Generative AI
中二でもわかる「生成AI」のしくみ！
中学生の娘にも分かりやすいようにChatGPTなどの生成AIの仕組みを説明してみる！
AIな出来事
まずは直近20年のAIの出来事のまとめ
1997 Data Mining
DeepBlueがチェス世界チャンピオンに勝つ
IBMのDeepBlueコンピュータは、1秒間に2億手先を読む。
対戦相手の過去の棋譜を基に、次の差し手がどのくらい有効であるかを示す評価関数を、手動でセット。（チェスの総打ち手は35の80乗）
2011 Machine Learning
watsonがクイズ王者に勝つ
クイズに特化した文章、本・台本・百科事典（Wikipediaを含む）などの2億ページ分のテキストデータ（70Gb程度、約100万冊の書籍に相当）を取り込んで、その答えを質疑応答的に導く
2016 Deep Learning
AlphaGoが囲碁世界チャンピオンに勝つ
囲碁の手数は250の150乗（チェスの1垓倍以上）となり、これは宇宙の分子の数よりも多い組み合わせ
2022 Generative AI
OpenAIによるChatGPTの登場
Generative AI / 生成AIとは
Deep Learning / 深層学習とは
まず、生成AIを作るのに必ず必要なDeep Learning / 深層学習を学習してみる。
ChatGPTの元となる言語モデル（LLM）を作るために、Deep Learningは使われている。
Deep Learningとして、まず2017年にGoogleの研究者らにより、Transformerの画期的な論文「Attention is all you need」が発表される。
次に、このTransformerの著者達がOpenAIに移り、2018年に「Generative Pre-trained」論文を発表する。
Genetative AIのしくみ
ChatGPT (OpenAI)では、学習済み言語モデル（GPT3などのLLM）を、人間として自然な言語として返すために、InstructGPTなどを使い生成している。
それ以外のLLMでは、Googleが文字検索から抽出したLaMDA（ラムダ）や、MetaがFacebook文字情報から生成したLLaMA（ラマ）がある。このうちLLaMAは（結果的に）公開情報OSSとなり、各大学やIBM等がこれを利用し独自の生成AI（watsonx等）を構築している。
ChatGPTのステップ
1. GPT-3の生成
LLM/Large Language Model＝GPT-3を用意する。
例えば「日本の首都は、」に続く言葉を、膨大なインターネット上の文章から一番確率が高いものを、Deep learningにより「東京」「だ」と文章的に導出する。
2. InstructGPT
2.1 Supervised Fine-Tuning
InstructGPTと人力でGPT-3を再教育し、SFT/ファインチューニングGPTを作る。
2.2 Rewarding Model
SFTからReward Modelで回答を向上させる。
watsonxとは
watsonx製品ラインナップ
watsonx.ai スタジオ
watsonx.aiの機能
Pre-trained Foundation Modelとwatsonx
1. watsonx zeroshot prompt
2. TBM-shot prompt
watsonx+TBMによるChatTBMの爆誕
Reference data from TBM book
Test results compared with ChatGPT, zeroshot (LLaMA) and ChatTBM
果たしてIBMは勝ち筋か、オープン化の歴史と比べてみる
オープン化の歴史
左はレガシーでクローズな悪の帝国連合、右はフリーで自由な挑戦者たち。たいていは自由な戦士たちが勝っているが、このAI戦争ではどっちが勝つのか？？
| 年代 | Legacy Closed | Open Free |
| 1990年代 PC戦争 |  |    |
| 1995年 インターネット ブラウザ戦争 |   |     |
| 2000年代 サーバーOS戦争 |  |  |
| 2000年代 検索戦争 |   |  |
| 2005年代 スマホ戦争 |    |  |
| 2010年代 SNS戦争 |    |  |
| 2020年代 AI戦争 | Frontier Model  | AI Alliance     … |
AI Allianceとは
MetaとIBMが始めたAIのアライアンス – https://thealliance.ai/