AIってなに？
メニューに戻る
汎用AIの必要性
AIスクールやその他のAI情報を整理してお伝えします。AIの実践と構造ですが、前者のAI実践をAIスクールの中でWebアプリ（スマートフォン）を使い迅速に行い、後者のAI構造をバックヤードとしてPCのAIトレーナー玲子が詳細を詰めていく方法で最終整理しています。
これによりまずはスマートフォンのブラウザだけでAI実践を進めることができます。PCを持ってない人でも参加でき、AI[実践で自分のビジネスモデルを作って行くことができます。スマートフォンでは細かな操作は面倒なので、ある程度以上はPCAIトレーナー玲子の出番になりますが、スマートフォンだけでできます。
プログラミングも含めて、AI全般を行いたいのですが、まず中心となるのが、事務では書類や企画書などの整理や、趣味では小説や漫画を描くところからAI実践を始めていきます。価値のあるコンテンツを生み出すフィードバックループを構成します。フィードバックループとは1回のAI化でなく、何度も精度を上げるためのAIフィードバックを必要とするということです。この後、具体的に説明します。
この「回答の精査」部分は、普通の人ではなかなか行えないので、この部分を行うことにより差別化できます。さらにこの精査をより精度を高めるために、次の汎用AI構造で、人間のような考え方を行い、一方通行な回答が出ることを回避します。
汎用AI構造
ChatGPTやCoｐilotなどの生成AIだけでAI化が進むわけではありません。ある程度のことはできますが、基本的に一方通行なので、その結果の検証ができません。また生成AIは基本的にものを生成する機能なので、出来上がったものを修正するのは苦手です。苦手というより、著作権のあるものを修正することは法律的にも問題があるからでもあり、人間がポケモンを描いて、絵を練習するというようなことは、行うことができません。ここで我々は生成AIと共に、総合的なAIを構成する要素をあげ、汎用AI構造にしました。
汎用AI構造とは
AIトレーナー玲子のメニューを変えたものです。前のものもあります。ここではデータが一方通行ではなく、ヒストリーデータと共に連続して流れている様子が描かれたいます。人間の脳の中ではデータが、縦横無尽に行きかっています。それで何とか答えを出しますが、それでも間違うことがあります。脳とはそういうものです。そこでこのような一方通行ではない、脳内のデータが必要になります。
実際のAI構成
同じことを言いますが、生成AIは脳の一部の機能であり、潜在意識や経験に基づいた従来からの方法も使って、足りない機能を補わなくではならないということです。生成AIだけでは60％くらいはうまく正答してくれますが、それでは他の人の答えと同じで、ビジネスにならないばかりか、説得力もありません。他の人と同じ回答だからです。
そこでここでは汎用AIを実際に実装した時の構造を検討してみます。100％に持っていくのは理論的にも大変ですが、残りの40％を生成AI以外のAI構造で補います。これは私が実践してきた結果で、別にWebアプリが特に必要ということはありません。この部分は汎用操作するアプリでなければ、専用のIoT機器でも良いわけですし、まさにアプリというようにアプリケーション（応用）部分となります。
バックオフィスソフトウェア AIトレーナー玲子
同じことを言いますが、生成AIは脳の一部の機能であり、潜在意識や経験に基づいた従来からの方法も使って、足りない機能を補わなくではならないということです。
オリジナルLLMの重要性：東京都立病院の例
具体的な例としては、とある東京の都立病院ではオリジナルLLMを専用のチューニングを行い、医療の診断等に役立てようとしています。ここでは、看護記載をELVO,FASTで評価するシステムが、若年の脳梗塞を覚知したとのことです。実際に早期警戒システムにコメントを追加。その成果を踏まえ、LLM+NLP複合型早期警戒のアルゴリズムを現場と協議の上、実装を開始しているとのことです。また、他にもカルテ要約や紹介状下書き、事前の患者情報などにオリジナルＬＬＭの使用を行っていくとのことです。
※ELVO screen（共同偏視、無視、失語の1つ以上があれば陽性）
※FAST 脳卒中を疑う人を見たときは、3つのテスト（FAST）を行います。 Face(顔のまひ）：顔の片側が下がる⇒うまく笑顔が作れますか？ Arm（腕のまひ）：片腕に力が入らない⇒両腕を上げたままキープできますか？ Speech（ことばの障害）：ろれつが回らない⇒短い文がいつも通り話せますか？
オリジナルLLMのファインチューニング例
大岩伸之ビジネスモデル：コンテンツ制作
オリジナルＬＬＭでは深層学習で画像を変換するための画像エフェクターのアルゴリズムを想定させるようなファインチューニングを行う。
松崎由美子ビジネスモデル：食養生の薦め
気虚とはなどのなどの漢方の説明だけでは他の説明書と同じである。ユーザーの日々の状況をLLMでフィードバックし、他では得られない情報を得られるようにする。
大川芳子ビジネスモデル：クッキングソムリエ
料理の写真からカロリー、栄養素（ビタミン、ミネラル）を計算するが、普段食べている料理の栄養素を積算しておいて、足りない栄養素を指示し、レシピ等にする。LLMではよいレシピ情報をチューニングする。
柳田国男ビジネスモデル：芥川賞を取ろう！
日本語専用のLLMでない限り、汎用LLMは英語に強い。日本語の方言や、独特な言い回しなどの文章表現などをチューニングするが、大学の日本語学部などと連携する。彼らはLLMは興味があると思う。
費用対効果
・LLMサーバー仕様 ⇒ OSはUbuntuで、Windowsではありません。
・価格 ⇒ GPUによるがNoteで25万円以上、デスクトップで50万円以上と考えています。
・性能 ⇒ ユーザーの同時アクセス数ですが、Noteでは1ユーザー、デスクトップで数ユーザーです。
・速度 ⇒ GPUの性能に寄りますが、数秒以上かかると考えられます。
・使用方法 ⇒ 家庭のインターネットに接続し、Webサーバーと連携してユーザーのプロンプトに返答する。
・データチューニング ⇒ かなりの時間がかかるので、協力できる機関や人と連携して入力を行う。
・チューニングサンプル ⇒ 上記の使用例を載せておきますが、とにかく時間のかかる作業です。
Copyright(C) Nobuyuki Oiwa Feptmber 2025