話題のChatGPTについて、文書作成、プログラミング、Excelからリスキリングまで、活用法を徹底的に解説 仕事のタイパを高める最強の武器を使いこなす話題のChatGPTについて、文書作成、プログラミング、Excelからリスキリングまで、仕事の効率がアップする活用法を徹底的に解説した決定版。望む出力結果を得るためにはChatGPTへの指示方法を工夫する必要があります。その指示方法（プロンプトエンジニアリング）については、基本形となる命令セットを解説しています。あらゆるビジネスで思い通りに使えるようになる本書で得られる主な効果・企画書・報告書などの文書を一瞬で作成する・SNSへの投稿、Webサイト作成などプログラミングの手助けに・経費精算書の作成、財務データの分析など、Excel操作が達人級の速さに・英語・プログラミング学習などリスキリングに役立つ最高の講師に【目次】Chapter 1　ChatGPTが仕事を変える！Chapter 2　ChatGPT入門Chapter 3　欲しい回答を生み出す超テクニックChapter 4　分野別ChatGPT活用法―文書作成編Chapter 5　分野別ChatGPT活用法―プログラミング編Chapter 6　分野別ChatGPT活用法―Excel編Chapter 7　リスキリングに活用するChapter 8　もっと便利なChatGPTの使い方―拡張機能とプラグインの使い方Chapter 9　生成AIの使い方と応用 Chapter 1 ChatGPTが仕事を変える！ ChatGPTの衝撃 テキスト生成AIとは？ ChatGPTが得意なこと、不得意なこと ChatGPTで仕事を自動化する ちょっと難しいChatGPTの話Chapter 2 ChatGPT入門 ChatGPTを使ってみよう 質問してみよう 新しいチャットと履歴の削除 質問の仕方を変えてみよう 英文を翻訳させてみようChapter 3 欲しい回答を生み出す超テクニック 「あなたは○○のプロです」 わかりやすい回答を引き出すためのコツ 回答の精度を上げるプロンプト パラメータを変更する指定 究極のプロンプトはChatGPTに聞け!? スマホで使うチャットボット LINEで使うチャットボットChapter 4 分野別ChatGPT活用法──文書作成編 事務部門──文書を作成する 顧客に送るメール文案を考える 文章を編集する 企画書のフォーマットを作る レポートと提案書 特定商品の市場調査の概要 新商品の提案書 プレゼン用スライドの構成と内容 交渉・法務文書を作成する ネーミングの候補を出す 日報や報告書を一瞬で作る 資料を要約するChapter 5 分野別ChatGPT活用法──プログラミング編 プログラミングを効率化する Webサイトを作る ネットを利用したプロモーションに活用するChapter 6 分野別ChatGPT活用法──Excel編 ChatGPTとExcelを組み合わせ自動化する Excelで経費精算書を作る 財務諸表をもとに会計データを分析する Googleドキュメントと組み合わせて利用するChapter 7 リスキリングに活用する ビジネス英語を独学する 英語で会話する ChatGPTでプログラミングを独学する 情報セキュリティを学ぶ 趣味に活かすChapter 8 もっと便利なChatGPTの使い方──拡張機能とプラグインの使い方 チャット履歴を保存する ブラウザ拡張機能でもっと便利に活用する Google検索でChatGPTを使う──ChatGPT for Google 検索結果を回答に追加する──WebChatGPT どこでもChatGPTが利用できる──ChatGPTアシスタント Gmailの文面を作成する──ChatGPT Writer プロンプトをフォルダ管理できる──Superpower ChatGPT 海外のYouTube動画を観る──YouTube Summary with ChatGPT & Claude Google検索を要約する──ChatGPT Glarity ChatGPTをもっと便利にするプラグイン 600種類のプラグインを使うChapter 9 生成AIの使い方と応用 ChatGPTとBing、Bardの違いを知っておく Bingで検索とチャットを融合する Bardが得意なこと、ChatGPTが得意なこと Google検索でChatGPTを使う Bing Image Creatorで画像を簡単作成する Canvaなら新製品のパッケージが簡単に描ける Stable Diffusionでプレゼンのイメージイラストを何枚も簡単に作れる 他のアプリでAI機能を利用する

