diff --git a/00-course-setup/translations/ja-jp/README.md b/00-course-setup/translations/ja-jp/README.md index 6826843c2..efb5d5b3f 100644 --- a/00-course-setup/translations/ja-jp/README.md +++ b/00-course-setup/translations/ja-jp/README.md @@ -1,6 +1,6 @@ # このコースを始めるために -私たちは、皆様がこのコースを開始し生成系 AI で何を創り出すのかを見るのが、とても楽しみです！ +私たちは、皆様がこのコースを開始し生成 AI で何を創り出すのかを見るのが、とても楽しみです！ 皆様がこのレッスンを成功できるよう、セットアップ手順と技術要件そして必要な時に情報を得る方法を、このページにまとめました。 @@ -112,7 +112,7 @@ GitHub codespaces を使用して API キーを安全に管理するためには ## 他の学習者との交流 -他の学習者と交流できるように、私たちは公式 [Discord AI コミュニティ・サーバー](https://aka.ms/genai-discord?WT.mc_id=academic-105485-yoterada)にチャンネルを作成しました。生成系 AI の技術を向上したいと考える他の方々、たとえば、志の同じ起業家、開発者、学生、そして、どなたとでも交流していただく事が可能です。 +他の学習者と交流できるように、私たちは公式 [Discord AI コミュニティ・サーバー](https://aka.ms/genai-discord?WT.mc_id=academic-105485-yoterada)にチャンネルを作成しました。生成 AI の技術を向上したいと考える他の方々、たとえば、志の同じ起業家、開発者、学生、そして、どなたとでも交流していただく事が可能です。 [![Discord チャンネルに参加](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://aka.ms/genai-discord?WT.mc_id=academic-105485-yoterada) @@ -122,7 +122,7 @@ GitHub codespaces を使用して API キーを安全に管理するためには 本レッスンはオープンソース・プロジェクトとして公開しています。仮に改善すべき点や問題を発見したら、[プルリクエスト](https://github.com/microsoft/generative-ai-for-beginners/pulls?WT.mc_id=academic-105485-yoterada)をお送りいただくか、もしくは、[GitHub の Issue](https://github.com/microsoft/generative-ai-for-beginners/issues?WT.mc_id=academic-105485-yoterada) で報告していただければ幸いです。 -このプロジェクトの開発チームは全ての貢献を確認しています。オープンソースにご貢献いただくことは、生成系 AI の分野で新しいキャリアを築くのに良い方法かもしれません。 +このプロジェクトの開発チームは全ての貢献を確認しています。オープンソースにご貢献いただくことは、生成 AI の分野で新しいキャリアを築くのに良い方法かもしれません。 多くの場合、貢献者はコントリビューター・ライセンス契約（CLA）に同意して頂く必要があります。これは貢献者が持っている権利を、私たちに、皆様の貢献を使用する権利を実際に与えて頂くことを宣言するための契約です。詳細については [CLA、コントリビューターライセンス契約のウェブサイト](https://cla.microsoft.com?WT.mc_id=academic-105485-yoterada)をご覧ください。 diff --git a/01-introduction-to-genai/translations/ja-jp/README.md b/01-introduction-to-genai/translations/ja-jp/README.md index e4c39152c..edcae7309 100644 --- a/01-introduction-to-genai/translations/ja-jp/README.md +++ b/01-introduction-to-genai/translations/ja-jp/README.md @@ -7,7 +7,7 @@ 生成 AI は、テキストや画像などのコンテンツを生成する人工知能です。この技術が素晴らしいのは、AI を誰にでも使えるようにしている所で、自然言語で書いた文章やテキスト・プロンプトだけで利用できる点です。 価値あることを成し遂げるために、Java や SQL のような言語を学ぶ必要はありません。自分の言葉で要望を伝えるだけで、AI モデルから提案が返ってきます。この技術を使えば、報告書を書いたり理解したり、アプリケーションを作成したりといったことが、わずか数秒で可能になります。その可能性と影響力は計り知れません。 -このカリキュラムで、スタートアップ企業が教育分野で新たな可能性を切り開くために生成系 AI をどのように利用しているか、またその応用に伴う社会的影響や、技術的な制限によって避けられない課題にどう対処しているかを詳しく見ていきます。 +このカリキュラムで、スタートアップ企業が教育分野で新たな可能性を切り開くために生成 AI をどのように利用しているか、またその応用に伴う社会的影響や、技術的な制限によって避けられない課題にどう対処しているかを詳しく見ていきます。 ## レッスン内容の紹介 @@ -37,13 +37,13 @@ 生成 AI を利用すると、生徒は 24 時間いつでも問い合わせ可能なバーチャルの教師から、大量の情報や例を得られるようになり、教師も生徒の成績を評価しフィードバックするために、新しいツールが使えるようになると考えられ、現在の学習方法や指導方法に革命をもたらすと考えられています。 -![モニターを見つめる5人の若い学生 - DALLE2による画像](../../images/students-by-DALLE2.png?WT.mc_id=academic-105485-yoterada) +![モニターを見つめる5人の若い学生 - DALLE2 による画像](../../images/students-by-DALLE2.png?WT.mc_id=academic-105485-yoterada) まず、カリキュラム全体を通じて使用する、基本的な概念と用語を定義しましょう。 ## 生成 AI はどのようにして生まれたのでしょうか？ -最近発表された、生成系 AI モデルは大きな注目を集めていますが、この技術は数十年にわたる開発の歴史があり、初期の研究は 1960 年代までさかのぼります。そして今、AI 技術は [OpenAI の ChatGPT](https://openai.com/chatgpt) や [Bing Chat](https://www.microsoft.com/edge/features/bing-chat?WT.mc_id=academic-105485-yoterada) のように会話能力を有するなど、人間の認知能力を持つレベルにまで達しています。