impress top gearシリーズ
全容解説GPT テキスト生成AIプロダクト構築への第一歩
著：サンドラ・キューブリック
著：シュバム・サブー
著：武舎広幸
内容紹介
大規模言語モデルGPTの全体像を把握できる！
ChatGPTの実行例やOpenAI API活用の基本コード、市場動向も解説
最新情報を加筆し、GPT-3.5/4に対応
＞＞これから知りたい人のためのGPT／Open APIスタートガイド＜＜
GPT／Open APIを利用する前に押さえておきたい基礎知識を確認できる一冊！
本書のテーマは、大きく2つに分かれています。
1つはGPTの技術的な基本事項、もう1つはGPT拡大期の市場動向です。
本書の前半は、まず大規模言語モデルが登場した背景を確認し、
さらにGPT/OpenAI APIの技術要素の概要、これまでの経緯などを説明します。
この後、ChatGPTの章では、テキスト分類、固有表現認識、文章要約、テキスト生成の例を紹介。
OpenAI APIの章では、モデル選択、パラメータ調整、追加トレーニングなどを確認し、
さらにPythonやNode.js、Go言語による基本的な実装コードを見ていきます。
本書の後半は、GPT拡大期における、GPTのスタートアップ企業の事例、
グローバル企業の動向を取り上げます。
そして最後に、GPTのリスクと今後の動向について展望します。
「この本は、GPT言語モデルを理解し、OpenAI API上でアプリケーションを
構築する方法を学びたい実務者や開発者にとって、完璧な出発点となるものだ」
──Peter Welinder（OpenAIプロダクト＆パートナーシップ担当副社長）
【章構成】
第1章 大規模言語モデルの革命
第2章 ChatGPTの4つの実行例
第3章 OpenAI APIの機能と活用
第4章 GPTによる次世代スタートアップの拡大
第5章 GPTによる企業革新のネクストステップ
第6章 GPTのリスク
第7章 AIへのアクセスの"民主化"
目次
表紙
正誤表／免責事項など
献辞
称賛の声
まえがき
謝辞
第1章 大規模言語モデルの革命
1.1 自然言語処理とは？
1.2 大規模化による超進歩
1.3 GPTの名前の由来／1.3.1 Generative（生成的な）
1.3.2 Pre-trained（事前学習済みの）
1.3.3 Transformer（トランスフォーマ）／1.3.4 Seq2Seq
1.4 Transformerのアテンションメカニズム
1.5 GPTの歴史
1.5.1 GPT-1
1.5.2 GPT-2／1.5.3 GPT-3
1.5.4 ChatGPT／1.5.5 GPT-4
1.6 OpenAI API公開のビジネス界への影響
1.7 OpenAI APIの利用
第2章 ChatGPTの4つの実行例／2.1 ChatGPTの実行
2.2 プロンプトとコンプリーション
2.3 標準的なNLPタスクのパフォーマンス
2.3.1 テキスト分類
2.3.2 固有表現認識（Named Entity Recognition）
2.3.3 文章要約
2.3.4 テキスト生成
2.4 プロンプトエンジニアリングとデザイン
2.5 この章のまとめ
第3章 OpenAI APIの機能と活用
3.1 Playgroundの概要／3.1.1 Playgroundの起動
3.1.2 ChatGPTをまねる
3.1.3 SYSTEMの設定
3.2 パラメータの設定
3.2.1 ［Mode］
3.2.2 ［Model］／3.2.3 ［Temperature］と［Top P］
3.2.4 ［Maximum length］
3.2.5 ［Stop sequences］／3.2.6 ［Frequency penalty］と［Presence penalty］
3.3 APIの呼び出し／3.3.1 APIキーの取得
3.4 トークンとコスト／3.4.1 トークン
3.4.2 コスト
3.4.3 ダッシュボード
3.5 Pythonを使った呼び出し／3.5.1 公式Pythonバインディングのインストール
3.5.2 プロンプトの構築とコンプリーションの取得
3.5.3 ChatGPTをまねたプログラム
3.5.4 ［SYSTEM］に役割を指定
3.5.5 履歴の保持
3.6 Node.jsを使った呼び出し
3.7 Goを使った呼び出し
3.8 その他の機能
3.9 この章のまとめ
第4章 GPTによる次世代スタートアップの拡大
4.1 MaaS（Model-as-a-Service）
4.2 GPTベースの起業──ケーススタディ／4.2.1 Fable Studio クリエイター向けアプリケーション
4.2.2 Viable データ解析アプリケーション
4.2.3 Quickchat チャットボットアプリケーション
4.2.4 Copysmith マーケティングアプリケーション
4.2.5 Stenography コーディングアプリケーション
4.3 投資家から見たGPTのスタートアップ・エコシステム
4.4 この章のまとめ
第5章 GPTによる企業革新のネクストステップ
5.1 ケーススタディ──GitHub Copilot
5.1.1 Copilotの内部構造
5.1.2 GitHub Copilotの開発
5.1.3 ローコード／ノーコード・プログラミングとは？
5.1.4 APIとスケーリング
5.1.5 GitHub Copilotの次の展開は？
5.2 ケーススタディ──Algolia Answers／5.2.1 他モデルの評価
5.2.2 データのプライバシー
5.2.3 コスト
5.2.4 スピードと遅延
5.2.5 得られた学び
5.3 ケーススタディ──MicrosoftのAzure OpenAI Service／5.3.1 運命的なパートナーシップ
5.3.2 AzureネイティブのOpenAI API
5.3.3 リソース管理
5.3.4 セキュリティとデータプライバシー
5.3.5 企業にとってのMaaS
5.3.6 その他のMicrosoftのAIサービス
5.3.7 企業へのアドバイス
5.3.8 OpenAIかAzure OpenAI Serviceか
5.4 この章のまとめ
第6章 GPTのリスク
6.1 バイアスとの戦い
6.2 バイアス対策
6.3 低品質コンテンツと誤情報の拡散
6.4 LLMの環境への影響
6.5 注意しながら進める
6.6 この章のまとめ
第7章 AIへのアクセスの"民主化"／7.1 ノーコード？ ノープロブレム！
7.2 AIへのアクセスとMaaS
7.3 最後に
参考文献
索引
著者紹介
訳者紹介
奥付
JP-eコード：2950181811000000000O
。出版社：インプレス
。コンテンツ公開日：2023年12月12日。