あらすじ
◆生成AIの仕組みを理解し、システムに導入する◆
ChatGPTやGeminiが登場してから、世界中で生成AIブームが続いています。代表的な使い方として、文章の要約やアイデア出しなどが有名です。一方、その理由（Why）を正しく説明できる人は、実はそれほど多くありません。
本書は、生成AIの基本に立ち返り、類書で取り上げられない理屈（Why）に注力して解説します。生成AIの入門からシステム導入までに必要なエッセンスを厳選し、図解も交えながら1冊で体系的にまとめています。
はじめに、生成AIの仕組みや基本的なプロンプト手法をわかりやすく説明します。続いて、生成AIの応用技術であるRAGとAIエージェントを取り上げ、その本質的な仕組みや主要なサービスについて解説します。最後に、生成AIを仕事で使いこなす・システム導入するための具体的なアクションプランを紹介します。
■こんな方におすすめ
・ChatGPTの活用レベルを要約や文章生成から上げたい方
・RAGやAIエージェントなどの生成AI技術を体系的に学びたい方
・生成AI導入案件のポイントを手っ取り早くおさえたい方
■目次
第1章 まずは生成AIの基本を知ろう！
・1.1 生成AIと大規模言語モデルって何？
・1.2 大規模言語モデルってどんな仕組みで動いてるの？
・1.3 大規模言語モデルは何が新しいの？
・1.4 まずは三大LLMサービスを覚えよう！
・1.5 生成AIを使うときの注意点は？
・1.6 生成AIの著作権と向き合おう！
第2章 すべてはプロンプトから始まる
・2.1 プロンプトの基礎知識
・2.2 プロンプトを書くときの基本ルール
・2.3 生成AIの長所を活かして短所を補おう！
第3章 実践！プロンプトエンジニアリング
・3.1 たったこれだけ！プロンプト基本パターン10選
・3.2 適切なプロンプト手法の選び方
第4章 生成AIに新たな知識を与えるRAG
・4.1 RAGって何？
・4.2 実は検索エンジンが主役！RAGを支える仕組み
第5章 実践！RAGシステムの導入ポイント
・5.1 RAGシステムの全体像を知ろう！
・5.2 「インデックスの登録」におけるポイントは？
・5.3 「ユーザーの入力」におけるポイントは？
・5.4 「検索クエリの実行」におけるポイントは？
・5.5 「回答の生成」におけるポイントは？
第6章 今エンジニアが最優先で学ぶべき技術！AIエージェント
・6.1 AIエージェントって何？
・6.2 Profiling機能：役割と目的を定める
・6.3 Planning機能：目的を達成する計画を立てる
・6.4 Action機能：計画にもとづいて行動する
・6.5 Memory機能：情報を記録して活用する
第7章 実践！AIエージェントの応用テクニック大全
・7.1 AIエージェント同士の連携パターン
・7.2 AIエージェントの身近な例
・7.3 AIエージェントを作るツール
・7.4 標準化ツール
第8章 生成AIを「使いこなす」アクション集
・8.1 生成AIマインドに切り替えるためのアクション
・8.2 プロンプトをチューニングするためのアクション
・8.3 生成AIとの役割分担を見直すためのアクション
・8.4 生成AIの嘘を見つけやすくするためのアクション
・8.5 生成AIを感覚で覚えるためのアクション
第9章 生成AIを「システム導入する」アクション集
・9.1 企画・構想フェーズのアクション
・9.2 精度分析・改善フェーズのアクション
・9.3 実機化・運用フェーズのアクション
■著者プロフィール
山田博啓：東京工業大学（現東京科学大学）理工学研究科を卒業後、2017年に日鉄ソリューションズ株式会社へ入社。大手アパレル向け大規模システム開発プロジェクトにおいて、アプリケーションおよびインフラ双方のプロジェクトリーダーを担当。その後、同社研究部署へ異動し、自然言語処理の応用研究および案件適用に従事。社内初となる生成AI研究テーマを発足し、大手製造業・小売業を中心に生成AIシステム導入プロジェクトを推進。2023年から2025年まで、3年連続で「Japan AWS All Certifications Engineers」に選出。
感情タグBEST3
Posted by ブクログ
