クラウドコンピューティングコンセプトのハブ

思考の連鎖プロンプティングは、論理的な一連のステップを使用してタスクを完了するよう大規模言語モデル (LLM) をガイドするために用いられる手法です。AI モデルは人間を模倣しようとしますが、質が高く、正確で、関連性のある出力を作成するには、プロンプトと呼ばれる詳細な指示が必要です。プロンプトエンジニアリングは、優れたプロンプトを作成するための芸術であり、科学でもあります。思考の連鎖 (CoT) 推論は、複雑なタスクをよりシンプルで管理しやすい一連のステップに分解して答えに到達するプロンプトエンジニアリング手法です。これにより、ユーザーは、LLM が応答に到達する方法をより詳細に制御でき、その方法に関するより多くのインサイトを得ることができます。 

思考の連鎖の例

「次の数学の文章問題をステップバイステップで解いてください。

バナナが 7 本あり、そのうち 4 本を友人にあげ、その後に 5 本のバナナを受け取り、それから腐った 3 本のバナナを捨てます。バナナは何本残っていますか?」

思考の連鎖の出力

ステップバイステップで分解してみましょう:

1. 最初に 7 本のバナナがあります。
2. 友人にバナナを 4 本あげると、残りは 7 - 4 = 3 本となります
3. さらに 5 本バナナを買うと、残りは 3 + 5 = 8 本となりました

4. バナナを 3 本捨てると、残りは 8 - 3 = 5 本となります

したがって、残りは 5 本です。

自然言語理解 (NLU) とは、コンピューティングシステムまたはソフトウェアが人間の言語を理解する能力です。これにより、ソフトウェアはチャットの意図と感情を認識し、リアルな会話のやり取りを通じて非常に魅力的なユーザーエクスペリエンスを提供できます。例えば、Alexa などのアシスタントは人間の声に応答し、AI を使用したチャットボットはテキストベースの会話に参加します。自然言語理解により、これらのシステムは人間が生成した会話入力を受け取り、それを内部のコンピュータ言語構文に変換して、入力に基づいてアクションを実行できます。ユーザーは、任意の言語を用いて、自然にマシンとやり取りできます。

コグニティブコンピューティングとは、ソフトウェアが人間のように推論および「考える」ようにするプロセスです。人間が持つ生来の高度な推論能力により、私たちは、新しい状況に適応し、複雑な問題を解決できます。例えば、森で迷った人間は、生き残るために水辺に向かったり、助けを求めて走行音がする方へ移動したりするかもしれません。同様に、コグニティブコンピューティングは、知覚、注意、記憶を介してソフトウェアシステムで人間の思考プロセスをシミュレートすることを目的としています。

従来の AI システムは、データの分析、予測、ユーザーの指示に基づくテキストの生成など、特別にトレーニングされた問題を解決できます。しかし、コグニティブコンピューティングは、環境の変化に応じて独立した意思決定を通じて事前に決定された目標を達成するようにソフトウェアシステムに教えることで、人工知能をさらに進化させることを目指しています。 

コグニティブコンピューティングの例

組織内のスペシャリストのための、アポイントメントのスケジュール設定タスクを考えてみましょう。新しいアポイントメントは、クライアントと既存の関係があるスペシャリストが対応可能な午後にのみ設定される必要があります。予約は、リクエストから 2 週間以内に設定される必要があります。ただし、これらの条件には次のようなケースバイケースの例外が設けられています: 

• 怒っている、または不満を抱えているクライアントについては、早い時間帯 (午前中を含む) に予約が設定される。
• 2 週間超先のアポイントメントをリクエストできる。
• 特定の長期クライアントについては、予約が完了したらパーソナライズされた E メールを送信するなど、特別な配慮が必要になる場合がある。

通常、AI は、主要な条件を満たすことでタスクを自動化するようにトレーニングできますが、人間のエキスパートのようにケースバイケースの例外を処理することはできません。ただし、コグニティブコンピューティングは、予約中に顧客満足度の目標を達成するために必要に応じて条件を調整できる AI テクノロジーです。例えば、顧客のメッセージの感情を読み取り、予約を優先したり、長期クライアントのニーズを満たすために早朝のアポイントメントをスケジュールしたりする場合があります。

マルチモーダル AI は、テキスト、画像、音声、動画など、複数のデータタイプを処理、解釈、統合する人工知能システムです。多くのビジネスワークフローでは、複数の関連データタイプを含む複雑なデータセットを生成して使用します。字幕付きの動画、画像を含む履歴書、音声会議メモと関連する設計計画はその一例です。マルチモーダル AI は、複雑な分析とオートメーションのために、このような多様でリッチな情報セットを解釈できます。組織は、動画分析、ドキュメント処理、コンテンツ作成、および同様のワークフローを使用して、非構造化マルチモーダルデータソースから正確なインサイトを得て、プロセスの効率を高めています。