自然言語処理編

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

急速に発展するAI技術の活用テクニックを学ぶ。ChatGPTや生成AIや画像生成AIなど。 急速に発展するAI技術の活用テクニックを学ぶ。ChatGPTや生成AIや画像生成AIなど。 Streamlitで手軽にAI技術を活用！あなたはＡＩを使えているのか？生成AI“ChatGPT”や画像生成AI“DALL・E”などの最近話題のＡＩを扱うスキルを体験学習!!データサイエンティスト・マーケッター 必須のスキル!!---本書は、急速に使えるようになってきたAI技術を使用するテクニックを学ぶ書籍です。ChatGPTや生成AIや画像生成AIなど。昨今は便利なオープンソースや機能が誰でも使えるように公開されています。それらを活用してAIプログラミングを学び、AIプログラミングのスキルを獲得しましょう。 ■ 0　序　章 0-1　AIを活用するとは何か 0-2　プログラミング環境を整えよう 0-3　ウォーミングアップ：streamlitを使って計算アプリをつくってみよう！ streamlitを起動してみよう 簡単な掛け算アプリを作成してみよう 掛け算/足し算を選択できるようにアプリを拡張しよう コラム①：教育者という立場から見た本書の魅力 ■ 1　人やモノを検知するAIでアプリを作ってみよう 1-1　物体検知アプリを作成しよう カメラインプット機能を作成しよう 物体検知を実装しよう 人数を計測して出力しよう 動画から人数計測結果をグラフとして出力しよう 1-2　物体検知AIを紐解こう 画像データを扱ってみよう 動画データを扱ってみよう 画像の物体検知を行って物体検知AIの中身を知ろう 物体検知のパラメータを変えて出力させてみよう 写っている人の数を数えてみよう ■ 2　骨格や顔の部位を推定するAIでアプリを作ってみよう 2-1　骨格推定アプリを作成しよう カメラインプット機能を作成しよう 骨格推定機能を実装しよう 骨格推定を活用してどちらの手を挙げているか検知してみよう 顔の部位を推定するアプリを作ってみよう 顔の部位を推定して目線を判定するアプリを作ってみよう 2-2　骨格顔推定AIを紐解こう 骨格推定AIの中身を知ろう 複数のデータを骨格推定してAIの予測結果を理解しよう 顔の部位推定AIの中身を知ろう ■ 3　写真の画風を変えるAIでアプリを作ってみよう 3-1　写真の画風を変えるアプリを作成しよう 2つの画像読み込み機能を作成しよう 画風変換機能を実装しよう アニメ風画像に変換するアプリを作ってみよう アニメ風画像に変換するアプリを改良してみよう 3-2　画風変換AIを紐解こう 画風変換AIへの入力データを知ろう 画風変換AIを実行しよう アニメ風変換AIを見てみよう コラム②：対談「教育現場でどう役に立つのか？」 ■ 4　テキストを単語に分割するAIでアプリを作ってみよう 4-1　どんな単語が含まれているか可視化するアプリを作成しよう 文字を入力できるようにしよう 単語を分割してみよう 単語に関する情報を抽出してアプリを拡張しよう CSVに書かれている文章の中身を可視化するアプリに拡張しよう 4-2　形態素解析を紐解こう 形態素解析をやってみよう 係り受け/固有表現抽出をやってみよう 形態素解析をつかいこなそう ■ 5　類似文章を検索するAIでアプリを作ってみよう 5-1　類似文章を検索するアプリを作成しよう 2つの文章の類似度を測定するアプリを作成しよう 類似文章を検索するアプリに拡張しよう 5-2　言語系AIによる文章の特徴量化と類似度計算を紐解こう 単語集計で文章を特徴量化してみよう 単語分散表現による特徴量化を体験しよう コラム③：対談「子どもたちに向けて」 ■ 6　OpenAIのGPTを活用したアプリを作ってみよう 6-1　GPTを活用したアプリを作成してみよう GPTの基本知識を押さえよう OpenAIのAPIを使用する準備を整えよう プログラムを生成してくれるアプリを作成しよう 6-2　GPTの利用方法について深堀りしてみよう GPT3.5モデルの特徴を確認しよう パラメータによる違いを確認しよう 様々な利用用途を試してみる API単体で利用する場合の留意点を押さえよう ■ 7　OpenAIの画像生成AIを活用したアプリを作ってみよう 7-1　画像を生成するアプリを作成しよう OpenAIの画像生成に関する基本知識を押さえよう 画像を生成してくれるアプリを作成しよう GPTと組み合わせたアプリに拡張しよう 7-2　画像生成（DALL・E）の利用方法について深堀りしてみよう 画像生成の基本的な使い方を押さえよう 画像生成のやり方を変えてみよう 言語の入れ方や種類を工夫してみよう コラム④：対談「プログラミングを他業種の人が習得する」

文系ビジネスマンは必ず読んでください！　ＣｈａｔＧＰＴをつかいこなせれば、仕事、職場、家庭に知的生産革命が起きる！ ジブンの得意×AIを操るチカラ＝GPT時代の知的生産術ＣｈａｔＧＰＴ時代のＡＩは「ことばで動く」ので、文系人材でも自由自在に操ることができます。自分の得意なこと、専門分野にAIを活かして、知的生産力をアップしよう。本書で解説しているのは、ＣｈａｔＧＰＴの仕組みや使い方だけではありません。ＣｈａｔＧＰＴが引き起こした知的生産革命にどう対応するのか？自身のスキル向上をどう図るか？　その具体的な方法を解説しています。 序章　ＧＰＴ時代が到来！　ヤバい知的生産革命 世界中を驚かせた「ＣｈａｔＧＰＴ」 ＣｈａｔＧＰＴだけじゃない！？　「ＡＩ群雄割拠時代」へ ＧＰＴがこなせる「知的タスク」はどんなもの？ ＧＰＴ時代のＡＩは「ヒトの気持ち」をどこまで読める？ 言語ＡＩだけでなく「創るＡＩ」も続々登場 知的生産革命が起こる「ＧＰＴ時代」をどう乗り切るべきか 第１章　文系のためのシン・ＡＩキャリア ホワイトカラーの仕事を変える「働くＡＩ」がやってきた ＧＰＴ時代に職を失わないように 文系のためのシン・ＡＩキャリアを作ろう ＧＰＴ時代の文系ＡＩ人材に必要な「７つのチカラ」 今の自分の「ＡＩ活用マインド」は？ 第２章　ＧＰＴ時代のＡＩの「キホン」を丸暗記 ＧＰＴ時代のＡＩの「すごさのキホン」を知ろう ＧＰＴの「ここまでできる」を知ろう 「生成ＡＩ」のキホンを理解する “出る順”でキホン用語を押さえる 第３章　ＧＰＴ時代のＡＩの「仕組みをザックリ」理解する ＧＰＴ時代のＡＩは「どうやって生まれた」のか？ ＧＰＴは「大規模学習技術とヒトのフィードバック」で大きく成長 ＧＰＴの「仕組み」を知っておこう 第４章　ＧＰＴ時代のＡＩ企画力を磨く ＧＰＴ時代のＡＩを使った「企画を立案」する 手始めに「身近なタスク」の洗い出しから 「５Ｗ１Ｈ」フレームワークで解像度上げ 「１００本ノック　ｗｉｔｈ　ＧＰＴ」でアイデア量産と解像度上げ 「７Ｒプロンプト」で実現性の確認 「ＩＳＳＵＥマップ」で重要度×実現性の確認 「日本の仕事ライブラリ」からアイデアを探す 第５章　ＡＩプロンプト力を上げる 「みんなの必須スキル」プロンプト力 良いプロンプト・ダメなプロンプト プロンプトは「３つの型」を使い分ける 文系ＡＩ式「７Ｒプロンプト」フレームワーク 第６章　ＡＩマネジメント力を身につける ＧＰＴ時代のＡＩを「マネジメント」する 「ＡＩ操作力」を伸ばす７つのＴｉｐｓ 「ＡＩ導入力」を伸ばす 第７章　最新のＡＩ事例をトコトン知る 事例を学んで、自分の仕事に活かしていこう ＜業界・業種別に５０の事例を紹介＞

