ChatGPT Meetup Osaka #2
1年振りとのこと。
確かに前回 は去年の4月だ。
セッション
Techカンファレンスのセッション情報を話すRAGを作ってみた話
Okamoto Hidetakaさん
- RAGをプロンプトで作る
RAG/LLM は沼る...
結果から良い検索を探す手法は真似したいが、ベクターDBに何入れるか考えるのが大変だから、まとめてDBにツッコんで、プロンプトで頑張ってみるとなりがちなんですよね...
retrievalの評価ツール「ranx」を使ってRAGの改善をやってみる話
Shimizu Kuniakiさん
- RAG 評価ツール
ranx
- ランキング評価メトリクスライブラリ
- 正解データと検索結果のデータを評価してくれる
- QAの tsv データを使う
- シンプルで学習コストなく使える
- 評価メトリックスの知識は必要
- retrieval の評価のみなので、generation の評価は別途必要
Ragas
とか使う
RAG結果を評価するためのツールがあるのか。
プロダクトとして外に出すなら、評価するのはめっちゃ重要ですもんね。
非エンジニアの税理士が学んだこと
Takaeda Ayaさん
- フリーの税理士、AIに奪われるランキングで税理士が入ってるからChatGPTに興味を持った
- 会計ソフトに読み込ませるためにGPT4o を利用
- とても精度良く画像が読み込める
- 税法など専門的なところは弱い
フリーの税理士、AIに奪われるランキングで税理士が入ってるからChatGPTに興味を持ったと。
って、全然エンジニアじゃない人の課題を解決できる可能性があるのが LLM 系のすごいところですね。
AIで生成したものをAIでチェックしてる話
Sumida Ippeiさん
- アンケートに答えてスタイリストwhithAIが選んだ商品が届くサービス
DROBE
を作っている
トークンはそこそこ使うのでお金がかかるのはしょうがないけど、人件費に比べたらめっちゃ安い。
複数のLLM使うと精度があがるらしいので、同じGPTでもモデル違いで精度をあげるという取り組みですね。
Kong AI Gateway - LLMと上手く付き合うためのKong流アプローチ
Shinichi Hashitaniさん
http header で接続先を変えて LLM を切り替えたりできるのは便利そう。
生成AIエージェントの時代
Yoshida Shingoさん
- AIエージェントとは?
- AIの行き着く先、環境を認識し目標を達成するために自律的に行動する存在
- 指示しなくてもよしなにやってくれる、ルンバとかもそう
- 生成AIはプロンプトでちゃんと指示しないとだめ
- AIエージェントにはフローエンジニアリングが必要
- 個性、記憶、計画、行動の4つの要素からできる
- AIの行き着く先、環境を認識し目標を達成するために自律的に行動する存在
- 生成AIエージェントのはじめかた
- Function Callingによる外部実効性を試す
- 社員情報を検索するとか
- フレームワーク(AutoGPT, BabyAGI)を使う
- 論文を参考にする
- Function Callingによる外部実効性を試す
AIエージェントが進んでいくとエンジニアリングな仕事が奪われていく気もするけど、働かなくても生きていける時代が来るなら歓迎です。
ChatGPT でなんか作ってみた
こたうちさん
- AR グラス(INMO Air2)にChatGPTを組み込んだデモ
- コントローラーはスマートウォッチ Galaxy Watch4
- カメラで写った食事を認識してカロリーを返したりできる
反応速度や電池持ちの問題はあるものの、そこそこの値段のものでここまでできるのは未来を感じさせるすごいデモでした。