経営者向けAI用語集:20語をシンプルに解説
人工知能に関するあらゆる打ち合わせ、見積もり、記事に登場する20の用語があります。ここでは、専門用語を避けて、その正確な意味を、工房、レストラン、家族から引き出した例とともに説明します。最後に、オファーを読み、適切な質問をし、空虚な約束を見分けることができるようになります。
- 言語モデルはテキストの続きをトークンごとに予測します。真実のデータベースを参照するわけではありません。
- コンテキストとは、モデルが回答する際に読むすべてのもの、それ以外の何ものでもありません。
- RAGはお客様のドキュメントを取得し、ファインチューニングはモデル自体を修正します。小規模企業の場合、ほとんどの場合、最初の方法で十分です。
- ハルシネーションとは、確信を持って述べられた誤りです。ソース、ガードレール、レビューで制限できます。
- エージェントのコストはトークンで読み取られ、ログですべてを検証できます。
このレキシコンはあなたをエンジニアにすることを目指していません。20の単語の正確な意味を提供し、テーマ別に整理して、オファーを理解し、適切なタイミングで適切な質問をできるようにします。各定義は1~2文で、具体的なシーンが付いています。エージェント、チャットボット、自動化の違いを探している場合、専用の記事で詳しく説明しています。
I基本:モデル、LLM、トークン、プロンプト
膨大な量のテキストで訓練されたプログラムで、テキストの次の最も可能性の高い部分を、断片ごとに予測します。
LLMは「large language model」、大規模言語モデルを意味します。ChatGPT、Gemini、Le Chat、Copilotはこのタイプのモデルに基づいています。モデルはファイルから回答を探すのではなく、それを構成します。これが柔軟性をもたらし、同時にエラーの原因にもなります。
その モデル 計算の中核です。使用する製品はインターフェース、ルール、ツールで装飾します。2つの製品が同じモデルを使用していても、提供される指示とドキュメントに応じて、非常に異なる結果を生成できます。
1つの トークン モデルが読み書きするテキストの単位です。文字でもなく、完全な単語でもありません。短い単語は1つのトークンで表現されることが多く、長い単語は複数のトークンで表現されます。配管工の催促メールと添付請求書は数千トークンを表します。プロバイダーはトークン単位で請求するため、頻繁に言及されます。
プロンプトはモデルに何かを求めるために送信するテキストです。「3週間遅れている請求書2024-118を要求するための丁寧なメールを書いてください」はプロンプトです。目的、トーン、有用な情報をより詳しく説明するほど、回答は良くなります。
IIエージェントの仕事:ミッション、自動化、ホワイトテスト、検証
エージェントはモデルを使用してタスクを完了するプログラムです。読み取り、次のステップを決定し、ツールを使用して結果を提供します。チャットボットが質問に答えるのに対し、エージェントはファイルを処理します。例えば、月曜日の全期限切れ請求書です。
ミッションはエージェントの永続的な指示です:何をするか、誰のために、どのペースで、どのような制限の下で。これは毎回変わらないプロンプトです。ベーカリーの場合:「毎週金曜日、販売テーブルから小麦粉の注文を準備し、指定された予算を決して超えないこと。」
自動化とは、人間の介入なしにトリガーされる一連の固定アクションを指します。例えば、請求書が支払われたら特定のフォルダにアーカイブすることです。自動化は思考しません。一方、エージェントは予期しないケースを処理できますが、これにはより多くの監視が必要です。
ドライラン(試験実行)は完全な実行で、何も送信されません。エージェントはメール、見積もり、またはリストを準備し、送信前にあなたが確認します。検証は、結果が送信される前にあなたが承認する瞬間です。ABYSでは、最初の送信を手動で検証します。3回の検証後、自動検証に切り替えることができ、この選択のリスクは明確に記載されています。
IIIエージェントが読むもの:コンテキスト、RAG、ファインチューニング、データ、マルチモーダル
コンテキストは、モデルが回答する際に目の前にあるテキスト全体です:ミッション、会話、添付ドキュメント。そのサイズは制限されており、トークンで数えられます。コンテキストにないものは、モデルにとって存在しません:モデルは前回のやり取りを覚えていません。ソフトウェアがそれを再度提供しない限り。
RAG(検索拡張生成)は、各回答の前に、ドキュメント内の有用な部分を検索し、それらをコンテキストに配置することで構成されます。不動産エージェンシーは、一般的な情報ではなく、独自のマンデートについて回答するエージェントから利益を得ます。ファインチューニング(微調整)は別のものです:モデルのトレーニングを例に基づいて継続し、スタイルまたはフォーマットを永続的に変更します。これはコストがかかり、価格のような頻繁に変わる情報には適していません。
構造化データは固定ボックスに配置されます:クライアント列、金額列、期限列を持つスプレッドシート。メールまたはスキャンされたPDFは非構造化データです。エージェントは両方を読みますが、最初のデータではエラーが少なくなります。最後に、マルチモーダルモデルは複数の種類のコンテンツを処理します:テキスト、画像、時々音声。しわくちゃの配送伝票の写真を読むことができます。
IV品質とリスク:幻覚、ガードレール、ログ
