社内Agent勉強会の取り組み紹介
蕭 喬仁さん
- 組織的な技術のキャッチアップ難しい
- 勉強会やったりしても続かない
- 資料の準備
- 議論が盛り上がらない
- 時間の調整
- うまく続ける工夫
- 教えながら議論することで学びが深まる
- 業務に近いテーマ設定
- 発表者へのフィードバックを多く
Text2SQLに取り組む中で得た知見
小林 優人さん
- Text2SQL
- アプローチ
- 指示理解 - テーブル選定 - カラム確認 - ユニーク値確認 - SQL生成
- 自分が頭で考えるならどうやるかを元に
- テーブルやカラムの説明文が選定の精度に影響出る
- 精度の向上
- SQL作ったあとに見直しさせるのが良かった
- LongフォーマットよりWideフォーマット
- システム的なデメリットはあるが
- 課題点
- コンテキスト量の節約
- 実行時間
AIでゲームを作った話
大波 千那さん
- 経緯
- 複数部門跨ったAIのナレッジを共有する取り組み
- その中での題材
- 使ったサービス
- 要件定義をChatGPT
- UIをBolt
- 画像をLovart
開発者からみたLLMの進化
吉竹 直樹さん
- GPT3.5の頃
- 面白いが仕事では難しい
- GPT4.0やAPIの登場
- 業務が変わりそうな気配
- LLMブームが始まる
- 懸念点も見えてくる
- ハルシネーション
- テキストしか受け付けない
- レスポンス速度
- コスト
- セキュリティ
- ハルシネーション
- 原因
- 学習データに含まれない
- コンテキスト不足
- 変化
- RAGの活用
- 推論モデルで複雑な問題に対応しやすくなった
- 決定論的な結果になる仕組み
- LLMがコードを書いてそれを実行したり
- 各モデルのコンテキストサイズが拡大
- 原因
- 入力がテキスト
- マルチモーダルがデフォルトになった
- レスポンス速度
- 速度を測る2つの指標は向上している
- Token Per Second
- Time to First T・・
- 推論モデルやエージェントでは待ちが長くなっている
- 待たせてる間のUX設計
- タスクに応じたモデルの使い分け
- 速度を測る2つの指標は向上している
- セキュリティ
- 学習に使われてしまうかは要確認
- データの所在に関する考慮
- AIエージェント
- 自律的にタスクを遂行するシステム
- 決まった定義はなくて各社それぞれ
- Function Callingをコアに発達した
- ツールを関数呼び出し形式で扱える
- LLMがツールを実行するか判断できる
- MCP
- ツール呼び出しの標準化
- A2A
- エージェント同士の連携の標準化
- モデル自体の性能の進化も影響
- エージェントの分類
- ワークフロー型
- 定義されたタスクの実行
- 分岐をAIが判断
- 安定はするが作るコストはかかる
- 自律型
- ゴールだけ渡して自律的に判断して動作
- 安定性やセキュリティのリスク
- うまく使えると効果絶大
- ワークフロー型
- 自律的にタスクを遂行するシステム