自然言語処理において最有力手法である深層学習モデルTransformerの利用を解説 機械翻訳，音声テキスト変換といった技術の基となる自然言語処理。その最有力手法である深層学習モデルTransformerの利用について基礎から応用までを詳説。〔内容〕アーキテクチャの紹介／事前訓練／機械翻訳／ニュースの分析。

本書は、ChatGPTのAPIとLangChainを使って、大規模言語モデル（LLM）を本番レベルのシステムに組み込むための知識をステップバイステップで学習し、手を動かしながら実践できる書籍です。　生成AIが登場し、APIやフレームワークのエコシステムが充実してきたことによって、これまで機械学習やプログラミングの十分な知識が必要だったことに対してアプリケーション開発者が挑戦しやすくなりました。LLMの性質を活かしたサービスや業務システム構築の基礎を理解し、LLMのモデルやワークフローを抽象化して取り扱ううえで、LangChainというフレームワークが非常に便利です。本書でOpenAI APIやLangChainをしっかり学ぶことで、生成AI関連の知識を体系的にイメージできるようになります。　本書ではまず、OpenAI APIとLangChainについて解説します。ChatGPTのようなしくみを業務システムなどに組み込むためには、単にLLMに1つ入力して1つ出力を得るような実装ではなく、複数のタスクを一連のワークフロー処理として実現する必要があります。また、ChatGPTが知識を持たない専門知識を答えてほしいとか、意図した形式で応答が欲しいなど、実用性を高める必要も出てきます。これらを実現するためのLangChainのつかいかたをわかりやすく解説します。　後半では、ステートレスなOpenAI APIに記憶を持たせたり、必要に応じてWeb検索などを行うエージェント処理、さらにそれらチャット形式の処理を、ステップバイステップでWebアプリやSlackアプリとして実装します。　さらに、LLMアプリを本番稼働させるうえで必要となる、ユーザー体験、セキュリティ、コンプライアンスへの準拠などのためのヒントや注意点も解説します。 ●第1章　大規模言語モデル（LLM）を使ったアプリケーションを開発したい！ 1.1 ChatGPTにふれてみよう 1.2 プロンプトの工夫でできること -日々の仕事で使ってみよう 1.3 プログラミングで使ってみよう 1.4 ChatGPTを使うときに気をつけること 1.5 ChatGPTの有料プランでできること -GPT-4 -Plugins -Advanced Data Analysis -OpenAIのChatGPT以外のサービス 1.6 大規模言語モデル（LLM）のビジネスへの活用 1.7 LLMを活用したビジネスやアプリケーションの事例紹介 -株式会社サイダスの事例：CYDAS PEOPLE Copilot Chat -PingCAP株式会社の事例：Chat2Query -Alexaスキルの事例（個人開発）：helloGPT -株式会社ソラコムの事例：SORACOM Harvest Data Intelligence 1.8 LLMを使ったアプリケーション開発で気をつけること 1.9 本書で扱う技術について -LangChain -クラウドサービス（とくにサーバーレス） -Slackアプリでコラボレーションを促進しよう -まとめ ●第2章　プロンプトエンジニアリング 2.1 なぜいきなりプロンプトエンジニアリング？ -ChatGPTのプロンプトエンジニアリング -アプリケーション開発におけるプロンプトエンジニアリング -プロンプトエンジニアリングってあやしくない？ -COLUMN ファインチューニングとプロンプトエンジニアリング 2.2 プロンプトエンジニアリングとは 2.3 プロンプトの構成要素の基本 -題材：レシピ生成AIアプリ -プロンプトのテンプレート化 -命令と入力データの分離 -文脈を与える -出力形式を指定する -プロンプトの構成要素のまとめ 2.4 Prompt Engineering Guideから：ChatGPTの無限の可能性を引き出す -Zero-shotプロンプティング -Few-shotプロンプティング -Zero-shot Chain of Thoughtプロンプティング -まとめ ●第3章　ChatGPTをAPIから利用するために 3.1 OpenAIの文書生成モデル -ChatGPTにおける「モデル」 -OpenAIのAPIで使える文書生成モデル -モデルのスナップショット 3.2 ChatGPTのAPIの基本 -Chat Completions API -Chat Completions APIの料金 -発生した料金の確認 3.3 入出力の長さの制限や課金に影響する「トークン」 -トークン -Tokenizerとtiktokenの紹介 -日本語のトークン数について 3.4 Chat Completions APIにふれる環境の準備 -Google Colabとは -Google Colabのノートブック作成 -OpenAIのAPIキーの準備 3.5 Chat Completions APIをさわってみる -OpenAIのライブラリ -Chat Completions APIの呼び出し -会話履歴を踏まえた応答を得る -ストリーミングで応答を得る -基本的なパラメータ -COLUMN Completions API 3.6 Function calling -Function callingの概要 -Function callingのサンプルコード -パラメータ「function_call」 -Function callingを応用したJSONの生成 -まとめ ●第4章 　LangChainの基礎 4.1 LangChainの概要 -LangChainのユースケース -なぜLangChainを学ぶのか -LangChainのモジュール -LangChainのインストール -COLUMN langchain_experimental 4.2 Language models -LLMs -Chat models -Callbackを使ったストリーミング -Language modelsのまとめ 4.3 Prompts -PromptTemplate -ChatPromptTemplate -Example selectors -Promptsのまとめ 4.4 Output parsers -Output parsersの概要 -PydanticOutputParserを使ったPythonオブジェクトの取得 -Output parsersのまとめ 4.5 Chains -LLMChain―PromptTemplate・Language model・OutputParserをつなぐ -SimpleSequentialChain―ChainとChainをつなぐ -Chainsのまとめ -COLUMN Chainの内部の動きを確認するには 4.6 Memory -ConversationBufferMemory -さらに便利なMemory -Memoryの保存先 -Memoryのまとめ -COLUMN Chat modelsでMemoryを使う場合の注意 ●第5章　LangChainの活用 5.1 Data connection -RAG（Retrieval Augmented Generation） -Data connectionの概要 -Document loaders -Document transformers -Text embedding models -Vector stores -Retrievers -RetrievalQA（Chain） -Data connectionのまとめ -COLUMN RetrievalQAにおけるchain_type 5.2 Agents -Agentsの概要 -Agentsの使用例 -Agentsの仕組み―ReActという考え方 -Tools -Toolkits -Function callingを使うOpenAI Functions Agent -一度に複数ツールを使うOpenAI Multi Functions Agent -Agentsのまとめ -COLUMN Function callingを応用したOurputParser・Extraction・Tagging -まとめ -COLUMN Evaluation ●第6章　外部検索、履歴を踏まえた応答をするWebアプリの実装 6.1 第6章で実装するアプリケーション -実装するアプリケーションの構成 -本書での開発の仕方 -AWS Cloud9の概要 -Streamlitの概要 -完成版のソースコード 6.2 Cloud9を起動して開発環境を構築する -Cloud9環境を作成する -GitHubリポジトリを作成する -Cloud9とGitHubの連携 -Python環境を構築する 6.3 StreamlitのHello World 6.4 ユーザーの入力を受け付ける 6.5 入力内容と応答を画面に表示する 6.6 会話履歴を表示する 6.7 LangChainを使ってOpenAIのChat Completions APIを実行する 6.8 Agentを使って必要に応じて外部情報を検索させる 6.9 チャットの会話履歴をふまえて応答する 6.10 Streamlit Community Cloudにデプロイする -依存パッケージの一覧を作成 -ソースコードをGitHubにアップロードする -Streamlit Community Cloudにデプロイする -他のユーザーを招待する -まとめ ●第7章　ストリーム形式で履歴を踏まえた応答をするSlackアプリの実装 7.1 なぜSlackアプリを作るのか -どんな構成にするの？ -開発環境 -GitHubリポジトリのファイル構成 7.2 環境準備 7.3 環境設定ファイルを作成する 7.4 Slackアプリを新規作成する 7.5 ソケットモードを有効化する 7.6 アプリケーションを作成する 7.7 イベントを設定する 7.8 アクションを送信して応答する 7.9 スレッド内で返信する 7.10 OpenAI APIを呼び出す 7.11 ストリーミングで応答する 7.12 会話履歴を保持する -Momento Cache とは？ 7.13 LazyリスナーでSlackのリトライ前に単純応答を返す 7.14 AWS Lambdaで起動されるハンドラー関数を作成する 7.15 chat.update API制限を回避する 7.16 Slack投稿をリッチにする 7.17 デプロイする 7.18 Socket ModeからAWS Lambdaに切り替える -まとめ ●第8章　社内文書に答えるSlackアプリの実装 8.1 独自の知識をChatGPTに答えさせる -ファインチューニングとRAG（Retrieval Augmented Generation） -RAGワークフロー -回答文の生成にLLMが必要か -業務を圧迫する「何かを探している時間」 -社内データを整備する 8.2 埋め込み表現（embeddings）とは 8.3 実装するアプリケーションの概要 -完成版のソースコード 8.4 開発環境を構築する -Cloud9のディスクスペースが不足している場合の拡張方法 8.5 サンプルデータの準備 8.6 Pineconeのセットアップ -Pineconeとは -Pinecone以外のベクターデータベース -Pineconeのサインアップ 8.7 ベクターデータベース（Pinecone）にベクターデータを保存する -COLUMN Pythonのパッケージ管理ツールについて 8.8 Pineconeを検索して回答する 8.9 会話履歴も踏まえて質問できるようにする -単純に会話履歴を入れてもうまく動かないケース -会話履歴を踏まえて質問をあらためて作成する 8.10 ConversationalRetrievalChainを使う -まとめ ●第9章　LLMアプリの本番リリースに向けて 9.1 企業で生成AIを活用していくために 9.2 JDLA発行『生成AIの利用ガイドライン』をもとにした自社ガイドラインの作成 -利用する外部サービスのサービス規約をしっかり読む 9.3 サービスの企画・設計段階での課題 -プロジェクトリスクへの対応 9.4 テスト・評価について -LLM部分の評価方法 -LangSmithによる性能監視 -COLUMN コンテンツのユースケースによる温度（temperature）の推奨値 9.5 セキュリティ対策について -OWASP Top 10 for Large Language Model Applications -LangChainコアの脆弱性排除について 9.6 個人データ保護の観点 -個人情報保護法に定める本人同意と目的内での利用 -個人情報の保護に関する「決定指向」利益モデルと情報的他律からの自由について 9.7 EUが定める禁止AI・ハイリスクAIの取り扱いの動向 ●付録　Webアプリ、Slackアプリ開発の環境構築 A.1 AWSのサインアップ A.2 Cloud9の環境作成 -Cloud9の料金説明 A.3 Cloud9とGitHubの連携 -GitHubとのSSHの設定 -Gitのユーザーの設定 -GitHubでリポジトリを作成してクローン A.4 Cloud9上のPythonの環境構築 -pyenvのインストール -Python3.10のインストール -Python3.10を使うための手順 -仮想環境について A.5 Momentoのサインアップ -索引

