優しく教えてくれたんですぅ〜!
→ ロールプロンプティング - 役割を与える
すっごく便利じゃ…あっ、あんずちゃんの口調がうつっちゃった〜。
→ 機械学習パイプライン - 自動化された学習工程
ふぇぇ〜、ゆきちゃんかっこいい…!
→ エンコーダとデコーダの役割
テスト中に教科書を見ながら答える感じですかぁ?
→ 検索拡張プロンプト - RAGとの連携
『マージンを最大化』って、人生の余裕を大事にする感じで、なんだか素敵な発想ですね〜。
→ サポートベクターマシン(SVM)
決定木…? えへへ、森にあるお話の木ですか〜?
→ 決定木 - 質問を繰り返して答えを出す
苦手なところを知ると、得意なところもよく見えてきますねっ!
→ 生成AIのビジネス活用 - 全体像
わぁ〜! 1人だと気づけないことも、みんなで見れば見つかる、みたいな〜!
→ ランダムフォレスト - 木を束ねて精度アップ
ももも自分の中に複数のももがいたら、もっとテキパキできるのになぁ…
→ マルチエージェント - AI同士の協調
悪い人がいるんですね…AIも大変…
→ ジェイルブレイク - 安全機能の突破
名前がかっこいい! ブレッチリー、チューリングがいた場所だね。
→ 各国のAI規制比較
聞き方って、ほんとに大事なんですねぇ…
→ プロンプトの重要性 - 聞き方で答えが変わる
じゃあ、仕事が丸ごと消えるわけじゃなくて、中身が変わるってことぉ?
→ AIと人間の協働 - 得意分野を活かす
ぽわわ〜…土台って、お家を建てるときの基礎みたいな感じ? 上にいろんなお部屋を乗せられる、っていう…?
→ 基盤モデル(Foundation Model)とは
ふぇぇ…知らないうちに高くなってるかもしれないなんて、怖いです…。
→ 小売・EC分野でのAI活用
守られるものにも、色んな種類があるんだねぇ。
→ 著作権の基礎知識
L2は全部を少しずつ小さくする感じですか〜?
→ 正則化 - 過学習を防ぐブレーキ

胡桃 あんず のセリフ集 (701 発言)

医療業界のAIって、裏側でものすごい人たちが支えてるんだね。
→ 医療分野でのAI活用
過学習って、訓練データを丸暗記しちゃって応用が効かない状態ってことでよかった?
→ 正則化 - 過学習を防ぐブレーキ
使えば使うほど電気を食うってことか〜!
→ AIの環境負荷 - 電力消費問題
てか、なんで人はAIを騙したいの?
→ ジェイルブレイク - 安全機能の突破
原則OK、例外NG、のセットで覚えたね!
→ 模擬テスト4 - 総合問題
プロンプト系、あたしけっこう好きな分野なんですよ! ここで点を稼ぐよ! 得意分野ってやつじゃん!
→ 模擬テスト2 - 活用・プロンプト編
でもさ、AIが答え教えてくれるなら宿題の意味なくない?
→ 教育分野でのAI活用
4択なら、わからなくても適当に押しても25%は当たるじゃん! ラッキーで合格できるかも!
→ 出題形式と合格ライン
ChatGPT が使いやすいのって、このチューニングのおかげだったんだ!
→ インストラクションチューニング
多数決でクラスAじゃん!
→ k近傍法(k-NN) - ご近所さんに聞く分類
ももちゃん、なんか詩人みたいじゃん!
→ クラスタリング - データをグループ分け
ももちゃん、そこはちゃんと自分でやろうよ! でもフレームワークって、自分でアプリ作る人向けなんだね〜。
→ AIエージェントフレームワーク
てかさ、ゼロショットで上手くいく例と、いかない例の見分けってどうつけるの?
→ ゼロショットプロンプティング
具体的にはどういうこと?
→ プロンプトインジェクション - 悪用のリスク
代表的な種類ってあるの?
→ 正則化 - 過学習を防ぐブレーキ
でもさ、CoTって毎回使ったほうがいいのかな?
→ Chain-of-Thought - 段階的に考えさせる
要はバドミントンでいうと、守りめっちゃ固くすると攻撃力が下がる、攻めに出ると守りが薄くなるのと似てるってこと? 両立が難しい感じだね。
→ バイアスとバリアンスのトレードオフ
AIが勝手に株で儲けてくれるってやつ?
→ 金融分野でのAI活用
AIも間違えることがあるから、何回もやって確認するってことか!
→ 自己一貫性 - 複数回答から最良を選ぶ
バドミントンでいうと、データ起因は『コーチの教え方がそもそも間違ってた』、外在的は『教わってない戦術を試合中に即興で作っちゃう』みたいな感じか。
→ ハルシネーションの原因と種類