プロンプトの基本は何ですか？

プロンプトとは、特定のタスクの実行または特定の回答の生成を指示するために、AI システムに与える入力またはコマンドです。

最も単純なタイプのプロンプトは、以下のような単一の正しい回答を持つ基本的な質問です。

プロンプト：世界最大の森林は？

出力：世界最大の森林はアマゾン熱帯雨林です。

やや複雑なプロンプトでは、AI に次のことを求めることがあります。

プロンプト：表面積の順に、三大森林のリストを作成してください。

出力：

1. アマゾン熱帯雨林 - 南米
2. タイガまたは北方林 - 北米、欧州、アジア
3. コンゴの熱帯雨林 - 中央アフリカ

プロンプトは、生成 AI システムの特定の出力の品質を制御します。関連性の高い有用な結果を生む、内容の充実したプロンプトを作成することは、生成 AI をうまく使用するための鍵となります。生成 AI システムは、プロンプトエンジニアリング技術の改善によって、多様なデータからの学習、バイアスの最小化、混乱の軽減、正確な回答の作成を実現します。

プロンプトエンジニアは、AI システムがプロンプトの言語、ニュアンス、および背後にある意図を把握するのに役立つクエリを作成します。適切に作成された完全なプロンプトは、画像、コード、データ要約、テキストなど、AI 生成コンテンツの品質に大きな影響を与えます。

効果的なプロンプトは、ありのままのクエリと意味のある AI 回答の隙間を埋めます。プロンプトエンジニアはプロンプトを微調整して、モデルの出力の品質と関連性を改善し、特定のニーズと一般的なニーズの両方に対応します。このプロセスにより、手作業による確認や生成後の編集の必要性が低減し、目標とする成果を実現するための時間と労力を節約できます。

プロンプトエンジニアリングの例

ユーザーは、テキストプロンプトを使用して生成 AI モデルと対話します。モデルは、前のテキストに基づいて、次の一連の単語を予測します。「<プロンプト> と言ったら、最初に何を思い浮かべますか？」と尋ねるとします。たとえば、よく知られた引用文やフレーズの先頭の単語でプロンプトを記述すると、モデルは正確にテキストを続けることができます。

プロンプト：芝生は

出力：青い。

より複雑なプロンプトも動作は同じです。モデルは、最も可能性の高い回答のアイデアで応答します。プロンプトエンジニアリング手法は、AIシステム、特に会話型AIが要求や指示を適切に理解するのを支援し、モデルの出力の品質を向上させます。

基本的なプロンプト手法にはどのようなものがありますか？

ゼロショットプロンプト

この手法では、モデルに例やコンテキストを提供せずに、直接タスクを与えます。この手法を使用するには、いくつかの方法があります。

• 質問：これは特定の回答を求めるものであり、端的な事実に基づく回答を得るのに役立ちます。例：気候変動の主な原因は何ですか？
• 指示：AI に特定のタスクを実行したり、特定の形式で情報を提供するよう指示します。構造化された回答を生成したり、定義されたタスクを完了するのに有効です。例：気候変動が環境に及ぼす最も大きな影響を 5 つリストし、それぞれについて簡単に説明してください。

ゼロショットプロンプトが成功するかどうかは、適切に実行するようにモデルがトレーニングされた特定のタスクと、与えられたタスクの複雑さに左右されます。

次の例を考えてみます：森林破壊がどのようにして気候変動の一因となるかについて説明してください。

生成される回答が 2,000 語近くになる可能性があります。1 文のみが必要な場合には、長すぎたり範囲が広過ぎて、実用的ではありません。その場合は、One-shot または Few-shot プロンプトでアプローチを改良します。

One-shot プロンプト

1 つの例を提供して、目的の回答形式や回答スタイルを示し、ゼロショットプロンプトよりは効率的にモデルをガイドすることができます。例：

所与の例：化石燃料を燃やすと、二酸化炭素が放出されます。これにより、大気中に熱が閉じ込められ、地球温暖化につながります。

では、工業型農業がどのようにして気候変動の一因となるかについて説明してください。

Few-shot プロンプト

モデルに複数の例を提供して、タスクおよび予想される出力に関する理解を向上させます。これは、より複雑なクエリや、ニュアンスを含む回答を生成する場合に特に有用です。例：