人工知能 人工知能と世界の見方 人工知能と社会

英語学習コーチである著者がChatGPTを活用した英語学習を提案する本 英語学習コーチである著者がChatGPTを活用した英語学習を提案する本

医療者向けChatGPT解説書がついに登場！現現役医師3名がわかりやすく解説。 医療者向けのChatGPT解説書がついに登場！　メール作成や当直表作成といった事務作業から、研究・論文作成の各フェーズに至るまで現役医師3名がわかりやすく解説。 現役医師3名の執筆による医療者向けChatGPT解説書がついに登場！業務メールの作成や標語のアイデア出しといった事務系作業、当直表作成のようなちょっと面倒なタスクといったところから、自己学習や研究・論文作成のフェーズごとの活用までChatGPTの使いこなし方がよくわかる！まだ触れたことのない人も、ちょっと使ってみたけど今イチすごさがわからなかったという人も著者たちが感じている、「おー、こんなことができるのか！」という興奮を共有できるはず。臨床においても、医療者としてのご自身にとっても絶対に強い味方となってくれるChatGPT。この1冊とともにそのすばらしい世界をぜひ体験してください！ はじめに　4 【プロローグ】 ① ChatGPTの基本的な考え方と「ChatGPT×医療」の可能性　8 ② アカウント作成から使用までの流れ11 ③ 自分や組織を守るためにすること：個人情報保護について　13 ④ ChatGPTの特徴　16 ⑤ ChatGPTの基本的な使い方　19 ⑥ 拡張機能の使い方（Custom instructions, Plugin, Advanced Data Analysis）　21 【第1章　ChatGPTの基本と原則】 1-1　まずは使ってみよう！　26 1-2　よいプロンプトの実践例　28 1-3　深津式プロンプト　36 1-4　魔法の言葉「Step by stepで考えて」　39 1-5　アウトプットの基本は「ですます調」　42 1-6　ChatGPTの苦手なタスク　44 1-7　ChatGPTは基本めっちゃ「いいやつ」である　48 【第2章　医療の現場での実践的活用法】 2-1　業務メール作成＆クレーム対応　52 2-2　標語のアイデア出し　55 2-3　インシデントレポート　58 2-4　学生や実習生の評価　60 2-5　フローチャート/マニュアルづくり　62 2-6　ちょっとしたグラフを作る　69 2-7　当直表を作る　74 【第3章　自己学習への活用法】 3-1　一般的な知識を解説してもらう　84 3-2　要約してもらう　86 3-3　ChatGPTに調べ物はできない？　91 3-4　メンターになってもらう　93 【第4章　研究・論文作成への活用法】 4-1　研究への活用法　98 4-2　研究アイデアの提案　101 4-3　臨床疑問をリサーチクエスチョンに　104 4-4　臨床疑問をリサーチクエスチョンに（ワークショップ形式）　108 4-5　研究計画書の作成　111 4-6　倫理審査申請に関連した書類の作成　113 4-7　データ解析（Advanced Data Analysisを使用）　115 4-8　論文執筆　120 4-9　英文校正　127 4-10　Abstractの作成　132 4-11　論文投稿　137 4-12　査読対応　141 4-13　論文査読　143

ＡＩのプロ×外資コンサルタント直伝！生成ＡＩ時代の「仕事術」「身につけるべきスキル」「世界がどう変わるか」がいっきにわかる 外資系コンサルが仕事で使うプロンプトを公開！これから絶対身につけるべき8つスキルとは？業界＆業種別にこれからどうなるかもわかる！生成ＡＩやChatGPTの原理＆使い方からリスク対策方法、身につけるべきスキルまで、外資系コンサル（ビジネスのプロ）かつＡＩのプロだから書ける超実践的仕事術！インターネット登場以来の衝撃と言われる「生成ＡＩ時代」をサバイバルするスキルと知識がこれ一冊ですべてわかる！！ ＰＡＲＴ１　仕事術編 ＣＨＡＰＴＥＲ　１ ツールとしての生成ＡＩの活用 ＣＨＡＰＴＥＲ　２ 生成ＡＩ時代に求められるスキル ＣＨＡＰＴＥＲ　３ 生成ＡＩにおけるリスクと対策 ＰＡＲＴ２　仕事の未来編 ＣＨＡＰＴＥＲ　４ 生成ＡＩがもたらす４つの革命 ＣＨＡＰＴＥＲ　５ 生成ＡＩの社会へのインパクト【業界編】 ＣＨＡＰＴＥＲ　６ 生成ＡＩの社会へのインパクト【職業・生活編】 ＣＨＡＰＴＥＲ　７ 生成ＡＩのもたらす未来