SQL データベースは、行と列を持つテーブルとして視覚化されたデータコレクションです。データはスプレッドシートと同様に保存され、列はデータ属性を示し、行はデータに関係するエンティティまたはオブジェクトを説明します。ほとんどの SQL データベースは、ユーザーとデータのインタラクションに Structured Query Language (SQL) を使用します。そのため、このような名前となっています。これらのデータベースは、テーブル間のデータ関係を保存できるため、リレーショナルデータベースです。

例えば、製品テーブルには、製品名、タイプ、コストなどの列があり、行には個々の製品の値が含まれます。顧客テーブルには、顧客名と連絡先の詳細を含む列があります。顧客データと顧客が購入した製品をリンクする 3 つ目のテーブルを作成できます。

データアーキテクチャは、組織のデータ収集、管理、および使用を記述および管理する包括的なフレームワークです。今日の組織は、さまざまなデータソースから膨大な量のデータを受け取っており、さまざまなチームが分析、機械学習、人工知能、その他のアプリケーションのためにそのデータにアクセスしたいと考えています。最新のデータアーキテクチャは、データのセキュリティと品質を確保しながら、データにアクセスして使用できる、一貫したシステムを提供します。ポリシー、データモデル、プロセス、テクノロジーを定義することで、組織がデータを部門間で簡単に移動し、必要なときにいつでも利用できるようにすると同時に (リアルタイムアクセスを含む)、規制コンプライアンスを完全にサポートできます。

独立系ソフトウェアベンダー (ISV) は、基盤となるハードウェアやオペレーティングシステムに依拠しないソフトウェア製品を作成および販売する組織です。このソフトウェアソリューションは通常、売上データや財務データの作成や管理など、特定の顧客の問題を解決します。また、データストレージ、セキュリティ、または認証をサポートするインフラストラクチャソフトウェアである可能性もあります。ベンダーは、幅広い顧客ベースを対象として、さまざまなハードウェアプラットフォームとのソフトウェア互換性を実現しています。

ISV は、永久ライセンス、一定期間の契約、Software as a Service (SaaS) など、さまざまな形式でソフトウェアを販売しています。ソフトウェアは顧客にライセンスされますが、所有権は ISV が保持します。

チャットボットは、ユーザーが音声またはテキストを通じて会話できるプログラムまたはアプリケーションです。チャットボットは 1960 年代に初めて開発されましたが、それを支えるテクノロジーは時とともに変化してきました。チャットボットは従来、事前定義されたルールを使用してユーザーと会話し、スクリプト化された回答を提供します。現代のチャットボットは自然言語処理 (NLP) を使用してユーザーを理解し、極めて深い理解と精度をもって複雑な質問に応答できます。組織はチャットボットを使用して、カスタマーサービスのワークフローから DevOps 管理まで、あらゆる場面でのコミュニケーションをスケール、パーソナライズ、改善できます。

エンタープライズ人工知能 (AI) は、大規模な組織内で高度な AI テクノロジーを採用することです。AI システムをプロトタイプから本番環境に移行すると、規模、パフォーマンス、データガバナンス、倫理、規制遵守に関するいくつかの課題が生じます。エンタープライズ AI には、大規模な組織内で広く AI を使用するためのポリシー、戦略、インフラストラクチャ、およびテクノロジーが含まれます。多額の投資と労力を必要としますが、AI システムが主流になるにつれて、大規模組織にとってエンタープライズ AI の重要性が高まっています。

倫理的人工知能 (AI) とは、AI システムの責任ある開発とデプロイを促進する一連の原則と実践です。他の新しいテクノロジーと同様に、AI システムはユーザー、社会、環境に変革をもたらします。倫理的 AI とは、AI の開発方法と使用方法に関する公平性と透明性を優先させながら、ポジティブな影響を高めるための措置を講じることを意味します。倫理的 AI は、AI の革新とデータ主導の意思決定により、市民的自由と人権が侵害されないようにします。

人工知能 (AI) エージェントは、環境と対話し、データを収集し、そのデータを使用して自己決定タスクを実行して、事前に決められた目標を達成するためのソフトウェアプログラムです。目標は人間が設定しますが、その目標を達成するために実行する必要がある最適なアクションは AI エージェントが独自に選択します。例えば、顧客の問い合わせを解決したいコンタクトセンターの AI エージェントを考えてみましょう。エージェントは自動的に顧客にさまざまな質問をし、内部文書で情報を調べ、回答でソリューションを提示します。顧客の応答に基づいて、クエリ自体を解決できるのか、それとも人間に渡すのかを判断します。

テキスト分類は、人工知能と機械学習 (AI/ML) システムを使用して、自由形式のテキスト文書に所定のカテゴリを割り当てるプロセスです。多くの組織には、法的文書、契約書、研究文書、ユーザー生成データ、E メールなど、大量の文書を継続的に生成する大規模な文書アーカイブとビジネスワークフローがあります。テキスト分類は、このデータをさらに分析できるように整理、構造化、分類するための最初のステップです。文書のラベル付けとタグ付けを自動的に行うことができます。これにより、文書を手作業で読み、理解し、分類する必要があった時間を何千時間も節約できます。