また、これらのチャットシステムは、Bing の Web 検索における会話でも GPT モデルを採用しています。 +最近発表された、生成 AI モデルは大きな注目を集めていますが、この技術は数十年にわたる開発の歴史があり、初期の研究は 1960 年代までさかのぼります。そして今、AI 技術は [OpenAI の ChatGPT](https://openai.com/chatgpt) や [Bing Chat](https://www.microsoft.com/edge/features/bing-chat?WT.mc_id=academic-105485-yoterada) のように会話能力を有するなど、人間の認知能力を持つレベルにまで達しています。また、これらのチャットシステムは、Bing の Web 検索における会話でも GPT モデルを採用しています。 AI の歴史を振り返ると、初期の AI のプロトタイプは、タイプライター式のチャットボットで、専門家集団から抽出した知識をベースに、それをコンピューターに表現していました。知識ベースによる回答は、入力テキスト内に出現するキーワードがトリガーになっていました。しかし、タイプライター式のチャットボットは、スケール・アウトが難しい事がすぐに分かりました。 @@ -60,19 +60,19 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ この技術は、21 世紀の初頭に登場したバーチャル・アシスタントの基盤となり、人の言葉を読み取って要求を識別し、それに応じた行動を取ることができます。例えば、事前に用意したスクリプトで応答したり、外部サービスを利用することが含まれます。 -### 現在の生成系 AI +### 現在の生成 AI -このような経緯を経て、今日における生成系 AI が誕生しました。これはディープラーニングのサブセットとして捉えることができます。 +このような経緯を経て、今日における生成 AI が誕生しました。これはディープラーニングのサブセットとして捉えることができます。 ![AI, ML, DL and Generative AI](../../images/AI-diagram.png?WT.mc_id=academic-105485-yoterada) 長年の AI 研究を経て、*トランスフォーマー* と呼ばれる新しいモデルのアーキテクチャが登場し、RNN の限界を越え、より長文テキストのシーケンスを入力として受け取ることができるようになりました。トランスフォーマーは、アテンションメカニズム(注意機構)を採用しており、モデルが、受け取った入力に対して異なる重み付けを行うことができます。これにより、テキスト内の単語の並ぶ順番に関わらず、最も関連性の高い情報が集中している部分に「より多くの注意を払う」ことができます。 -最近の生成系 AI モデルの多くは、文章の入出力を行う「大規模言語モデル（LLMs）」とも呼ばれており、実際にこのアーキテクチャに基づいています。これらのモデルが注目される理由は、書籍、記事、ウェブサイトなど様々な情報源から、膨大なラベルなしデータとして訓練されているにも関わらず、創造性を備え文法も正しい文章を作り出すのが特筆すべき点です。したがって、これらのモデルは、機械が単に入力されたテキストを「理解」する力を飛躍的に向上させただけでなく、人間の言葉で独自の回答を作り出す力も実現しました。 +最近の生成 AI モデルの多くは、文章の入出力を行う「大規模言語モデル（LLMs）」とも呼ばれており、実際にこのアーキテクチャに基づいています。これらのモデルが注目される理由は、書籍、記事、ウェブサイトなど様々な情報源から、膨大なラベルなしデータとして訓練されているにも関わらず、創造性を備え文法も正しい文章を作り出すのが特筆すべき点です。したがって、これらのモデルは、機械が単に入力されたテキストを「理解」する力を飛躍的に向上させただけでなく、人間の言葉で独自の回答を作り出す力も実現しました。 ## 大規模言語モデルの仕組みを教えてください？ -次の章では、さまざまな種類の生成系 AI モデルについて詳しく説明しますが、その前に、OpenAI の GPT（Generative Pre-trained Transformer）モデルを中心に、大規模言語モデルがどのように機能するのかを確認しましょう。 +次の章では、さまざまな種類の生成 AI モデルについて詳しく説明しますが、その前に、OpenAI の GPT（Generative Pre-trained Transformer）モデルを中心に、大規模言語モデルがどのように機能するのかを確認しましょう。 * **トークナイザー、テキストから数値へ**: 大規模言語モデルは、テキストを入力として受け取り、テキストを出力として生成します。ただし、統計モデルのため、テキストシーケンスよりも数値の方が、とてもうまく機能します。そこでモデルに対するすべての入力は、コア・モデルが使用する前に、トークナイザーで処理されます。トークンは文字の塊で、可変数の文字から構成されています。トークナイザーは、入力された文字列をトークン毎に分割し、トークン配列に格納する処理を行います。その後、各トークンはトークン・インデックスと結びつけられます。トークン・インデックスは元のテキストのチャンク(断片)を整数で符号化したものになります。 @@ -142,13 +142,13 @@ AI の歴史を振り返ると、初期の AI のプロトタイプは、タイ
-上記に挙げた例は基本的なものであり、大規模言語モデルの機能を全て網羅したわけではありません。教育分野に限らず、生成系 AI が持つ潜在的な可能性と利点を示しました。 +上記に挙げた例は基本的なものであり、大規模言語モデルの機能を全て網羅したわけではありません。教育分野に限らず、生成 AI が持つ潜在的な可能性と利点を示しました。 -また、生成系 AI モデルの出力結果は決して完璧ではなく、場合によってはモデルの創造性が逆効果となって、現実を曲解するような言葉を組み合わせたり、不快な言葉を組み合わせて作り出すこともあります。また、生成系 AI は知能を持っているわけではありません。少なくとも、批判的思考や創造的推理、感情知能を含む広い意味において知能はありません。そして決定論的でもなく、信頼性もありません。なぜなら、誤った参照や内容、声明などの作り話が、正しい情報と混ざり合って、説得力のある自信に満ちた言葉で提示されることがあるからです。次のレッスンでは、これらすべての制限に対処し、それらを軽減するために何ができるかを見ていきます。 +また、生成 AI モデルの出力結果は決して完璧ではなく、場合によってはモデルの創造性が逆効果となって、現実を曲解するような言葉を組み合わせたり、不快な言葉を組み合わせて作り出すこともあります。また、生成 AI は知能を持っているわけではありません。少なくとも、批判的思考や創造的推理、感情知能を含む広い意味において知能はありません。そして決定論的でもなく、信頼性もありません。なぜなら、誤った参照や内容、声明などの作り話が、正しい情報と混ざり合って、説得力のある自信に満ちた言葉で提示されることがあるからです。次のレッスンでは、これらすべての制限に対処し、それらを軽減するために何ができるかを見ていきます。 ## 課題 -この課題では、「生成系 AI」に関する知識を深め、まだ生成系 AI が導入されていない領域を特定し、そこにどう取り込めるかを検討してください。従来の方法と比べて、どのような違いがあるでしょうか？これまでにできなかったことが、実現可能になるか、作業の速度が上がるかご検討ください。