学問からビジネス、カルチャーと多様な領域で革新を起こしつつある生成AIについて、11人のトップランナーが多数の図版を用いてかみくだいてレクチャーする。原理論から各界での活用例、著作権などの法的課題といった主要な論点を凝縮した一冊。 プロローグ　喜連川 優 第１部　生成AIの原理と課題 第１章　大規模言語モデルを研究する基盤――LLM-jp　黒橋禎夫 　１　ChatGPTとは 　２　LLMの歴史 　３　LLMと外部知識ツール 　４　LLMに関する懸念 　５　LLM-jp（LLM勉強会）の活動 　６　LLMの研究開発 第2章　NICTのLLMとその周辺　鳥澤健太郎 　１　NICTのテキスト生成AI開発 　２　LLMによる未知のリスク 　３　LLMに議論はできるか 　４　学習用データの重要性 第２部　生成AIの利活用 第３章　生成AIの活用と懸念に対する対策　井尻善久 　１　AIの進化 　２　LINEでの生成AI開発 　３　社会から理解される生成AIの応用に向けて 第４章　言語生成AIの弱点――なぜChatGPTは計算が苦手なのか　湊 真一 　１　算数が苦手なChatGPT 　２　ChatGPTの仕組み 　３　組合せ爆発という壁 　４　計算手順を理解することの難しさ 第５章　画像生成AIとその利活用　相澤清晴 　１　テキストからの画像生成例 　２　画像生成AIの技術発展の方向 　３　一般 vs プロフェッショナル 　４　画像生成AIの爆発的成長 　５　テキストからの画像生成の2つのブレークスルー 　６　CLIP――VLモデル（OpenAI） 　７　画像－言語ペアの大規模データセット 　８　拡散モデル（Diffusion Model） 　９　テキストによる条件づけ 　10　生成条件の広がり 　11　テキストからの画像生成のモデル規模 　12　画像生成モデルの発展と生成モデルの影響 第６章　生成AIとマンガ制作――制作における生成AIのリアル：2023年夏　小沢高広 　１　生成AIとどう関わるか? 　２　生成AIで何ができるの? 　３　生成AIにマンガは描けるの? 　４　文章生成AIをマンガに使おう！ 　５　画像生成AIをマンガに使おう！ 　６　今後の展望 第７章　画像生成AIを用いたブランドの創出　黒越誠治 　１　生成AIによるブランド創出プロセス 　２　バリエーションを生成する 　３　デザインの課題を解決する 　４　職人という価値 第８章　生成AIと日本古典籍　カラーヌワット・タリン 　１　くずし字認識アプリ・みをの開発 　２　古典籍への応用 　３　残された課題 第３部　生成AIと法 第９章　LLMの法的課題　宍戸常寿 　１　G7広島AIプロセスの現状 　２　OECD報告書 　３　個人情報保護 　４　政府の利用とセキュリティー 　５　プライバシーと差別 　６　AI開発者、特に基盤モデルの透明性確保とリスク評価 第10章　生成AIと著作権　奥邨弘司 　１　AIが生成した表現の著作物性 　２　機械学習と著作権 　３　生成表現による著作権侵害 第11章　生成AIにおける法的推論への適応限界　佐藤 健 　１　生成AIの法的推論への応用の問題点について 　２　ChatGPTで日本の司法試験の問題を解いてみた 　３　ChatGPTに起因するその他の法律応用の問題について 　４　生成AIの法的応用への解決――記号処理系AIとの融合

【倍速講義】は時間効率を重視する忙しいビジネスパーソンのためのシリーズです。 【倍速講義】は時間効率を重視する忙しいビジネスパーソンのためのシリーズです。話題のテーマや知っておくべき教養・スキルが、タイパ抜群の見るだけレイアウトでわかります。ChatGPTの何がすごいのか？ どうやって質問を投げるのか？ といった基本的なトピックから、いま注目される背景、ビジネスへの活用、利用上の問題点まで、「1テーマ45秒」で押さえておきたいポイントを把握できます。 Chapter 1 ChatGPTは何がすごいのか Chapter 2 AIへの注目が高まっている背景 Chapter 3 AI時代にひそむリスク Chapter 4 AIをどう使いこなしていくか Chapter 5 ビジネスを変えるAI

ディープラーニング活用なくしてビジネスの飛躍的成長なし

生成AIを業務に使用する際の利点や問題点をさぐる 生成AIを業務に使用する際の利点や問題点をさぐる 生成AIを正しく理解し、ビジネスの現場で業務に活用するにはどうしたらよいかを考察していく。必要な知識、実行手順、課題や対応策についても解説する。

生成AIに伴う著作権、個人情報、肖像権、営業秘密などの侵害リスク。法律の専門家がビジネスパーソン向けにわかりやすく解説します 生成AIに伴う著作権、個人情報、肖像権、営業秘密などの侵害リスク。法律の専門家がビジネスパーソン向けにわかりやすく解説します ★生成AIの問題は著作権侵害だけではない★法的リスクの全貌と対策が分かる１冊！　ChatGPTなどの生成AIには、多くの法的リスクがあります。ライバルに先んじて開発・業務利用・ビジネス活用したくても、法律の知識がなければ怖くて提案すらできないでしょう。新しいテクノロジーなだけに判断基準が確定していないこともありますが、リスクは、確実に、そこにあります。　リスクとしてよく話題に上がるのは「著作権侵害」ですが、実はそれだけではありません。多くのビジネスパーソンが気づいていない法的リスクがほかにもあります。「著作権侵害」のほか、「秘密情報の漏洩」「ハルシネーション」「人格的権利・利益の侵害」「個人情報保護法違反」「バイアスによる差別」「フェイクニュースの拡散とマルウェア作成などの不適切利用」などです。同じ法的リスクでも、生成AIの開発側とユーザー側では観点が異なりますので、本書は両方の観点から解説します。　本書をお読みいただければ、生成AIに関する世界の法的なトレンドはどうなっていて、現時点では国内のどの法律にどのように抵触する可能性があり、法的リスクを回避するために今できることは何か――そうしたことが体系だって理解できます。　法律の専門家がビジネスパーソン向けに分かりやすく解説しており、「生成AIを使いたい・開発したい」と考えるビジネスパーソン必携の書です。 はじめに 第1章　【概要】生成AIとその法的リスク 1-1　生成AIの概要 1-2　生成AIに関する国内外の規制の動向 1-3　生成AIの法的リスクの概要 1-4　生成AIに関する訴訟 第2章　【基本編】AI開発・学習段階の法的リスクと対策 2-1　AI開発・学習段階の法的リスクはどこにあるか？ 2-2　著作権に関する法的リスクと対策 2-3　著作物権以外の知的財産権に関するデータの法的リスクと対策 2-4　人格権関連の権利・利益に関するデータの法的リスクと対策 2-5　パーソナルデータに関するの法的リスクと対策 2-6　秘密情報が含まれるデータの法的リスクと対策 2-7　バイアスが含まれるデータの法的リスクと対策 第3章　【基本編】生成・利用段階の法的リスクと対策 3-1　生成・利用段階の法的リスクはどこにあるか？ 3-2　著作権に関する法的リスクと対策 3-3　著作物権以外の知的財産権に関する法的リスクと対策 3-4　人格的権利・利益の侵害に関する法的リスクと対策 3-5　パーソナルデータに関する法的リスクと対策 3-6　秘密保持義務に関する法的リスクと対策 3-7　誤情報に関する法的リスクと対策 3-8　バイアスに関する法的リスクと対策 3-9　不適切利用に関する法的リスクと対策 第4章　【応用編】生成AIシステム開発における法的注意点 4-1　生成AIの作成を外部に委託する際の注意点 4-2　生成AIシステム開発の注意点1「開発方式・契約形態」 4-3　生成AIシステム開発の注意点2「学習用データセット」 4-4　生成AIシステム開発の注意点3「生成AIの権利・利用」 4-5　大規模言語モデルを利用する際の注意点 第5章　【応用編】AI提供者等の法的リスク 5-1　生成AIを提供する側が問われる責任 5-2　契約当事者間における民事責任 5-3　契約関係にない第三者に対する民事責任 5-4　刑事事件 第6章　【応用編】生成AI社内ガイドラインと利用規約のチェックポイント 6-1　生成AI社内ガイドライン 6-2　利用規約のチェックポイント 要点整理Q＆A おわりに

