購入前に目次をご確認ください
インプレス［コンピュータ・IT］ムック 全容解説GPT テキスト生成AIプロダクト構築への第一歩
インプレス / 2023年12月12日 / 全199ページ
大規模言語モデルGPTの全体像を把握できる！ ChatGPTの実行例やOpenAI API活用の基本、市場動向も解説。最新情報を加筆しGPT-3.5/4に対応――本書のテーマの1つはGPTの基本的な技術事項、もう1つはGPT拡大期の市場動向です。本書の前半では、GPT登場の背景、発展の経緯、GPT/OpenAI APIの技術要素、ChatGPTやOpenAI APIの基本的な活用方法を解説。後半は、GPTスタートアップの事例、グローバル企業の利用動向を取り上げた後、GPTのリスクと今後の動向を展望。GPT／Open APIを利用する前に押さえておきたい基礎知識を確認できる一冊です。
目次
- 正誤表免責事項など
- 献辞
- 称賛の声
- まえがき
- 謝辞
- 第1章 大規模言語モデルの革命
- 1.1 自然言語処理とは？
- 1.2 大規模化による超進歩
- 1.3 GPTの名前の由来1.3.1 Generative（生成的な）
- 1.3.2 Pre-trained（事前学習済みの）
- 1.3.3 Transformer（トランスフォーマ）1.3.4 Seq2Seq
- 1.4 Transformerのアテンションメカニズム
- 1.5 GPTの歴史
- 1.5.1 GPT-1
- 1.5.2 GPT-21.5.3 GPT-3
- 1.5.4 ChatGPT1.5.5 GPT-4
- 1.6 OpenAI API公開のビジネス界への影響
- 1.7 OpenAI APIの利用
- 第2章 ChatGPTの4つの実行例2.1 ChatGPTの実行
- 2.2 プロンプトとコンプリーション
- 正誤表免責事項など
- 献辞
- 称賛の声
- まえがき
- 謝辞
- 第1章 大規模言語モデルの革命
- 1.1 自然言語処理とは？
- 1.2 大規模化による超進歩
- 1.3 GPTの名前の由来1.3.1 Generative（生成的な）
- 1.3.2 Pre-trained（事前学習済みの）
- 1.3.3 Transformer（トランスフォーマ）1.3.4 Seq2Seq
- 1.4 Transformerのアテンションメカニズム
- 1.5 GPTの歴史
- 1.5.1 GPT-1
- 1.5.2 GPT-21.5.3 GPT-3
- 1.5.4 ChatGPT1.5.5 GPT-4
- 1.6 OpenAI API公開のビジネス界への影響
- 1.7 OpenAI APIの利用
- 第2章 ChatGPTの4つの実行例2.1 ChatGPTの実行
- 2.2 プロンプトとコンプリーション
- 2.3 標準的なNLPタスクのパフォーマンス
- 2.3.1 テキスト分類
- 2.3.2 固有表現認識（Named Entity Recognition）
- 2.3.3 文章要約
- 2.3.4 テキスト生成
- 2.4 プロンプトエンジニアリングとデザイン
- 2.5 この章のまとめ
- 第3章 OpenAI APIの機能と活用
- 3.1 Playgroundの概要3.1.1 Playgroundの起動
- 3.1.2 ChatGPTをまねる
- 3.1.3 SYSTEMの設定
- 3.2 パラメータの設定
- 3.2.1 ［Mode］
- 3.2.2 ［Model］3.2.3 ［Temperature］と［Top P］
- 3.2.4 ［Maximum length］
- 3.2.5 ［Stop sequences］3.2.6 ［Frequency penalty］と［Presence penalty］
- 3.3 APIの呼び出し3.3.1 APIキーの取得
- 3.4 トークンとコスト3.4.1 トークン
- 3.4.2 コスト
- 3.4.3 ダッシュボード
- 3.5 Pythonを使った呼び出し3.5.1 公式Pythonバインディングのインストール
- 3.5.2 プロンプトの構築とコンプリーションの取得
- 3.5.3 ChatGPTをまねたプログラム
- 3.5.4 ［SYSTEM］に役割を指定
- 3.5.5 履歴の保持
- 3.6 Node.jsを使った呼び出し
- 3.7 Goを使った呼び出し
- 3.8 その他の機能
- 3.9 この章のまとめ
- 第4章 GPTによる次世代スタートアップの拡大
- 4.1 MaaS（Model-as-a-Service）
- 4.2 GPTベースの起業──ケーススタディ4.2.1 Fable Studio クリエイター向けアプリケーション
- 4.2.2 Viable データ解析アプリケーション
- 4.2.3 Quickchat チャットボットアプリケーション
- 4.2.4 Copysmith マーケティングアプリケーション
- 4.2.5 Stenography コーディングアプリケーション
- 4.3 投資家から見たGPTのスタートアップ・エコシステム
- 4.4 この章のまとめ
- 第5章 GPTによる企業革新のネクストステップ
- 5.1 ケーススタディ──GitHub Copilot
- 5.1.1 Copilotの内部構造
- 5.1.2 GitHub Copilotの開発
- 5.1.3 ローコードノーコード・プログラミングとは？
- 5.1.4 APIとスケーリング
- 5.1.5 GitHub Copilotの次の展開は？
- 5.2 ケーススタディ──Algolia Answers5.2.1 他モデルの評価
- 5.2.2 データのプライバシー
- 5.2.3 コスト
- 5.2.4 スピードと遅延
- 5.2.5 得られた学び
- 5.3 ケーススタディ──MicrosoftのAzure OpenAI Service5.3.1 運命的なパートナーシップ
- 5.3.2 AzureネイティブのOpenAI API
- 5.3.3 リソース管理
- 5.3.4 セキュリティとデータプライバシー
- 5.3.5 企業にとってのMaaS
- 5.3.6 その他のMicrosoftのAIサービス
- 5.3.7 企業へのアドバイス
- 5.3.8 OpenAIかAzure OpenAI Serviceか
- 5.4 この章のまとめ
- 第6章 GPTのリスク
- 6.1 バイアスとの戦い
- 6.2 バイアス対策
- 6.3 低品質コンテンツと誤情報の拡散
- 6.4 LLMの環境への影響
- 6.5 注意しながら進める
- 6.6 この章のまとめ
- 第7章 AIへのアクセスの“民主化“7.1 ノーコード？ ノープロブレム！
- 7.2 AIへのアクセスとMaaS
- 7.3 最後に
- 参考文献
- 索引
- 著者紹介
- 訳者紹介
- 奥付
※このデジタル雑誌には目次に記載されているコンテンツが含まれています。それ以外のコンテンツは、本誌のコンテンツであっても含まれていません のでご注意ください。
※電子版では、紙の雑誌と内容が一部異なる場合や、掲載されないページがある場合があります。