「問題点」「AIの活用方法」「導入による効果」といった見出しを用いて、理想の AI スタートアップについて 300 文字で概要をまとめてください。可能であれば、ビジネスプランも記述してください。 +この課題では、「生成 AI」に関する知識を深め、まだ生成 AI が導入されていない領域を特定し、そこにどう取り込めるかを検討してください。従来の方法と比べて、どのような違いがあるでしょうか？これまでにできなかったことが、実現可能になるか、作業の速度が上がるかご検討ください。「問題点」「AIの活用方法」「導入による効果」といった見出しを用いて、理想の AI スタートアップについて 300 文字で概要をまとめてください。可能であれば、ビジネスプランも記述してください。 この課題を達成すれば、マイクロソフトのスタートアップ向けインキュベータープログラム、[Microsoft for Startups Founders Hub](https://www.microsoft.com/startups?WT.mc_id=academic-105485-yoterada) への応募資格が得られるかもしれません。Azure や OpenAI の使用クレジット、メンタリング、その他多くの支援を提供していますので、詳細はウェブサイトをご覧ください。 @@ -164,6 +164,6 @@ A: 3, 大規模言語モデル（LLM）は決定的ではなく、出力結果 ## お疲れ様でした! 次のレッスンを続ける -このレッスンを修了後、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada) に進んで、生成系 AI の知識をさらに深めましょう! +このレッスンを修了後、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada) に進んで、生成 AI の知識をさらに深めましょう! レッスン 2 にお進みください。そこでは、[様々な LLM の調査と比較](../../../02-exploring-and-comparing-different-llms/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)方法に焦点を当てます！ diff --git a/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md b/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md index 145408b55..f8926939c 100644 --- a/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md +++ b/02-exploring-and-comparing-different-llms/translations/ja-jp/README.md @@ -4,7 +4,7 @@ > *(上記の画像をクリックすると、レッスン・ビデオを表示します)* -前回のレッスンで、生成系 AI がどのようにして進化し、大規模言語モデル（LLM）がどう機能するのか、そしてスタートアップがそれらを自分たちの用途に応用し、成長させることができるかを見てきました。この章では、様々な大規模言語モデル（LLM）を比較し、それぞれの利点と欠点を理解することに焦点を当てます。 +前回のレッスンで、生成 AI がどのようにして進化し、大規模言語モデル（LLM）がどう機能するのか、そしてスタートアップがそれらを自分たちの用途に応用し、成長させることができるかを見てきました。この章では、様々な大規模言語モデル（LLM）を比較し、それぞれの利点と欠点を理解することに焦点を当てます。 スタートアップが次に進むべきステップは、大規模言語モデル（LLM）の現在の状況を調査し、自社のニーズに適したものが何かを理解することです。 @@ -186,6 +186,6 @@ A: 3、時間とリソース、高品質のデータがある場合、微調整 ## お疲れ様でした! 次のレッスンを続ける -このレッスン終了後、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)をチェックして、生成系 AI の知識をさらに深めましょう。 +このレッスン終了後、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)をチェックして、生成 AI の知識をさらに深めましょう。 -次のレッスン 3 では、[責任ある生成系 AI の利用](../../../03-using-generative-ai-responsibly/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)について学びます！ +次のレッスン 3 では、[責任ある生成 AI の利用](../../../03-using-generative-ai-responsibly/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)について学びます！ diff --git a/03-using-generative-ai-responsibly/translations/ja-jp/README.md b/03-using-generative-ai-responsibly/translations/ja-jp/README.md index 43a835410..ce098fcbf 100644 --- a/03-using-generative-ai-responsibly/translations/ja-jp/README.md +++ b/03-using-generative-ai-responsibly/translations/ja-jp/README.md @@ -4,14 +4,14 @@ > **ビデオは近日公開予定** -AI、特に生成系 AI に強い興味は抱くことは理解できますが、それをどのように責任を持って利用するかについて、十分に考慮する必要があります。例えば、出力結果が公平で有害でないことを保証するなど、多くの点を考慮すべきです。本章は、上記の背景や考慮すべき点、そして AI をより有効活用するための具体的な行動指針を、皆様にお届けします。 +AI、特に生成 AI に強い興味は抱くことは理解できますが、それをどのように責任を持って利用するかについて、十分に考慮する必要があります。例えば、出力結果が公平で有害でないことを保証するなど、多くの点を考慮すべきです。本章は、上記の背景や考慮すべき点、そして AI をより有効活用するための具体的な行動指針を、皆様にお届けします。 ## はじめに このレッスンでは以下の内容を取り上げます： - 生成 AI アプリケーションを構築する際に、なぜ責任ある AI を重視すべきか -- 責任ある AI の基本原則と、それが生成系 AI とどう結びつくのか +- 責任ある AI の基本原則と、それが生成 AI とどう結びつくのか - 戦略とツールを使って、責任ある AI の原則をどのように実践するのか ## 学習目標 @@ -24,9 +24,9 @@ AI、特に生成系 AI に強い興味は抱くことは理解できますが ## 責任ある AI の原則 -生成 AI に対する興味は、今までにないほど高まっています。この盛り上がりは、新たな開発者や関心、資金をこの領域にもたらしています。