文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

１ 生成AIによって、単純な知的作業の効率を著しく高めることが可能になった。そのおかげで人間は、AIにはできない”創造活動”に集中できる。創造とは、アイディアを見つけ、育てること。方法論なしに、いいアイディアを思いつくことは、ない。半世紀にわたってアイディアを生み出す手法を蓄積してきた著者は、生成AIを導入・実験して、真に効果がある使い方を発見。生成AIという優秀な助手を得て、さらにバージョンアップした、最強のアイディア創造法を公開。AI時代に誰が失業し、誰が伸びるか？

あなたのスキルの賞味期限は4年！生成AI時代に求められる「学び続ける人材」に向けた実践ガイド あなたのスキルの賞味期限は4年！生成AI時代に求められる「学び続ける人材」に向けた実践ガイド あなたのスキルの賞味期限は4年！生成AI時代に求められる「学び続ける人材」に向けた実践ガイドChatGPTでリスキリングを成功に導く「LEARN+Aステップ」公開ChatGPTをはじめとする生成AIの登場が、ビジネスパーソンの働き方、キャリア形成において大きなインパクトを与えています。これに対して日本では「ChatGPTに仕事を奪われる」という前提で話が進むことがほとんどです。しかし、今までもパソコンやインターネット、スマートフォンの登場といったパラダイムシフトは突然やって来ました。実は生成AIもそうした現象の1つにすぎません。ただ確実に言えるのは、変革のサイクルが極めて速くなっているということ。そんな現代を生き抜くためには、私たちは常に学び続けなくてはなりません。つまり「継続的なリスキリング」が求められているのです。ここ数年リスキリングの必要性が叫ばれ、次々新しいことを習得しなくては仕事に支障を来しかねない今日、これまで培ったビジネススキルの通用する期間が短くなっているのに気付いている人が増えています。米国シリコンバレーでAIビジネスの最前線に立つ本書の著者は、「大学で4年学んだスキルで40年働ける『4 to 40』の時代は終わった。今や4年学んで4年働く『4 to 4』の時代」と言い切ります。もはや「あなたのスキルの賞味期限はわずか4年」なのです。さらに著者は、継続的なリスキリングによって新たなスキルを獲得し続ける「π（パイ）型人材2.0」こそが、進化の著しいAI時代に求められる最強の人材だと明言します。本書ではまず、"賞味期限"が短くなるAI時代おけるスキルの考え方と、その背景を説明します。それを踏まえ、今後求められる「π型人材2.0」の定義と、そうした人材になるために編み出した、効率的なリスキリングのためのプロセス「LEARN+Aステップ」について事例を交えながら詳しく解説します。自分が強みとする専門的なスキルの棚卸しを行い、リスキリングによって相乗効果が期待できる新たなスキルの発掘と成長パターンを分析します。その手法として積極的にChatGPTを活用しているのも特徴です。リスキリングにAIの力を借りることで、自分が思いもよらなかったスキルの発見もあり得るでしょう。これからもビジネスシーンの第一線で活躍し続けるため、キャリアアップに向けたリスキリングの成功をより確実なものとしたい方へお薦めしたい1冊です。 はじめに 第１章　チャットＧＰＴ時代のリスキリング チャットＧＰＴに仕事を奪われる？ 「リスキリングしないと生き残れない」は当たり前 「4 to 40」から「4 to 4」の時代へ 学び続けることが働き続けることにつながる リスキリングの機会がない会社は危ない？ なぜ「リスキリング」が人ごとになってしまうのか？ リスキリングにはさまざまなレベルがある 「学びのプロ」になる 第２章　今求められる「π（パイ）型人材2.0」 これまで求められた人材像とこれから求められる人材像 π型人材を構成する3つのスキル π型人材からπ型人材2.0に進化する リスキリングのための「ＬＥＡＲＮ（ラーン）＋Ａステップ」 第３章　リスキリングステップ1　『L』（Let go）　前提条件を手放す なぜ「手放す」ことがリスキリングの第１ステップなのか ダボス会議でも議論されたリスキリング 「現場力」とリスキリングの掛け合わせ サンクコストに縛られない リスキリングが必要な人たちとは？ プライドを手放す 「自分なんか」を手放す 認知バイアスを手放す 第４章　リスキリングステップ2 『E』（Evaluate）　ドメインスキルを評価する リスキリング迷子にならないために 自分のスキルを可視化する「スキルセットツリーマップ」 チャットGPTを利用して「スキルセットツリーマップ」を作る 営業職から事業開発職に転職したＡさんの場合 ＩＴ部門で働きフリーとして独立したＢさんの場合 工場勤務一筋25年のベテランＣさんの場合 第５章　リスキリングステップ3 『A』（Analyze）　スパイクスキルを何にすべきか分析する スパイクスキルは相乗効果を考える どのドメインスキルとスパイクスキルを組み合わせるか ４つの成長パターン1　ドメイン強化型 ４つの成長パターン2　管理職キャリアアップ型 ４つの成長パターン3　ドメイン・スパイク共存型 ４つの成長パターン4　ドメイン・スパイクシナジー型 営業職から事業開発職に転職したＡさんのスパイクスキル ＩＴ部門で働きフリーとして独立したＢさんのスパイクスキル 工場勤務一筋25年のベテランＣさんのスパイクスキル 第６章　リスキリングステップ4 『R』（Roll out）　リスキリングを実行する リスキリングを実行する上で気を付ける6つの勘違い リスキリングを実行する際に必要な３条件　1 時間の捻出 時間をかけない汎用的なスキル取得なら「教養系リスキリング」 短期間で具体的なスキルを得るなら「ツール系リスキリング」 時間をかけ具体的スキルを得る「ブートキャンプ系リスキリング」 時間をかけ汎用的スキルを得るなら「大学院系リスキリング」 時間を確保するための交渉 「ワークライフインテグレーション」を考える リスキリングを実行する際に必要な３条件　2 持続力の捻出 「20倍界王拳」で有効な時間帯をうまく使う リスキリングを実行する際に必要な３条件　3 費用の捻出 第７章　リスキリングステップ5 『N』（Negotiate）　条件を交渉する リスキリングを始める前の交渉 リスキリング中には何をすべきか リスキリング後の交渉 交渉をうまく進めるために リスキリングは交渉の大義名分になる 第８章　リスキリングステップ6 『＋A』（Associative Thinking） ドメインとスパイクを統合する 異なるスキルの統合に必要なイノベーターの「５大スキル」 マスタースキルを養う1　今までと全く違う何かで「連想力」を磨く マスタースキルを養う2　「質問力」は本質を見抜く力に他ならない マスタースキルを養う3　「観察力」でビジネスニーズをつかむ マスタースキルを養う4　「ネットワーク力」で広げる知識の幅 マスタースキルを養う5　「実験力」で自分に新たな体験を促す 「いろんな色の帽子」をかぶる 「越境」でマスタースキルを手に入れる 学びを自分の言葉で語る おわりに

