DNET_LLMUseCases

LLMのユースケース

• 戻る（ChatGPT）
  • LLMへの様々な質問例
  • LLMのユースケース

概要

LLMへの様々な質問例やネット情報から
「この辺りがユースケースだろうね。」と特定。

• 雑に言って、次単語予測で出来る事に強い。
• 次いで、インストラクション・チューニング（LLMのFT）で出来るようになった事に強い。
• 最後に、手続き型言語が得意とする処理については、LLMで再現するのは困難を伴う。と言える。

詳細

• 汎用系でもイケる

  • 文書生成（ビジネス、メディア）
  • 情報検索・業務効率化
  • マーケティング・営業
  • クリエイティブ

• 特化型でないとダメ

  • コーディング向けLLM
  • カスタマーサポート（Alliとか）
  • 製造・設計（拝承系？）

• サービスになっているもの

  • 法律：Harvey
  • 健康：Salesforce Health
  • 人材：nebula.io
  • 教育：Khanmigo
  • コード移植：Bloop

様々なテキスト生成のユースケース

代表的なユースケース

以下は、テキスト生成系（Transformer系）から抜いてきた文字列。

チャットボット

• 人間と人間の対話を模範する主要機能

  • 自然言語を入力として受け取り、自然言語を出力として生成する。
  • このため、自然な会話をするチャットボットを作成できる。

• 前作のInstructGPTと比べ、ChatGPTは攻撃的・欺瞞的な回答の生成をできるだけ避ける仕様

• 攻撃的な回答が生成されるのを防ぐため、
  入力と出力はコンテンツ・モデレーションAPIによってフィルターされる。

パーソナル・エージェント

• プランニング：プロジェクトのプランニング（企画・計画）をさせる。

• キャンペーン：プロジェクトの作戦行動（実行、監視・制御）をさせる。

• メッセージの生成

  • 特定のテンプレートを使用してメッセージを生成できる。

  • 例えば、

    • 自動化された電子メールを生成
    • 自然な言語での挨拶や感謝の手紙を生成

• セラピスト

  • ほとんどのチャットボットとは対照的に、過去の入力を記憶している。

  • これにより、個人に最適化されたセラピストとして使える可能性がある。

  • 例えば、

    • 車を買いたいのですが妻の合意が得られません。どうしたらいいですか？（笑）
    • ...

テキスト翻訳や要約、校正

• 翻訳
  Google翻訳の優位性に戦いを挑めるだけの可能性を持った翻訳ツール

  • Google翻訳は大規模な投資の結果、
    特に力を入れている言語に於いてはChatGPTを凌駕している
  • しかし、ChatGPTは、ユーザーから提供された文脈を基に、翻訳を調整することができる。