これは、生成系 AI を使用して新しい製品や、新しい企業を創業する人々にとって非常に好意的な状況ですが、同時に責任を持って進めることも重要です。 +生成 AI に対する興味は、今までにないほど高まっています。この盛り上がりは、新たな開発者や関心、資金をこの領域にもたらしています。これは、生成 AI を使用して新しい製品や、新しい企業を創業する人々にとって非常に好意的な状況ですが、同時に責任を持って進めることも重要です。 -このコースでは、スタートアップが AI を利用した教育製品の実装に焦点を当てます。公平性、包括性、信頼性・安全性、セキュリティ・プライバシー、透明性、説明責任といった責任ある AI の原則に基づいて、これらが製品における生成系 AI の活用と、どのように関連していくのかについて考えます。 +このコースでは、スタートアップが AI を利用した教育製品の実装に焦点を当てます。公平性、包括性、信頼性・安全性、セキュリティ・プライバシー、透明性、説明責任といった責任ある AI の原則に基づいて、これらが製品における生成 AI の活用と、どのように関連していくのかについて考えます。 ## 責任ある AI を優先すべき理由 @@ -71,13 +71,13 @@ LLM のバージョンを更新するごとに、幻覚を減らす方向でパ ### 公平性の欠如 -公平性とは、「AI システムが偏見や差別を持たず、全人類を公平かつ平等に扱うこと」を意味します。生成系 AI の世界では、マイノリティグループの排他的な世界観が、モデルの出力で再強化されないように注意を払いたいと思います。 +公平性とは、「AI システムが偏見や差別を持たず、全人類を公平かつ平等に扱うこと」を意味します。生成 AI の世界では、マイノリティグループの排他的な世界観が、モデルの出力で再強化されないように注意を払いたいと思います。 -このような公平性が欠如した出力は、利用者にとって好意的な製品体験を妨げるだけでなく、社会的な損害をさらに引き起こします。アプリケーション開発者として、生成系 AI を用いたソリューション開発する際には、常に多種多様な利用者層を意識することが重要です。 +このような公平性が欠如した出力は、利用者にとって好意的な製品体験を妨げるだけでなく、社会的な損害をさらに引き起こします。アプリケーション開発者として、生成 AI を用いたソリューション開発する際には、常に多種多様な利用者層を意識することが重要です。 -## 責任ある生成系 AI の使用方法 +## 責任ある生成 AI の使用方法 -責任ある生成系 AI の重要性を理解した上で、責任を持って AI ソリューションを構築するために、4つの取り組むべき項目について見ていきましょう。 +責任ある生成 AI の重要性を理解した上で、責任を持って AI ソリューションを構築するために、4つの取り組むべき項目について見ていきましょう。 ![Mitigate Cycle](../../images/mitigate-cycle.png?WT.mc_id=academic-105485-yoterada) @@ -101,19 +101,19 @@ AI モデルとその出力によって引き起こされる、潜在的な害 Retrieval Augmented Generation（RAG）のような技術を使って、モデルが信頼できる情報源からのみ情報を引き出すようにすることもできます。このコースの後半で、検索アプリケーションの構築に関するレッスンもあります。 -- **ユーザーエクスペリエンス** 最後のレイヤーは、ユーザ・インターフェースです。利用者はどのような形であれ、アプリケーションが提供するインターフェイスを利用してモデルと直接やりとりを行います。このように UI/UX を設計し、モデルに送信する入力の種類やユーザーで表示されるテキストや画像を制限することができます。AI　アプリケーションをデプロイする際、生成系 AI アプリケーションができることと、できないことについて透明性を持って伝える必要があります。 +- **ユーザーエクスペリエンス** 最後のレイヤーは、ユーザ・インターフェースです。利用者はどのような形であれ、アプリケーションが提供するインターフェイスを利用してモデルと直接やりとりを行います。このように UI/UX を設計し、モデルに送信する入力の種類やユーザーで表示されるテキストや画像を制限することができます。AI　アプリケーションをデプロイする際、生成 AI アプリケーションができることと、できないことについて透明性を持って伝える必要があります。 [AI アプリケーションの UX デザイン](../../../12-designing-ux-for-ai-applications/README.md?WT.mc_id=academic-105485-yoterada)に特化したレッスンがあります。 - **モデルを評価** 大規模言語モデル（LLMs）は、そのモデルがどのようなデータを使って学習されたのかを完全に把握することができないため、扱うのが難しい場合があります。それでもなお、モデルの性能や出力は常に検証すべきです。特に出力の正確性、類似性、根拠の正しさ、関連性を評価することは重要です。これにより、利害関係者や利用者に透明性と信頼性を提供することができます。 -### 責任ある生成系 AI ソリューションを運用する +### 責任ある生成 AI ソリューションを運用する 本番環境用の AI アプリケーションを構築する最終段階に入りました。これには、スタートアップの法務部門やセキュリティ部門など他部署と協力し、全ての規制方針に準拠しているか確認することが含まれます。サービスのローンチ前には、デリバリー計画、問題発生時の対応、不具合が発生した際に元に戻すロールバック手順を作り、利用者に被害が及ばないように戦略を練りたいと思います。 ## ツール -責任ある AI ソリューションを開発する作業は、手間がかかるように感じられるかもしれません。しかし、その労力に見合う価値があります。生成系 AI 系のビジネスが進化するに連れて、開発作業中に責任ある AI を効率的に取り入れられるツールが、より充実していくでしょう。例えば、[Azure AI Content Safety](https://learn.microsoft.com/azure/ai-services/content-safety/overview?WT.mc_id=academic-105485-yoterada) は、API を呼び出すことで有害なコンテンツや画像を検出するのに役立ちます。 +責任ある AI ソリューションを開発する作業は、手間がかかるように感じられるかもしれません。しかし、その労力に見合う価値があります。生成 AI のビジネスが進化するに連れて、開発作業中に責任ある AI を効率的に取り入れられるツールが、より充実していくでしょう。例えば、[Azure AI Content Safety](https://learn.microsoft.com/azure/ai-services/content-safety/overview?WT.mc_id=academic-105485-yoterada) は、API を呼び出すことで有害なコンテンツや画像を検出するのに役立ちます。 ## 知識チェック @@ -131,6 +131,6 @@ A: 2 と 3 が正解です。責任ある AI を使用することで、害を ## お疲れ様でした! 次のレッスンを続ける -このレッスン終了後、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)をチェックして、生成系 AI の知識をさらに深めましょう。 +このレッスン終了後、[生成 AI 学習コレクション](https://aka.ms/genai-collection?WT.mc_id=academic-105485-yoterada)をチェックして、生成 AI の知識をさらに深めましょう。 レッスン 4 では、[プロンプト・エンジニアリングの基本](../../../04-prompt-engineering-fundamentals/translations/ja-jp/README.md?WT.mc_id=academic-105485-yoterada)について学びます！ diff --git a/04-prompt-engineering-fundamentals/translations/ja-jp/README.md b/04-prompt-engineering-fundamentals/translations/ja-jp/README.md index 3914e18bf..7670b7b84 100644 --- a/04-prompt-engineering-fundamentals/translations/ja-jp/README.md +++ b/04-prompt-engineering-fundamentals/translations/ja-jp/README.md @@ -4,7 +4,7 @@ 大規模言語モデル (LLM) では、プロンプトの書き方がとても重要で、慎重に作成したプロンプトは、そうでないものに比べ良い結果をもたらします。しかし、プロンプトやプロンプト・エンジニアリングとは一体どういう物なのでしょうか？また、LLM に送信する内容をどのようにして改善すればいいのでしょうか？この章と次の章では、そうした疑問に答えることを目指しています。 -_生成系 AI_ は、ユーザーからの依頼に対して、テキスト、画像、オーディオ、コード等の新しいコンテンツを生み出す能力を有しています。これを実現するために、OpenAI の GPT（Generative Pre-trained Transformer）シリーズのような、自然言語とコードの使用目的でトレーニングされた _大規模言語モデル（LLM）_ を利用します。 +_生成 AI_ は、ユーザーからの依頼に対して、テキスト、画像、オーディオ、コード等の新しいコンテンツを生み出す能力を有しています。これを実現するために、OpenAI の GPT（Generative Pre-trained Transformer）シリーズのような、自然言語とコードの使用目的でトレーニングされた _大規模言語モデル（LLM）_ を利用します。 利用者は、チャットのような馴染み深い手法で、特別な技術の知識や研修を受講しなくても、これらのモデルと対話できるようになりました。これらのモデルは、_プロンプト_ で操作し、ユーザーがテキストの入力（プロンプト）を送ると、AI からの回答（コンプリーション）が得られます。その後、利用者は何度も 「AI と対話」を重ね、複数回のやり取りを通じてプロンプトを洗練させ、期待する回答が得られるまで調整を行います。 diff --git a/05-advanced-prompts/translations/ja-jp/README.md b/05-advanced-prompts/translations/ja-jp/README.md index c90f17dde..6857b6474 100644 --- a/05-advanced-prompts/translations/ja-jp/README.md +++ b/05-advanced-prompts/translations/ja-jp/README.md @@ -53,7 +53,7 @@ ご覧のとおり、プロンプトを作成する際には考慮すべきことがたくさんあります。 -ここまでは、簡単なプロンプトの例を見てきましたが、生成系 AI は、さまざまな役割や業界の人々を支援するために、より多くのことができます。次に、いくつかの基本的なテクニックを確認してみましょう。 +ここまでは、簡単なプロンプトの例を見てきましたが、生成 AI は、さまざまな役割や業界の人々を支援するために、より多くのことができます。次に、いくつかの基本的なテクニックを確認してみましょう。 ### プロンプトのテクニック diff --git a/07-building-chat-applications/translations/ja-jp/README.md b/07-building-chat-applications/translations/ja-jp/README.md index f0edeb3ea..5a4f09b41 100644 --- a/07-building-chat-applications/translations/ja-jp/README.md +++ b/07-building-chat-applications/translations/ja-jp/README.md @@ -6,14 +6,14 @@ テキスト生成アプリの構築方法を見てきたところで、次にチャット・アプリケーションについて考えてみましょう。 -チャットアプリケーションは私たちの日常生活に溶け込み、単なるカジュアルな会話の手段以上のものを提供しています。それらはカスタマーサービスやテクニカルサポート、さらには高度なアドバイザリー・システムの重要な部分を担っています。あなたも最近、チャットアプリケーションから何らかの支援を受けたことがあるかもしれません。これらのプラットフォームに生成系 AI などの先進技術を組み込むと、その複雑さは増し、それに伴い課題も増えてきます。 +チャットアプリケーションは私たちの日常生活に溶け込み、単なるカジュアルな会話の手段以上のものを提供しています。それらはカスタマーサービスやテクニカルサポート、さらには高度なアドバイザリー・システムの重要な部分を担っています。あなたも最近、チャットアプリケーションから何らかの支援を受けたことがあるかもしれません。これらのプラットフォームに生成 AI などの先進技術を組み込むと、その複雑さは増し、それに伴い課題も増えてきます。 解答が必要な質問は以下の通りです。 - **アプリの構築** 特定のユースケースに対して、これらの AI を活用したアプリケーションを効率的に構築し、シームレスに統合するにはどうすればよいのでしょうか？ - **モニタリング** 一度デプロイした後、アプリケーションが機能面と[責任のあるAIの六つの原則](https://www.microsoft.com/ai/responsible-ai?WT.mc_id=academic-105485-yoterada)の遵守という観点から、最高レベルの品質で動作していることをどのように監視し、確認することができるのでしょうか？ -自動化が進み、人間と機械が連続でやり取りする時代に突入する中で、生成系 AI がチャット・アプリケーションの範囲、深さ、そして適応力をどう変えていくのかを理解することが重要です。このレッスンでは、これらの複雑なシステムを支えるアーキテクチャの側面を探求し、ドメイン固有のタスクに合わせてそれらを微調整する方法論を深掘りし、責任ある AI のデプロイを確実にするための指標と考慮点を取扱います。 +自動化が進み、人間と機械が連続でやり取りする時代に突入する中で、生成 AI がチャット・アプリケーションの範囲、深さ、そして適応力をどう変えていくのかを理解することが重要です。