１章　本書の流れ


２章　生成AIはどうやって文章を生成しているのか

生成AIの歴史とその仕組み

　　[コラム]　生成AIの学習

なぜ言語を扱うのは難しかったのか　　　　　　　　　　　　　　　　　　　　　　　　

なぜ生成AIは実現できたのか

　　[コラム]　ディープシーク（DeepSeek）の登場


３章　生成AI単体（LLM）の特性と問題点

生成AIの基本的な特性

基本的な特性が引き起こす問題点

　　誤った情報を生成する：幻覚（ハルシネーション）
　　数学などの論理的思考が弱く、単純な計算でも間違える
　　信念や意図を持っていないため、聞くたびに
　　トーンが変わりうる

活用事例からみる生成AIの活かし方

　翻訳：多少の不自然さは許容される実用性重視の利用　　　　　　　　　　　　　　　　
　情報探索：正確な答えよりもヒントを集めることを重視した活用　　　　　　　　　　　
　素案作成や校正：人間が修正や確認を行うことを前提とした準備作業　　　　　　　　　
　情報要約：完璧を求めないという前提がある作業　　　　　　　　　　　　　　　

幻覚を抑えるための工夫（プロンプトエンジニアリング）

　　ワンショット学習（One-Shot learning）・
　　フューショット学習（Few-Shot learning）
　　[コラム]　本文中学習
　　CoT（Chain of Thought）
　　ゼロショットCoT
　　[コラム]　創発的能力 （Emergent Abilities）

外部からの情報を組み合わせるプロンプトエンジニアリング

　　RAG（検索拡張生成）
　　[コラム]　RAGの検索性能を向上させるさまざまな観点　　　　　　　　　　　　　　

幻覚の傾向と、その対策方法

　　「知らないこと」に対する幻覚
　　「知らないこと」に対する幻覚への対策
　　「知っていること」に対する幻覚
　　「知っていること」に対する幻覚への対策

生成AIが苦手な状況とは？

　　弱点１： 論理的推論が苦手
　　弱点２： 長い文章が苦手
　　弱点３： 不要な情報があると惑わされる
　　弱点４： プロンプトの書き方次第で回答が左右される

生成AIの効果的な活かし方

　　[コラム]　その他のプロンプトエンジニアリング


４章　能力の「ツギハギ」で生まれる生成AIの真価と可能性

特性１：既存の外部ツールと容易に接続できる

　　RAGの仕組み
　　なぜRAGは外部ツールと容易に接続できるのか
　　さらなる拡張 ： プログラミングとの接続
　　[コラム]　シンボリック推論と生成AI

特性２：未知の外部ツールと容易に接続できる

　　関数呼び出し（Function Calling）

特性３：外部ツールを駆使し、試行錯誤して正解を求めることができる　　

特性４：正確な仕組みがわからないパーツも生み出せる

「フランケンシュタインの怪物」化が導く生成AIの可能性


５章　生成AIにできること、できないこと

知性に求められる4つの力

　　動機：解決すべき課題を定める力
　　目標設計：何が正解かを定める力
　　思考集中：考えるべきことを捉える力
　　発見：正解へとつながる要素を見つける力


４つの力の観点で見る、生成AIが持つ知性の実態

　　動機：解決すべき課題を定める力
　　目標設計：何が正解かを定める力
　　思考集中：考えるべきことを捉える力
　　発見：正解へとつながる要素を見つける力


生成AIと歩む人間の未来

　　[コラム]　生成AIのリスク