1つの 幻覚 自信を持って述べられた偽の回答です。存在しない法律条項、作られた日付、四捨五入された価格です。これはモデルの機能から生じます。モデルは尤もらしい続きを構成します。ソースを提供し、エージェントにわからないことを言うことを求め、確認することで制限されます。
1つの ガードレール エージェントが限界を超えることを防ぐルールです。割引を与えない、紛争中のクライアントに書かない、金額が閾値を超えたら中止して確認を求めるなどです。ジャーナルはエージェントが行ったことの日付付き記録です。いつ実行したか、何を読んだか、何を準備または送信したかが記録されます。クライアントが何も受け取っていないと言った場合、これを確認します。
Vコストと技術:API、レイテンシ、呼び出しあたりのコスト
API(アプリケーションプログラミングインターフェース)は、あるソフトウェアが別のソフトウェアを使用するためのドアです。エージェントがテキストをモデルに送信したり、請求ソフトウェアで連絡先を作成したりするときは、APIを通じて行われます。直接操作する必要はありませんが、その存在は2つのツールが通信できるかどうかを示します。
レイテンシーは要求から応答までの遅延で、1秒未満から長いファイルの場合は数分です。毎晩働くエージェントの場合、レイテンシーはほとんど重要ではありません。電話での応答の場合は非常に重要です。呼び出しごとのコストはモデルとの交換の価格です。送信されたトークンと生成されたトークンに依存し、後者はより高い価格で請求されることが多いです。20ページを確認することは、10行をソートするよりもコストがかかります。
VIリクエストの流れ、これらすべての用語を含む
これら20語は実際には1つの経路を説明しています。火曜日の朝、会計事務所のエージェントが不足している書類の催促を準備するときに何が起こるかを示します。
- 1ミッションがトリガーされます
予定時刻に、エージェントは自分のミッションを再確認します。当月の銀行取引明細が不足しているクライアントに対して、丁寧なトーンで、報酬について言及することなく催促することです。
- 2コンテキストが満たされます
システムは受け取った部品のテーブルと事務所のメールテンプレートを検索します。これはRAGです:有用な部分のみがコンテキストに入り、トークンを制限します。
- 3モデルが構成します
API経由で、テキストはモデルプロバイダーに送られます。プロバイダーはクライアントごとにメールを作成し、トークンごとに生成します。ここでのレイテンシーは秒単位で計測され、各呼び出しにはコストがかかります。
- 4ガードレールがフィルタリングします
ルールは各下書きを検証します。金額がない、紛争中のクライアントがマークされていない。疑わしい下書きはすべて理由を記載して保留されます。
- 5確認します
ホワイトテスト中は、何も送信されません。読み取り、表現を修正し、検証します。ログは各パッセージと各決定の痕跡を保持します。
エージェントの下書きがクライアントにグループメニューを32ユーロで案内していますが、添付されたメニューには34ユーロと記載されています。このエラーを何と呼びますか?
?よくある質問
簡単に言うとLLMとは何ですか?
LLM、または大規模言語モデルは、文の最も可能性の高い続きを予測するために膨大なテキストボリュームでトレーニングされたプログラムです。これはChatGPT、Gemini、Le Chatを機能させるものです。非常によく書き、要約し、言い換えますが、事実を自分で検証しません:ソースを提供して見直す必要があります。
プロンプトとエージェントの違いは何ですか?
プロンプトはモデルに送信される単発の要求です。質問または指示のようなものです。エージェントは、モデルを使用して全体的なタスクを実行するプログラムです。自分のペースで、ツール、永続的なミッション、制限があります。テキストを取得するためにプロンプトを書きます。仕事をしてもらうためにエージェントにミッションを割り当てます。
なぜAIは回答を作り出すのですか?
言語モデルはテキストの最も尤もらしい続きを構成するため、事実ベースを参照しません。コンテキストに情報がない場合、もっともらしいが偽の詳細で空白を埋める可能性があります。このリスクは、適切なドキュメントを添付し、わからないことを言うことを許可し、送信前に確認することで軽減されます。
AI における RAG とは何ですか?
RAG(検索拡張生成)は、システムが回答する前にあなたのドキュメントから有用な部分を検索し、それをモデルに提供する技術です。エージェントは一般的な知識ではなく、あなたの料金表、契約書、手順に基づいて動作します。知識を更新するには、ドキュメントを置き換えるだけで十分です。
お持ちのテキストから実際のケースへ:無料のAI監査があなたのサイトを読み込み、スコアと具体的なヒントを提供します。
無料監査を実施する読むべき内容 その後
AIエージェントとは?簡単な定義と例
AIエージェントはあなたの質問を待つアシスタントではありません。ミッションを受け取り、必要なものを探すプログラムです。
レッスンを読む企業のAI監査:1時間で始める方法
AIがどこで役に立つかを知るためにコンサルタントを雇う必要はありません。1時間、1枚の紙、そして1週間のタスクで十分です。…
レッスンを読むAIトークン:エージェントが消費するもの、および予測方法
トークンはAIの作業単位です。エージェントが読むすべてのもの、書くすべてのものがトークンで計算されます。このコース後、v…
レッスンを読む