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 エンジニアなら知っておきたい生成AIのキホン
インプレス / 2025年02月25日 / 全319ページ
生成AIは、革新的なIT技術として注目されていますが、同時にその技術背景は難解で専門的という印象がありました。本書では代表的な生成AIサービスであるChatGPT、Bing、CopilotやGeminiなどを取り上げ、その技術をできるだけ分かりやすく解説していきます。
生成AIの背景となる大規模言語モデル（LLM）の仕組みからユーザーデータを活用するカスタマイズの方法などを解説します。比較的平易なコンピュータ用語で説明し、ビジネスの現場で必要とされる成果を得るための実践的な利用法をご紹介します。
生成AIの背景となる大規模言語モデル（LLM）の仕組みからユーザーデータを活用するカスタマイズの方法などを解説します。比較的平易なコンピュータ用語で説明し、ビジネスの現場で必要とされる成果を得るための実践的な利用法をご紹介します。
目次
- はじめに
- 第1章 GPTで始まる大規模言語モデル時代
- ChatGPTとは
- GPT誕生までのヒストリー
- ChatGPTの成長
- OpenAIとMicrosoft
- 大規模言語モデル
- 大規模言語モデル競争
- AIデバイド（AI Divide）
- この章のまとめ
- 第2章 大規模言語モデルの学習
- 人の一生とAIの短期トレーニング
- 生成AIの学習データ
- 言語モデルの本質
- 大規模言語モデルは言語の天才
- この章のまとめ
- 第3章 Transformerモデルの仕組み
- 回帰型ニューラルネットワーク
- Transformerアーキテクチャー
- エンべディングと多次元
- はじめに
- 第1章 GPTで始まる大規模言語モデル時代
- ChatGPTとは
- GPT誕生までのヒストリー
- ChatGPTの成長
- OpenAIとMicrosoft
- 大規模言語モデル
- 大規模言語モデル競争
- AIデバイド（AI Divide）
- この章のまとめ
- 第2章 大規模言語モデルの学習
- 人の一生とAIの短期トレーニング
- 生成AIの学習データ
- 言語モデルの本質
- 大規模言語モデルは言語の天才
- この章のまとめ
- 第3章 Transformerモデルの仕組み
- 回帰型ニューラルネットワーク
- Transformerアーキテクチャー
- エンべディングと多次元
- ニューラルネットワークの構造
- RLHF使ったマナー教育
- AlphaGoと言語モデルの対比
- この章のまとめ
- 第4章 Microsoftの「Bing」と「Copilot」
- Microsoft Bingの「検索」と「チャット」
- プロメテウス（Prometheus）
- Bingの追い上げ状況
- Copilotシリーズ
- Copilot for Microsoft 365
- Copilot for Microsoft 365の利用イメージ
- Copilot for Microsoft 365のプラグイン
- 入力データのAI学習への利用
- この章のまとめ
- 第5章 プラグインとカスタムGPT
- ChatGPTのWeb Browsing機能
- カスタム指示（Custom instructions）
- ChatGPTのプラグイン機能
- Popularタブのプラグイン
- ChatGPTとプラグインの役割分担
- Function Calling機能
- プラグインとカスタムGPTの違い
- GPTストア
- カスタムGPTの構成
- GPT BuilderでカスタムGPTを作成
- 厳選カスタムGPT
- この章のまとめ
- 第6章 カスタムGPTと画像生成AI
- ChatGPTチームが作成したGPT
- 画像生成AI
- 生成AIが画像を生成できるわけ
- クロスモーダル学習
- 主な画像生成AI/画像生成AIの作品鑑賞
- 画像の編集の実践
- 図版の作成
- 画像生成AIの限界
- この章のまとめ
- 第7章 ChatGPT-4oとChatGPT Enterpriseとmini
- ChatGPT-4o
- 「チャット」と「API」
- o1-previewとo1-mini
- マルチモーダルの実力
- ChatGPT Enterprise
- GPT-4o with canvas
- この章のまとめ
- 第8章 インコンテキスト学習とファインチューニング
- 生成AIに追加学習する構想
- AI（Deep Learning）で取り組まれてきた活用例
- 生成AIに期待される応用例
- 自社データを追加学習させる3つの方法
- インコンテキスト学習
- インコンテキスト学習の方法
- 転移学習
- ファインチューニング
- ファインチューニングのやり方について
- この章のまとめ
- 第9章 RAGとエンべディング
- ファインチューニングの課題
- RAGとは
- LLM Orchestration Framework
- LangChain
- RAGを使った独自データ検索
- Dify
- ベクトルデータベース
- RAG学習データ作成の工夫
- この章のまとめ
- 第10章 プログラミング支援
- 生成AIがプログラミングに強い理由
- コード生成およびアルゴリズム支援
- コードの品質向上と最適化
- テスト支援
- ドキュメンテーション
- プログラマーは生成AIに仕事を奪われる職業か
- この章のまとめ
- 第11章 プロンプトの書き方
- 良いプロンプトを書くためのポイント
- プロンプトエンジニアリング
- OpenAIの推奨するプロンプトの書き方
- この章のまとめ
- 第12章 いろいろな生成AIを試してみる
- 無料で使える生成AI/プロンプト：質問に対する回答
- この章のまとめ
- INDEX（索引）
- 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。