所与の例：

• 車両の化石燃料の燃焼によって温室効果ガスが放出され、大気温度が上昇します。
• 森林破壊によって、二酸化炭素を吸収できる木の数が減り、地球温暖化が激化します。
• 工業型農業は家畜からメタンを発生させて、温室効果の一因となります。

では、都市化が気候変動にどのように影響を与えるかについて説明してください。

プロンプトエンジニアリング手法

高度なプロンプト手法によって、生成 AI ツールは複雑なタスクにより適切に対処することができます。プロンプトエンジニアは、以下の手法を使用して、迅速化と効率化を図っています。

• コンテキスト化：プロンプト内で背景情報を提供して、モデルがトピックをより深く理解できるようにします。例：地球全体の気温が産業革命以前から摂氏 1.2 度上昇したことを考慮に入れて、極氷冠への潜在的な影響について述べてください。
• 役割の割り当て：モデルに、特定のタイプのエキスパートとして、または特定のスタイルで回答するよう指示します。例：環境科学者として、温室効果ガス排出量と気候変動の関係について説明してください。
• プロンプトの挿入：関連性と正確性を確保しながら、特定の観点から目的の出力を生成するように、モデルに影響を与える特定の指示を挿入します。例：気候変動の原因について説明してください。また、再生可能エネルギーを利用して二酸化炭素排出量を削減するよう、読者に注意を促してください。
• 順次プロンプト：複雑なクエリを小さく、管理しやすい部分に分割して、明確さと充実度を確保します。例：まず、主なメタン排出源について説明してください。次に、これらの排出源がどのようにして気候変動の一因となるかについて説明してください。
• 比較プロンプト：トピックのさまざまな側面を比較および対比して、回答にバランスの取れた視点を提供するよう、モデルに要求します。例：再生可能エネルギーの導入が、先進国と発展途上国の二酸化炭素排出量の削減に与える影響を比較してください。
• 架空のシナリオ：What-if シナリオを使用して、潜在的な成果や結果を考察します。例：2030 年までにすべての国がカーボンニュートラルポリシーを採用した場合、どうなりますか？これは、地球全体の気温の傾向にどのような影響を与えますか？
• フィードバックの取り入れ：過去の回答に対するフィードバックを提供して、その後のモデルの出力を改良および改善します。例：先ほど、あなたは森林破壊は気候変動の主な要因であると言いました。では、最も大きい影響を及ぼしている特定の森林破壊について、詳しく説明してくれますか？
• 思考の連鎖プロンプト：AI システムに、その推論プロセスを段階的に説明するよう促します。例：産業活動がどのようにして気候変動の一因となるかについて説明してください。原材料の抽出から始めて、次に製造プロセス、最後に最終製品からの排出量について述べてください。
• 自己整合性：同じプロンプトに複数の回答を生成して、最も一貫性のある回答を選択します。例：地球温暖化の主な原因は何ですか？3 つの異なる回答を提供してから、それらに共通する要因を特定してください。
• 思考の木：問題に対するさまざまな推論や解決策を探ります。例：再生可能エネルギー、二酸化炭素回収、森林再生という、二酸化炭素排出量を削減する 3 つの戦略を検討してください。各アプローチの長所と短所について述べてください。
• 検索拡張生成：外部データベースまたはドキュメントから取得した情報で、回答を拡張します。例：気候変動に関する政府間パネルの最新レポートに基づいて、気候変動が地球全体の海面レベルに与える影響の予測を要約してください。
• 自動推論とツールの使用：AI システムに、外部のツールまたはデータセットを使用して回答をサポートするよう指示します。例：アメリカ海洋大気庁の気候データを使用して、過去 50 年の地球全体の気温の傾向を分析し、その結果を説明してください。
• グラフプロンプト：グラフまたはネットワークの形式で構造化データを使用して、回答を知らせます。例：セクター別の地球全体の二酸化炭素排出量のグラフを踏まえて、気候目標を達成するために、最も緊急の改革が必要なセクターについて説明してください。
• マルチモーダル Chain of Thought (CoT) プロンプト：テキスト、画像、グラフィックなど複数のタイプのデータをプロンプトに統合して、モデルの推論を強化します。例：過去 100 年間の CO2 レベルを示すグラフを分析して、これらの変化が写真に示された地球全体の気温の傾向とどのように関連するかを説明してください。

プロンプトとは、実験と経験によって時とともに洗練され、改善される、（技術分野における）ある種の芸術です。最適な結果を得るには、以下の方策を考慮してください。

• 具体的な指示を与えます。誤った解釈が発生する余地を残さず、運用の可能性の範囲を限定します。
• 言葉で絵を描きます。関連性のある比較を使用します。
• メッセージを補強します。モデルに指示を繰り返す必要が生じる場合があります。プロンプトの最初と最後に指示を提供します。
• プロンプトを論理的に並べ替えます。情報の順序は、結果に影響を与えます。指示をプロンプトの最初に配置し、モデルに「以下を要約してください」と指示すると、指示を最後に配置して、モデルに「上記を要約してください」と依頼した場合とは異なる結果が生まれる可能性があります。モデルにはリーセンシーバイアスがあるため、入力例の順序も結果に影響する可能性があります。
• モデルにフォールバックオプションを提供します。モデルが割り当てられたタスクを成し遂げるのに苦労している場合は、代わりの道筋を提案します。たとえば、テキストでクエリを作成する場合、「回答ない場合は ’見つかりません’ と返答する」などの文を含めると、モデルが不適切な回答を生成するのを防ぐことができます。

プロンプトエンジニアリングのメリット

プロンプトエンジニアリングの主なメリットは、出力の生成後に必要となる修正や労力を最小限に抑えられる点です。AI を活用した結果は品質が一様ではなく、エキスパートのレビューやリワークが必要になることがよくあります。しかし、適切に記述されたプロンプトは、AI の出力に当初の意図を反映させ、後処理作業を大幅に削減するのに役立ちます。

他にも、プロンプトエンジニアリングには以下のような注目すべきメリットがあります。

• 長期的な AI インタラクションにおける効率（AI は継続的な利用によって進化するため）
• 当初の設計や目的を超えた AI の革新的な利用
• 規模と複雑さが増大する中で、将来にも通用する AI システム

プロンプトエンジニアリングのビジネス上のメリット

プロンプトエンジニアリングは、以下のような日常業務にもメリットをもたらします。

• AI を活用したインサイトにより意思決定が改善され、戦略的な事業成長が促進される
• カスタマイズされた応答とシームレスなインタラクションにより、カスタマーエクスペリエンスがパーソナライズされる
• リソース割り当てを最適化して、コンピューティングリソースを節約し、コストを削減できる
• 業界固有の要件に対する適応性を高めて、AI 導入の価値を最大化する
• バイアスに対処し、生成 AI システム内で公平性を確保する倫理的な AI プラクティスにより、包括性が促進され、企業と社会に公平な成果がもたらされる

プロンプトエンジニアリングによって、生成 AI システムはどのように改善されますか？

効果的なプロンプトエンジニアリングは生成 AI システムをスマートにします。技術的知識と自然言語、用語、コンテキストの深い理解が組み合わさることで、最小限の修正で済む有用な出力が生成されます。

生成 AI を動かす基盤モデルは、トランスフォーマーアーキテクチャーを基に構築された大規模言語モデル (LLM) です。LLM は、入力データを順番にではなく一度に処理するディープラーニングモデルです。このため、LLM は言語翻訳やテキスト生成などのタスクでは特に役に立ちます。LLM には、AI システムで必要なすべての情報が含まれます。

生成 AI モデルは、トランスフォーマーアーキテクチャーを使用して言語の複雑さを理解し、ニューラルネットワークを介して大量のデータを処理します。AI プロンプトエンジニアリングはモデルの出力を整え、AI システムが有意義な一貫性のある回答を生成するようにします。

効果的な回答を生成するために、モデルは以下のような方策を使用します。

• トークン化：分析しやすいようにテキストを小さな部分に分割して、機械が人間の言語を適切に理解できるようにします
• モデルパラメーターのチューニング：計算負荷を軽減するために、事前トレーニング済みモデルのパラメーターを同じに保ちます
• Top-k サンプリング：予測確率に基づき、出力の次の単語の選択肢を、最も可能性の高い選択肢にのみ制限して、回答のコンテキストと一貫性を維持します