そもそも生成AIとはなんぞや、ということで手にした本書。個別のサービスの利用方法ではなく、生成AIについて、なぜそうなるのか、どう考えるのかといった本質的な内容の解説本となっている。
著者は実際にシステムに生成AIを組み込むプロジェクトに関わっており、現場目線の解説も非常に説得力がある。
とにかく、今は変化のスピードがかなり速い分野なので、このような本質に触れる内容は非常に助かる。
インターネット、スマホ、生成AIと、大きなビッグウェーブの中、出発点となる本になるだろう。
何度も立ち返って読み返したい。
Posted by ブクログ
生成AIの基本からわかりやすく理解できました。マインドセットにも言及があり、流行り廃りが激しい領域において、色褪せにくい書籍だと思います。 本書自体も生成AIを活用してはいるが、ストーリー検討やブラッシュアップなど完成までの一連の工程は、多くの手作業によって成立したとのこと。まさに生成AIの現在地を示しているようで面白い。 豊富な実務経験と文献に裏打ちされた、信頼できる書籍かと思います。
Posted by ブクログ
著者の豊富な実務経験に基づいて様々な手法のメカニズムや選び方について分かりやすく説明されている
図解も豊富にあって時々ユーモアのある例が出てくるので飽きずに最後まで楽しめた
Posted by ブクログ
生成AIの本は気になって何冊か眺めてみたものの、読みやすいけど内容が表面的だったり、逆に著者の理解が浅いまま用語や数式が多用されたり、なかなか「これなら読めそう」と思えるものに出会えませんでした。
そんな中で、この本は読みやすさと内容の深さが絶妙でした。
読みやすさについては群を抜いています。専門用語をただ並べるのではなく、一つひとつ丁寧な例えを交えて説明されており、豊富な図表のおかげで直感的に理解できます。
また、解説の端々に遊び心が散りばめられているため、堅苦しさを感じることなく最後まで楽しく読み進めることができました。
そして、読みやすいからといって決して内容が浅いわけではありません。
生成AIの基本はもちろん、名前だけは知っていた「RAG」や「AIエージェント」の裏側の仕組みまでしっかりと理解できました。
LLM（大規模言語モデル）が実際には入力情報を記憶しているわけではないというのも本書で初めて知りました。
さらに、著者の実務経験に基づく「技術選択のマインドセット」まで書かれている点が非常に素晴らしく、それぞれの技術手法のメリットを単なる暗記ではなく「理屈」として腹落ちさせることができます。
これから生成AIを扱うすべての人たちにとって、間違いなく業界の標準になる名著です。
匿名
理屈から学べるホンモノの一冊
生成AI本は数多くありますが、表面的な整理や機能紹介にとどまり、結局「何がどう違って、どう役立つのか」が見えないまま終わるものも少なくありません。その点、この本は各手法をきちんと比較しながら、性質や利点を理屈から解きほぐしてくれるのが素晴らしいです。知識を並べるだけではなく、理解できる形にまで落とし込んでくれるので、読むほどに頭の中が整理されます。本職の方が実務の経験を踏まえて書かれてあり、専門性のある内容をここまで平易に説明している本は珍しく、よくある入門書とは明らかに質が違うと感じました。図解も分かりやすく、これまで読んだ中でも特に納得感のある一冊でした。
Posted by ブクログ
F4.1.2 RAG が効果的なケース
RAG は、その仕組み自体は非常にシンプルでありながら、検索対象を変えるだけで幅広い用途に活用できる、汎用性の高さがあります。とはいえ、何でもかんでも
RAG を使えばよいというわけではありません。たとえば、「猫とは何か？」「System Integrator とは何か教えて」というような一般常識に関する質問であれば、LLM単体でも回答できます。こうしたケースでは、わざわざ
RAGの仕組みを取り入れるメリットは薄いでしょう。
では、RAG はどのような場面で効果を発揮するのでしょうか。ずばり、RAG が有効なケースは、大きく次の3つに分類されます。
●常に最新情報を参照する必要があるケース
17人がハイライト
●組織固有の情報を扱うケース
●裏取り（ファクトチェック）が必要なケース
1つ目は、常に最新情報を参照する必要があるケースです。ChatGPT の各モデルをはじめとして、代表的な