組織変革には時間がかかる――。こんな嘆きを一挙解決。半年かけた評価基準作成がわずか30分に。生成AIによる新たな組織作り。 組織変革には時間がかかる――。こんな嘆きを一挙解決。半年かけた評価基準作成がわずか30分に。生成AIによる新たな組織作り。 　経営の世界には、常に変化の波が押し寄せています。AI（人工知能）の活用も、その1つ。AIを積極的に取り入れ活用する企業こそが、新しいビジネス機会、そして新しい未来を手中にできる――。本書ではこうした立場から、生成AI「ChatGPT」の活用を軸に、次のテーマを物語仕立てで考えていきます。・経営者は、経営にAIをどう活用したら良いのか。・組織には、AIによってどんな変革や希望がもたらされるのか。・中堅管理職は、上司と部下の関係をAIを使ってどう築くのか。・若きビジネスリーダーは、経営者にAIの活用をどう提言すれば良いのか。　実際、生成AIの活用は「時間の節約」「予算と人の削減」に直結します。これにより、限られたリソースの最適配分が可能になり、社員の多様性を尊重しながら可能性を最大限に引き出し、ワクワク・イキイキと働きがいのある組織を築くことができます。　本書では、経営者や管理職をはじめ「組織を良くしたい」と思うビジネスマン向けに、組織開発・人材能力開発の専門家が生成AIの活用の仕方を惜しげなく伝授します。今すぐ役立つプロンプトも満載。仕事を変えるAI活用のヒントをつかんでください。 巻頭メッセージ はじめに ChatGPTを安心して使うために プロローグ Part1 経営者編　企業成長へ、ChatGPTで経営と現場のベクトル合わせ 1-1　経営者の想いをChatGPTで見える形に 1-2　既存の人財評価基準をChatGPTでアップデート 1-3　事業計画を組織全体に浸透させるOKRとそれを支えるChatGPT Part2 組織編　ChatGPTによる最強の「OKR組織導入」支援 2-1　OKR組織浸透プロジェクト、ChatGPTと共に始動！ 2-2　ChatGPTによる初期チーム作りとコミュニケーション強化策 2-3　ChatGPT×OKRがプロジェクト管理に与える影響 2-4　人とAIが築く組織の未来～OKRと組織開発を駆使して Part3 管理職編　部下の成長を支援するAI活用術 3-1　管理職とは何か 3-2　1on1に臨む前に 3-3　部下に気づきを与える1on1のコツ 3-4　1on1の振り返り 3-5　AIコーチの活用 3-6　AIコーチが人間コーチに近づく Part4 ビジネスリーダー編　AI情報を戦略活用する「自創型AI人財」への旅 4-1　自創型AI人財になるためのChatGPTトレーニングプログラム 4-2　ChatGPT主導のラリー型プロンプトの威力 4-3　AIと人の協働作業 4-4　カイトが描く自創型AI人財像 特別編 リスキリング　運送DX挑戦物語 5-1　「選任」は突然に…。今日から俺はリスキリング推進部長！ 5-2　「計画」は現場の声から。星屑の俺たちのDX冒険！ 5-3　「定着」は全員参加で。マンダラチャート×OKでR！？ 5-4　「評価」は傾聴して。ジョハリの窓にもっと光を！ 5-5　「未来」を自由にデザインしよう！働くをゲーム化する！？ エピローグ 解説　1からわかる！ChatGPT活用法 おわりに 著者プロフィール