• 要約

  • 長い文章や記事から要約を生成できる。
  • 大量のテキストの概要をより簡潔に把握できる。

• 校正

  • 文章校正された文書を生成できる。
  • ただし、内容の間違いや意味の誤認は修正できない。

検索代替、質疑応答

• 特定のトピックに関する情報を探す

  • 学習済みであるか？Retrievalしているか？が必要になる。
  • Google検索（AIの活用例の該当節を参照）に代わる新しい検索方法

• 質疑応答
  人間と同水準かそれ以上の回答を生成

  • 特に教科書的な質疑応答は得意
  • それ以外は、Retrievalが必要になる。

プログラム作成・解説

• LLMは手続き/非手続き型を問わず、プログラム言語が得意。

• 特に

  • 人間が苦手な非手続き界隈で強い。
  • プログラム言語の知識だけでなく業務知識、IT知識などを活用し、より高度に推論・補完できる。

• 実例

  • 生成AIを活用したプログラミング
  • 生成AIを活用したシステム開発

設計書のブレークダウン

• LLMは設計書の（段階的な）ブレークダウンも得意。

• 何故か？

  • グラデーション（抽象度の高低）を保持し、自然言語（要件）とソースコード（実装）の
    「中間レイヤー」（設計）情報を構造化して出力するのが得意。
  • 膨大な開発パターン（標準的な開発プロセス、ベストプラクティス）などを
    大量に学習しているため「要件」というトリガーに設計パターンをマッピング（当てはめ）。
  • 数十万文字におよぶ長い「文脈（コンテキスト）理解能力」で
    全体の整合性を保ったままブレークダウン
    （リアルタイム性を重視するならバッチではなく逐次処理を選択するなど）
  • 例えば、以下のような指示（プロンプト）を与えることで、
    熟練のシステムアナリストやアーキテクトと同じステップをエミュレート
    （また、推論モデルなら自身で計画）

• 実例

  • 生成AIを活用した設計書のブレークダウン

移行メモ（正誤）: 元ページの「ブレークダウンが可能も得意」は
「ブレークダウンも得意」の誤記と判断し修正した。

プログラムの動きを模倣

• Linuxシステムの動きを模倣

• ○☓ゲーム（3 or 5目並べ）のNPCの動きを模倣
  簡単に負けて、負けを判定できず、負けてもゲームを続けようとする（笑）

• 自然言語を使用したテキスト生成ゲームとして動作

クリエイティブ

小説、脚本、詩、歌詞、音楽など。

利用目的アンケート1-10位

利用目的	対応するユースケース
アイデア出し	パーソナル・エージェント / クリエイティブ
メールなどの文章生成	パーソナル・エージェント / クリエイティブ
飲食店などの検索	検索代替、質疑応答
日常の相談	チャットボット / パーソナル・エージェント
仕事の相談相手	パーソナル・エージェント / クリエイティブ
雑談相手	チャットボット / パーソナル・エージェント
献立・レシピ	検索代替、質疑応答
創作への活用	パーソナル・エージェント / クリエイティブ
プログラム作成・解説	プログラム作成・解説
要約文の作成	テキスト翻訳や要約、校正
文章校正	テキスト翻訳や要約、校正
機械翻訳	テキスト翻訳や要約、校正

移行メモ（正誤）: 元ページの「文章構正」は「文章校正」の誤記のため修正した。

その他・仕事での活用

https://www.osscons.jp/joho108j0-537/#_537

• 個人学習
• リサーチ

個人的に使用頻度が高いケース

• 機械翻訳
  Google、DeepLより高品質な翻訳が欲しいケースで利用している。

• 文章要約
  あらゆるケースでよく使う

• リサーチ
  マーケティング、技術リサーチなど

• 文書作成
  技術レポート系の専門性の高い文章作成の利用が進んでいる。

• 個人学習
  E資格学習（E資格：試験対策の該当節を参照）ではお世話になりました。

• プログラム作成・解説

個人的に使用頻度が低いケース

• アドホック
  仕事における...ケースは若干ある。

  • 雑談相手
  • 日常の相談
  • 仕事の相談相手
  • アイデア出し
  • 創作への活用

• 定型文生成
  コレは仕事柄、少ない。

  • メール
  • 挨拶文
  • ...

• Google代替（リサーチを除く）
  現時点で興味の対象外。

  • 飲食店などの検索
  • 献立・レシピ

期待外れのユースケース

ただし、日進月歩のLLMの性能向上や、エージェントによって実用レベルに近づいている感もある。

• 複雑な議事録の自動作成

• 特定ドメインの高い専門性が必要な処理

  • 契約書・法的文書
  • 医療・薬事関連文書
  • 技術仕様書・設計書

• 財務・会計関連の分析

• 感情分析や心理カウンセリング

• 創造性が求められるコンテンツ制作

• LLMによる議事録自動作成について

• ナレッジ抽出を目的としたVector RAG（Open棟梁 Wiki「ナレッジ生成用プロンプト」の該当節を参照）

• ローカルLLMのファインチューニング（LLMのFT）

参考

• GPT評価（ChatGPTの該当節を参照）

---

Tags: 移行, AI, LLM, ユースケース, 開発基盤