このレッスンでは、これらの複雑なシステムを支えるアーキテクチャの側面を探求し、ドメイン固有のタスクに合わせてそれらを微調整する方法論を深掘りし、責任ある AI のデプロイを確実にするための指標と考慮点を取扱います。 ## はじめに @@ -32,7 +32,7 @@ - AI を活用したチャット・アプリケーションの品質を効果的に監視し、維持するために重要な指標と考慮点を特定する - チャット・アプリケーションが責任ある AI の原則を活用することを確認する -## 生成系　AI　をチャット・アプリケーションに統合する +## 生成　AI　をチャット・アプリケーションに統合する 生成 AI を用いてチャット・アプリケーションを進化させることは、ただ単にそれをスマートにするだけではありません。それは、アーキテクチャ、パフォーマンス、ユーザー・インターフェースを最適化し、ユーザーに高品質な体験を提供することもできます。これは、アーキテクチャの基盤、API 統合、ユーザー・インターフェースの考慮点を調査することも含みます。このセクションでは、既存のシステムに組み込むか、もしくは独立したプラットフォームとして構築するかに関わらず、これら複雑な領域を効率的に進めるための包括的なロードマップを提供します。 @@ -40,7 +40,7 @@ ### チャットボットとチャットアプリケーション、どちらが適している？ -チャット・アプリケーションの実装に取り組む前に、「チャット・ボット」と「AI 搭載チャット・アプリケーション」を比較し、それぞれが果たす役割と機能の違いを理解しましょう。チャット・ボットの主な目的は、よくある質問への回答や荷物の追跡など、特定の会話タスクを自動化することです。これは通常、ルール・ベースのロジックや複雑な AI アルゴリズムによって制御されます。それとは対照的に 「生成系 AI を搭載したチャットアプリケーション」は、利用者との間でテキスト、音声、ビデオチャットなど、さまざまな形式のデジタル・コミュニケーションを可能にする、より広範囲な環境を提供します。その特徴は、微妙なニュアンスを持つ人間のような会話をシミュレートし、さまざまな入力と文脈上の手がかりに基づいて回答を生成する生成系 AI モデルを統合した物です。生成系 AI を搭載したチャット・アプリケーションは、特定のトピックや領域に限定せずあらゆる種類のトピックや質問に対応し、会話が進むにつれて変化するトピックや状況変化にも対応でき、さらには創造的な対話や複雑な対話を生み出すことができます。 +チャット・アプリケーションの実装に取り組む前に、「チャット・ボット」と「AI 搭載チャット・アプリケーション」を比較し、それぞれが果たす役割と機能の違いを理解しましょう。チャット・ボットの主な目的は、よくある質問への回答や荷物の追跡など、特定の会話タスクを自動化することです。これは通常、ルール・ベースのロジックや複雑な AI アルゴリズムによって制御されます。それとは対照的に 「生成 AI を搭載したチャットアプリケーション」は、利用者との間でテキスト、音声、ビデオチャットなど、さまざまな形式のデジタル・コミュニケーションを可能にする、より広範囲な環境を提供します。その特徴は、微妙なニュアンスを持つ人間のような会話をシミュレートし、さまざまな入力と文脈上の手がかりに基づいて回答を生成する生成 AI モデルを統合した物です。生成 AI を搭載したチャット・アプリケーションは、特定のトピックや領域に限定せずあらゆる種類のトピックや質問に対応し、会話が進むにつれて変化するトピックや状況変化にも対応でき、さらには創造的な対話や複雑な対話を生み出すことができます。 下記の表は、デジタル・コミュニケーションにおけるそれぞれの役割を理解するのに役立つ、主な違いと類似点をまとめたものです。 @@ -88,7 +88,7 @@ See https://platform.openai.com/account/api-keys for details. 一般的な UX の原則はチャット・アプリケーションにも適用されますが、機械学習の要素が関わるため、特に重要な追加の考慮点がいくつかあります。 - **曖昧さへの対処方法**: 生成 AI モデルは時折、曖昧な回答を生成します。ユーザーがこの問題に遭遇した際に、明確化を求めることができる機能は役立ちます。 -- **文脈（コンテキスト）の保持**: 高度な生成系 AI モデルは、会話の文脈(会話履歴)を記憶する能力を持っており、これはユーザー・エクスペリエンスにとって必要な要素になります。ユーザーに文脈を制御し管理する能力を与えることで、ユーザー・エクスペリエンスは向上しますが、それと同時に、機密性の高いユーザー情報を保持するリスクも生じます。この情報をどの位の期間保持するか、例えば保持期間のポリシーを導入するなどの考慮が必要で、これにより文脈の必要性とプライバシーのバランスを保つことができます。 +- **文脈（コンテキスト）の保持**: 高度な生成 AI モデルは、会話の文脈(会話履歴)を記憶する能力を持っており、これはユーザー・エクスペリエンスにとって必要な要素になります。ユーザーに文脈を制御し管理する能力を与えることで、ユーザー・エクスペリエンスは向上しますが、それと同時に、機密性の高いユーザー情報を保持するリスクも生じます。この情報をどの位の期間保持するか、例えば保持期間のポリシーを導入するなどの考慮が必要で、これにより文脈の必要性とプライバシーのバランスを保つことができます。 - **パーソナライゼーション**: 学習と適応の能力を持つ AI モデルは、ユーザーに個別のエクスペリエンスを提供します。ユーザー・プロファイルなどの機能を通じてユーザー・エクスペリエンスをカスタマイズすることは、ユーザーが理解されていると感じさせるだけでなく、特定の回答を見つけるための手助けを行い、より効率的で満足度の対話を生み出します。 パーソナライゼーションの一例として、OpenAI の ChatGPT では「Custom instructions（カスタム指示）」設定があります。これは、プロンプトに重要なコンテキストとなる自身の情報を提供することができるようになります。下記にカスタム指示の例を示します。 diff --git a/09-building-image-applications/translations/ja-jp/README.md b/09-building-image-applications/translations/ja-jp/README.md index 06fc8fa5b..146482516 100644 --- a/09-building-image-applications/translations/ja-jp/README.md +++ b/09-building-image-applications/translations/ja-jp/README.md @@ -24,7 +24,7 @@ LLM はテキスト生成だけでなく、テキストの説明から画像を ## 画像生成アプリケーションを作る理由は何でしょう？ -画像生成アプリケーションは、生成系 AI の能力を引き出す絶好の手段です。例えば、下記のような用途に利用できます： +画像生成アプリケーションは、生成 AI の能力を引き出す絶好の手段です。例えば、下記のような用途に利用できます： - **画像編集と合成**：画像編集や画像合成など、様々な用途の画像を生成することができます。 @@ -48,7 +48,7 @@ LLM はテキスト生成だけでなく、テキストの説明から画像を ### DALL-E -まずは、テキストの説明から画像を生成する生成系AIモデル、DALL-E について見ていきましょう。 +まずは、テキストの説明から画像を生成する生成 AI モデル、DALL-E について見ていきましょう。 > [DALL-Eは、CLIP と Diffused attention という2つのモデルを組み合わせたものです](https://towardsdatascience.com/openais-dall-e-and-clip-101-a-brief-introduction-3a4367280d4e?WT.mc_id=academic-105485-yoterada). @@ -64,7 +64,7 @@ Midjourney も DALL-E と同様に、テキストプロンプトから画像を ## DALL-E と Midjourney はどのように動作するのでしょうか？ -まず、[DALL-E](https://arxiv.org/pdf/2102.12092.pdf?WT.mc_id=academic-105485-yoterada) について説明します。DALL-E は、*自己回帰型トランスフォーマー*を用いたトランスフォーマー・アーキテクチャに基づく生成系 AI モデルです。 +まず、[DALL-E](https://arxiv.org/pdf/2102.12092.pdf?WT.mc_id=academic-105485-yoterada) について説明します。DALL-E は、*自己回帰型トランスフォーマー*を用いたトランスフォーマー・アーキテクチャに基づく生成 AI モデルです。 *自己回帰型トランスフォーマー*は、AI モデルがテキストの説明から画像を生成する方法を定義します。このモデルは一度に 1 ピクセルずつ生成し、生成したピクセルを使って、次のピクセルを生成します。このプロセスは、画像が完成するまで、ニューラル・ネットワークの複数の層を通過します。 @@ -235,7 +235,7 @@ generation_response = openai.Image.create( - **prompt**：画像を生成するためのテキスト・プロンプトです。この例では、「ウサギがキャンディを持って馬に乗り、霧のかかった牧場で水仙が育つ中を走っている」というプロンプトを使用しています。 - **size**：生成する画像のサイズを指定します。この例では、1024x1024 ピクセルの画像を生成しています。 - **n**：生成する画像の数です。この例では、2 つの画像を生成しています。 -- **temperature**：生成系 AI モデルの出力のランダム性を制御するパラメータです。温度は 0 から 1 の間の値で、0 は出力が決定的であることを意味し、1 は出力がランダムであることを意味します。デフォルト値は 0.7 です。 +- **temperature**：生成 AI モデルの出力のランダム性を制御するパラメータです。温度は 0 から 1 の間の値で、0 は出力が決定的であることを意味し、1 は出力がランダムであることを意味します。デフォルト値は 0.7 です。 次のセクションでは、画像生成でできることについてさらに詳しく説明します。 @@ -275,7 +275,7 @@ generation_response = openai.Image.create( ## 温度 -温度は、生成系 AI モデルの出力のランダム性を制御するパラメータで、0 から 1 までの値を取ります。0 は出力が決定的であること、1 は出力がランダムであることを示しています。デフォルト値は 0.7 となっています。 +温度は、生成 AI モデルの出力のランダム性を制御するパラメータで、0 から 1 までの値を取ります。0 は出力が決定的であること、1 は出力がランダムであることを示しています。デフォルト値は 0.7 となっています。 実際に確認するため、下記のプロンプトを二度実行して、温度がどのように作用するかを見てみましょう。 @@ -325,13 +325,13 @@ generation_response = openai.Image.create( 例えば、職場の中で安全でない画像や、子供に適さない画像を生成することは避けたいと思います。 -これは*メタ・プロンプト*という手法を使って実現できます。メタ・プロンプトは、生成系 AI モデルの出力を制御するために使用するテキスト・プロンプトです。例えば、メタ・プロンプトを使って出力を制御し、生成された画像が職場にとって安全であることや、子供に適していることを確認できます。 +これは*メタ・プロンプト*という手法を使って実現できます。メタ・プロンプトは、生成 AI モデルの出力を制御するために使用するテキスト・プロンプトです。例えば、メタ・プロンプトを使って出力を制御し、生成された画像が職場にとって安全であることや、子供に適していることを確認できます。 ### それはどのように動作するのでしょうか？ それでは、メタ・プロンプトはどのように動作するのでしょうか？ -メタ・プロンプトは、生成系 AI モデルの出力を制御するために使用するテキスト・プロンプトで、テキスト・プロンプトの前に配置し、モデルの出力を制御するために使用します。これはアプリケーションに組み込まれ、モデルの出力を制御します。プロンプト入力とメタ・プロンプト入力を一つのテキスト・プロンプトにまとめます。 +メタ・プロンプトは、生成 AI モデルの出力を制御するために使用するテキスト・プロンプトで、テキスト・プロンプトの前に配置し、モデルの出力を制御するために使用します。これはアプリケーションに組み込まれ、モデルの出力を制御します。プロンプト入力とメタ・プロンプト入力を一つのテキスト・プロンプトにまとめます。 メタ・プロンプトの一例を下記に示します。 diff --git a/10-building-low-code-ai-applications/translations/ja-jp/README.md b/10-building-low-code-ai-applications/translations/ja-jp/README.md index 1a3b042dd..ff421bdbc 100644 --- a/10-building-low-code-ai-applications/translations/ja-jp/README.md +++ b/10-building-low-code-ai-applications/translations/ja-jp/README.md @@ -6,7 +6,7 @@ ## はじめに -画像生成アプリケーションの作り方を学んだところで、次にローコード開発について会話をうつしましょう。生成系 AI はローコードを含む多様な領域で使えますが、ローコードとは何でしょうか。また、それをどのように AI を組み込む事ができるのでしょうか。 +画像生成アプリケーションの作り方を学んだところで、次にローコード開発について会話をうつしましょう。生成 AI はローコードを含む多様な領域で使えますが、ローコードとは何でしょうか。また、それをどのように AI を組み込む事ができるのでしょうか。 ローコード開発プラットフォームの利用により、従来の開発者や開発未経験者でもアプリやソリューションの作成がより簡単になりました。ローコード開発プラットフォームを使うと、ほとんどコードを書かずに、あるいは全く書かずに、アプリやソリューションを作れます。これは、コンポーネントをドラッグ・アンド・ドロップで配置できるビジュアル開発環境を利用することで実現します。これにより、アプリやソリューションをより速く、リソースも少なく作れます。