4 分で読了
0 views

GPT-4による暗黙ルール学習を用いたESG分類

(ESG Classification by Implicit Rule Learning via GPT-4)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近社内で「ESGの自動判定にAIを使えないか」と相談されまして、率直に言って私、何から聞けばいいか分かりません。これって本当に導入の価値がありますか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、一緒に整理していけば必ずできますよ。まず要点を3つで言うと、1) データが足りなくても指示(プロンプト)で基準を近似できる、2) GPT-4は思考過程を言わせることで説明性が出せる、3) 軽いモデルでも工夫すれば実務に使える、というイメージですよ。

田中専務

なるほど。ですが「基準を近似する」というのは要するに評価基準のマニュアルが無くても似た判断ができるようにAIに教えるということですか、それとも勝手に判断するということですか。

AIメンター拓海

素晴らしい着眼点ですね!ここは重要です。勝手に判断させるのではなく、人が持つ暗黙の基準をAIに近づける手法を使います。具体的には「プロンプト」と呼ぶ指示文で例を示し、思考過程を引き出すChain-of-Thought(連鎖的思考)を活用して、AIに判断の道筋を説明させるのです。

田中専務

説明してもらえるのは助かります。ただ現場の人間が使える形に落とすのが難しそうです。導入にあたっての工数や誤判定のリスクはどう見れば良いでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!経営視点で整理すると、導入コストは三段階で考えるのが現実的です。まずPoC(概念実証)で短期間に挙動確認、次に現場運用ルールを作成して人のチェックを残す、最後に運用データで継続的にプロンプトを改善する。この三つを回せば誤判定リスクを低減できるんです。

田中専務

それを聞くと現実味が出ます。ところで「Chain-of-Thought」という言葉が出ましたが、これは要するにAIに考えさせる過程を見せてもらうということでしょうか。

AIメンター拓海

その通りですよ。Chain-of-Thought(CoT、連鎖的思考)とは、AIに判断の道筋を言語で並べさせる手法です。これによって人が判断根拠を検証できるようになり、誤判定の理由が分かるため現場での受け入れが格段に良くなるんです。

田中専務

なるほど。最後に現場への落とし込みで、現実的に始める最短ルートを教えてください。費用対効果で上司に示せるように。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。短期で示せる指標は三つだけで十分です。PoC期間内の人間チェック回数削減、一次判定の正答率、そして運用に回せる件数の増加です。これらを数字で示して段階投資を提案すれば、経営層の納得は得やすいですよ。

田中専務

よく分かりました。では私が上に説明するときは、「まず小さく試し、AIの判断根拠を見える化してから段階投資をする」という説明で良いですか。自分の言葉で言うと、そうまとめられます。

AIメンター拓海

素晴らしい着眼点ですね!その説明できっと通りますよ。何か資料が必要でしたらテンプレートも作りますから、安心してくださいね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
カートゥーン画像における視覚的誤認をVLMで検出する
(Make VLM Recognize Visual Hallucination on Cartoon Character Image with Pose Information)
次の記事
エルゴード的BSDEを用いたフォワードユーティリティの深層学習スキーム
(Deep learning scheme for forward utilities using ergodic BSDEs)
関連記事
社会的善のための倫理的AI
(Ethical AI for Social Good)
AIの解釈学的転回:機械は解釈できるのか
(The Hermeneutic Turn of AI: Are Machines Capable of Interpreting?)
ByteScale:2048Kコンテキスト長と12,000台超のGPUでのLLM学習の効率的スケーリング
(ByteScale: Efficient Scaling of LLM Training with a 2048K Context Length on More Than 12,000 GPUs)
メモリ効率化した時系列逆伝播
(Memory-Efficient Backpropagation Through Time)
ハンケル行列による重み付き可視プッシュダウンオートマトンの解析
(Hankel Matrices for Weighted Visibly Pushdown Automata)
構造化ニューラル密度推定の次元非依存収束率
(Dimension-independent rates for structured neural density estimation)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む