LLM は定期的（数ヵ月～1年程度）に再学習やバージョンアップが行われ、学習データを最新化します。それでも、LLM が学習するデータの断面（ナレッジカットオフと呼ぶ）は、典型的に半年から数年前の古い情報になっており、それ以降に発生した出来事は学習データに含まれていません。そのため、今日の天気予報や昨日の株価など、リアルタイムな情報を聞いても正確に答えられません。そこで、RAG の出番です。「今日の東京の天気は？」という人間の質問をLLM に入力する前に、この質問を用いてWeb検索を実行します。そうして得られた結果をもとの質問とセットで LLM に与えることで、リアルタイムの天気予報についても答えられるようになります。ChatGPT の裏側でも、まさにこの仕組みが取り入れられています。システムの仕様変更や日々更新されるマニュアルのように、ドキュメントの内容が頻繁に変更される場合も、RAGの仕組みを取り入れることで、常に最新情報を回答できます。ドキュメントが更新されるたびに LLM を再学習させると莫大な計算コストがかかりますが、RAGを使えば、ドキュメントさえ最新の状態に保っておけばよく、運用コストを大きくおさえられるメリットもあります。
2 つ目は、社内ルールや業務マニュアルなど、組織固有の情報を扱うケースです。LLM は膨大な一般知識を持つ反面、あなたが所属する会社独自のルールや用語をまったく知りません。ここでも、やはりRAG の出番です。たとえば、事務作業で社内規定を参照したり、問い合わせサポートで対応マニュアルや製品設計書を参照したり、システムを開発するために設計書を参照したり、企業活動のほとんどは、抽象的に見れば社内情報を参照するタスクです。実際、各企業では生成 AI をビジネスに適用しようと積極的に導入を進めていますが、そこではほぼ必ずRAGの仕組みが使われています。
3つ目は、裏取り（ファクトチェック）が必要なケースです。LLM は膨大な知識にもとづいて幅広い質問に回答できる反面、その回答には嘘の情報（ハルシネーション）が含まれます。そのため、特に重要な内容に関しては、最終的に人間がもとの文書をチェックする必要があります。RAGを使うことで、回答の根拠になった文書ファイルや記載箇所をピンポイントで示せるため、人間による確認作業が楽になります。たとえば、法律に関する質問では、膨大な法令や判例をすべて読む代わりに、LLMが着目した箇所に絞って読むだけで済み、最小限の手間で内容の妥当性をチェックできるようになります。また、RAGの仕組みを使って LLMに正しい文章を入力することは、実質的に 2.3で紹介した「入力情報
IV出力情報」のタスクを解かせることにもなり、結果的にLLM のハルシネーションそのものを抑制する効果も期待できます。
Posted by ブクログ
生成AIを仕事で使いこなしたいと思い読みました。
私の生成AIの認識は、文書を要約、翻訳、企画案出しに使うものと思っていました。
使い方には、間違いはないのですが、これでは生成AIの能力の10%も使えていないのではとこの本を読み思いました。
生成AIの活用に置いて重要なのは、会社ルールをどれだけ生成AIに取り込むかということです。
この取り込みにより、作り出される成果物は会社ルールに基づくこととなり、手直しが少なくなるのです。
課題とすれば、この会社ルールはどこまで取り込んでよいのか？というルールを設けることから始めないと業務の効率化は始まりません。
生成AIを導入するだけがかゴールではなくこれからどのように活用していくのかのビジョンが大切である。
キーワード
生成AIの精度は70%
100%を達成したいのであればプログラムを組むしかない。
生成AIにも得意不得意がある
生成AIは、包丁のような便利で危険な道具
Posted by ブクログ
話題の生成AI本は一通り読んだけどエンプラAI開発をまともに経験してないエンジニアかインフルエンサー本が多くて、表面的な整理やそれっぽい未来話で終わる。現場では最終的に投資価値まで説明しないといけないので、その選択が妥当な理由を技術面でも運用面でも説明できる必要がある。
本当に知りたいのはどの技術がなぜ重要で、どこで精度に効いて、どう運用に落ちるのかという話なのに、その肝心な説明の回答を出せてない。
この本はその辺を分かってるAIエンジニアが書いてるので、実際の使い分けと現実的な制約をかなり具体的に書いてて分かりやすい。間違いなく今出てる生成AIの本で一番オススメ。