このレッスンでは、ローコードの使い方と、Power Platform を使った AI によるローコード開発の方法について詳しく説明します。 @@ -14,7 +14,7 @@ Power Platform は、直感的なローコードまたはノーコードの開 このレッスンでは、下記の内容を取り扱います： -- Power Platform における生成系AIの紹介 +- Power Platform における生成 AI の紹介 - Copilot の紹介と使い方 - 生成 AI を使って Power Platform でアプリとフローを作る方法 - AI Builder を使って Power Platform の AI モデルを理解する方法 @@ -41,9 +41,9 @@ Power Platform は、直感的なローコードまたはノーコードの開 - **AI Builder**: 事前に作成した AI モデルを使ってスタートアップの請求書を処理するための請求書処理 AI モデルを作ります。 -## Power Platform における生成系 AI +## Power Platform における生成 AI -Power Platform の主な目標は、生成系 AI を用いてローコード開発とアプリケーションを強化することです。その狙いは、データサイエンスの専門知識がない人でも、AI を使ったアプリ、サイト、ダッシュボードの作成や、AI によるプロセスの自動化ができるようにすることです。この目標は、Copilot と AI Builder を通じて、Power Platform のローコード開発体験に生成系 AI を組み込むことで達成します。 +Power Platform の主な目標は、生成 AI を用いてローコード開発とアプリケーションを強化することです。その狙いは、データサイエンスの専門知識がない人でも、AI を使ったアプリ、サイト、ダッシュボードの作成や、AI によるプロセスの自動化ができるようにすることです。この目標は、Copilot と AI Builder を通じて、Power Platform のローコード開発体験に生成 AI を組み込むことで達成します。 ### どのように動作するのでしょうか？ diff --git a/13-continued-learning/translations/ja-jp/README.md b/13-continued-learning/translations/ja-jp/README.md index 874d511dc..90194d661 100644 --- a/13-continued-learning/translations/ja-jp/README.md +++ b/13-continued-learning/translations/ja-jp/README.md @@ -12,11 +12,11 @@ 🔗 [GPTモデルの仕組み:誰でも理解できる](https://bea.stollnitz.com/blog/how-gpt-works/?WT.mc_id=academic-105485-yoterada) -🔗 [生成型AIの基礎](https://learn.microsoft.com/training/modules/fundamentals-generative-ai?&WT.mc_id=academic-105485-yoterada) +🔗 [生成 AI の基礎](https://learn.microsoft.com/training/modules/fundamentals-generative-ai?&WT.mc_id=academic-105485-yoterada) 🔗 [GPTモデルの仕組み:誰でも理解できる](https://bea.stollnitz.com/blog/how-gpt-works?WT.mc_id=academic-105485-yoterada) -🔗 [生成型AI:教育への影響と応用](https://arxiv.org/abs/2305.07605?wt.mc_id=github_S-1231_webpage_reactor) +🔗 [生成 AI:教育への影響と応用](https://arxiv.org/abs/2305.07605?wt.mc_id=github_S-1231_webpage_reactor) ## レッスン2 - 様々なLLMの調査と比較 @@ -34,15 +34,15 @@ 🔗 [[2304.04052] デコーダのみかエンコーダ-デコーダか？言語モデルを正則化されたエンコーダ-デコーダとして解釈する (arxiv.org)](https://arxiv.org/abs/2304.04052?wt.mc_id=github_S-1231_webpage_reactor) -## レッスン3 - 責任ある生成系 AI の利用 +## レッスン3 - 責任ある生成 AI の利用 -🔗 [責任ある生成型AIの基礎](https://learn.microsoft.com/training/modules/responsible-generative-ai/?&WT.mc_id=academic-105485-yoterada) +🔗 [責任ある生成 AI の基礎](https://learn.microsoft.com/training/modules/responsible-generative-ai/?&WT.mc_id=academic-105485-yoterada) -🔗 [LLMのグラウンディング](https://techcommunity.microsoft.com/t5/fasttrack-for-azure/grounding-llms/ba-p/3843857?WT.mc_id=academic-105485-yoterada) +🔗 [LLM のグラウンディング](https://techcommunity.microsoft.com/t5/fasttrack-for-azure/grounding-llms/ba-p/3843857?WT.mc_id=academic-105485-yoterada) -🔗 [責任ある生成型AIの基礎](https://learn.microsoft.com/training/modules/responsible-generative-ai?WT.mc_id=academic-105485-yoterada) +🔗 [責任ある生成 AI の基礎](https://learn.microsoft.com/training/modules/responsible-generative-ai?WT.mc_id=academic-105485-yoterada) -🔗 [生成型AIの責任ある使用](https://learn.microsoft.com/shows/ai-show/being-responsible-with-generative-ai?WT.mc_id=academic-105485-yoterada) +🔗 [生成 AI の責任ある使用](https://learn.microsoft.com/shows/ai-show/being-responsible-with-generative-ai?WT.mc_id=academic-105485-yoterada) 🔗 [GPT-4システムカード](https://cdn.openai.com/papers/gpt-4-system-card.pdf?wt.mc_id=github_S-1231_webpage_reactor)