生成 AI モデルは、自然言語処理 (NLP) によって複雑な回答を生成できます。NLP は、機械が人間の言語を理解し、解釈し、生成できるようにする、自然言語を介したコンピューターと人間の対話に焦点を当てた AI の一分野です。

データサイエンスの準備、トランスフォーマーアーキテクチャー、および機械学習アルゴリズムによって、これらのモデルは言語を理解し、大量のデータセットを使用してテキストや画像を作成することができます。Text-to-image モデルは、テキスト説明から画像を作成する Stable Diffusion とともに LLM を使用します。

プロンプトエンジニアリングのユースケース

生成 AI のアクセスしやすさの向上により、企業はプロンプトエンジニアリングを通じて実際の問題解決を模索できるようになりました。

医療

プロンプトエンジニアは、医療データの要約と治療計画の策定を AI システムに指示する上で、重要な役割を果たします。効果的なプロンプトにより、AI モデルは患者データを正確に処理でき、それが洞察に富んだ正確な臨床レコメンデーションにつながります。

マーケティング

プロンプトエンジニアリングは、コンテンツの作成を迅速化し、コストを削減し、生産までの時間を短縮するのに役立ちます。また、アイデアの生成、パーソナライゼーション、あらゆるタイプの成果物のドラフト作成を支援します。

ソフトウェアコーディング

コパイロットは、後続のコーディング行に完璧な提案を提供することで、コードを高速で書くというプロンプトエンジニアリングの強みを引き出し、ソフトウェア開発のダイナミクスを合理化します。

サイバーセキュリティ

データサイエンティストとフィールドエキスパートは、AI を活用してサイバー攻撃を模倣し、より強力な防御計画を策定します。AI モデル用のプロンプトを作成することは、ソフトウェアの弱点を見つけるのに役立ちます。

ソフトウェアエンジニアリング

プロンプトエンジニアは、複数のプログラミング言語でトレーニングされた生成 AI システムを使用して、コードスニペットを効率的に生成し、他の複雑なタスクをシンプル化することができます。開発者は特定のプロンプトを使用して、コーディングやエラーのデバッグを自動化し、API 統合を設計して手作業を減らし、API ベースのワークフローを作成してデータパイプラインを制御し、リソースを適切に割り当てることができます。

チャットボット

チャットボット開発者は、AI システムがユーザーのクエリを理解して、有意義で状況に即した関連性の高い回答をリアルタイムで提供できるように、効果的なプロンプトを作成します。

プロンプトエンジニアに必要なスキルは何ですか？

現在、大規模なテクノロジー企業では、以下の目的でプロンプトエンジニアを必要としています。

• 新しいコンテンツを作成する
• 複雑なクエリに対応する
• プロンプトで関連性の高い情報を取得できるようにする
• プロンプトを微調整して精度を向上させる
• 機械翻訳タスクおよび自然言語処理タスクを拡張する
• 生成された出力の品質を評価し、それに応じてプロンプトを改善する

プロンプトエンジニアが成功するために必要なスキルは、以下のとおりです。

• LLM の仕組みについての理解
• 技術的な概念を効果的に説明するための強力なコミュニケーションスキル
• プログラミングに習熟している（特に Python）
• データ構造とアルゴリズムの確かな理解

コアコンピテンシーは、生成 AI モデルをトレーニングする主要言語である英語を自由に操る能力です。プロンプトエンジニアは、用語、ニュアンス、言い回し、文脈、言語を深く掘り下げて、AI の回答を正確に導くプロンプトを設定します。コードの生成、画像作成のための美術史の理解、言語タスクのためのさまざまな説明スタイルへの適応など、何をモデルに指示する場合でも、プロンプトエンジニアは目的の成果を得るために、細心の注意を払ってプロンプトをカスタマイズします。

FAQ（よくある質問）

ニューラルネットワークとは？

ニューラルネットワークは、生物の脳のニューロン（神経細胞）のようにクラスター化されたノードを持つ計算モデルです。シグナルの高速並列処理を可能にし、パターン認識とディープラーニングを向上させます。

主要なコンテンツとは？

主要なコンテンツは、生成 AI モデルが実行または提案するあらゆるインタラクション、コミュニケーション、アクションの基礎となります。プロンプトエンジニアはこのローデータを提供し、モデルはさまざまなアプリケーションのためにローデータを収集、分析、処理します。