実用的なAIのアイデア

私たちからブログ

ビジネス AI を活用するチーム向けの製品アップデート、実用的なガイド、明確な分析。

120 記事

ページ 16 の 20

AIナレッジベース2023年7月11日

エクセルデータでGPTを無料でトレーニングするには？ (ベータ）

CodyのナレッジベースとトレーニングChatGPTにExcelデータを追加するためのガイドを無料で提供しています。御社のExcelデータでコーディーのトレーニングを始める前に、ボットから最高の回答を得るためにいくつかのコンセプトを明確にする必要があります。 GPT（Generative Pre-Trained Transformers）とは、文やフレーズを完成させるために、次の単語を予測するために広範なデータセットで訓練された言語モデルである。これらは特に、構造化されていない会話や文字データの大規模なサンプルからなる自然言語データセットで学習される。線形回帰のような統計モデルとは異なり、GPTは論理的な学習データを使って数値を予測することには長けていない。例えば、2+2=5と主張するデータセットでGPTを訓練すると、GPTは論理的矛盾を理解しようとせずに、2+2=5と答えるだろう（これはあくまで例であり、OpenAIはこのようなクエリにも正確な回答を返す）。これはLLMのもう一つの限界である幻覚と相まって、数学的計算には不向きな環境を作り出している。 GPTの限界を理解したところで、GPTをExcelデータでトレーニングするプロセスを無料でご案内しましょう。 CodyのナレッジベースにExcelやCSVデータを追加する方法を開発しました。前述したように、GPTは自然言語を理解することに長けているので、Excelデータを言語モデルによって簡単に読み取れる形式に変換します。ステップ1：エクセルデータの変換ボットを訓練したいCSVまたはExcelデータを取得し、弊社が作成したユーティリティを使用してテキストファイルに変換します。このユーティリティは、対応するヘッダーでデータに注釈を付けることで、エクセルデータをテキストファイルに変換します。セル項目にヘッダーのアノテーションを付けることで、前処理の段階で文書のセグメンテーションによってヘッダーがスキップされる可能性が高くなるため、言語モデルが文脈をより理解しやすくなる。例えば。エクセルのデータ：名称年齢ジョン 16 マリー 18 テキストデータ： {The Name is ‘John’. The Age is ‘16’.}, {The Name is ‘Marie’. The Age is ‘18’.} 生成されるテキストファイルは、JSONに似たフォーマットに従っているが、より人間に近い感覚を提供するために、より文学的なスタイルになっている。このソリューションは現在実験段階であり、Codyアプリにはまだ統合されていませんが、GPTの3モデルすべてでうまく機能します。ユーティリティ・インターフェース：サンプルCSVデータ：ボットから最高の品質の回答を得るには、変換前にデータをクリーニングすることをお勧めします。 CSVまたはExcelデータをユーティリティにアップロードした後、GPT互換テキストファイルを生成する前にデータをプレビューすることができます。パートごとの行数：大きなデータセットの場合、データセットを複数のパートに分割することが望ましい。この分割により、セマンティック検索が改善され、回答の質が向上する。セル参照を含める：テキストファイルにExcelのセル参照を含める場合は、このオプションを選択できます。ボットは、エクセルで実行可能なアクションのステップバイステップのガイドを作成する際に、これらのセル参照を参照することができます。例えば、中央値を求める数式を生成することができる。圧縮されたzipフォルダーが生成され、その中にはエクセルデータのすべての部分が.txt形式で含まれています。ステップ2：Codyナレッジベースにデータを追加する変換されたデータをCody… Read more »

記事を読む

AIツール2023年7月10日

DiscordのAI統合

コーディをDiscordにセットアップする。ゲームオン！ユーザーエクスペリエンスを向上させることを常に目指している私たちは、DiscordのCodyAIをスムーズかつシームレスに統合するという、新たな記念すべき機能追加を発表できることに興奮しています。最も期待されている統合の1つとして認識されており、Discordサーバーを次のレベルへと導きます。熱狂的なゲーム・ディスカッション、宿題のための学術資料へのアクセス、あるいは単にインタラクティブな交流など、Cody AIはあなたの専用アシスタントです。 CodyのAIをDiscordサーバーに追加する方法：ボットをサーバーに招待するには、次のリンクを使用します。リンクまたは、Cody AI SettingsのIntegrationsセクションをご覧ください。 Discordアカウントにサインインしてください。コーディボットを追加するサーバーを選択します。 APIキーを設定するには /set-cody-token コマンドをどのテキスト・チャンネルでも使用できる。 Cody AI Tokenは、サーバー管理者のみが設定できる。 APIキーの取得にサポートが必要な場合は、こちらの記事をご参照ください。ボットをテキストチャンネルに割り当てるには /assign-bot コマンドを使用している。異なるチャンネルにこのコマンドを使用して、チャンネルごとに異なるボットを設定することができます。ボットに質問するには、次のように入力するだけです。 @Cody 続いて、あなたの質問。コーディ・AIがチャンネルに新しいスレッドを作成し、あなたの質問に回答します。そのスレッド内のメッセージはすべてチャット履歴とみなされます。新しい会話を始めたい場合は、スレッドから退出し、次のように言ってください。 @Cody 再びあなたの意見が重要我々は常にユーザーからのフィードバックに支えられてきた。皆さんの見識と経験が私たちの指針です。 Cody-Discordの統合を進めるにあたり、ご意見やご提案をお聞かせください。 Discordサーバー Discordサーバーまたは、Cody AIのウェブアプリにある「Get Help」ボタンからお問い合わせください。 Discordでのコーディとの旅は私たちにとって重要であり、可能な限り充実したものにしたいと考えています。その他のインテグレーションについては、新しいai Zapierインテグレーションをお読みください。

記事を読む

AIツール2023年7月3日

SlackのAI統合

目まぐるしく変化する今日のデジタル社会において、AIを日々のコミュニケーション・ツールに組み込むことは単なる贅沢ではなく、必要不可欠なことなのだ。このニーズを認識し、CodyとのAI Slack統合機能を発表できることを嬉しく思います。この統合は、コミュニケーションにSlackを多用している企業や法人のSlack体験を向上させるように設計されている。企業文書で訓練されたCodyボットを統合することで、ユーザーはSlackワークスペース内で、より合理的で効率的なコミュニケーションプロセスを享受できるようになった。 CodyのAIをSlackワークスペースに統合する方法 CodySettings> Integrationsに移動し、Install Slackをクリックして、Cody BotをSlackワークスペースに追加します。 Cody Settings> API Keysから Create API KeyをクリックしてAPI Keyを取得します。 SlackのワークスペースでCody Appを検索し、HomeセクションでAPI Keyを設定します。ワークスペースの任意のチャンネルに移動して /assign-bot コマンドを使用して、Codyアカウントからそのチャンネルにボットを割り当てます。ボットに質問するには、次のように入力するだけです。 @Cody 続いて、あなたの質問。コーディがあなたの質問に答えるために、チャンネルに新しいスレッドを作成します。そのスレッド内のメッセージはすべてチャット履歴とみなされます。新しい会話を始めたい場合は、スレッドから退出し、次のように言ってください。 @Cody 再びコーディーのAI統合の未来このAI Slack Integrationは、サードパーティ製アプリケーションとの統合における当社の先駆的な取り組みのひとつです。ユーザーからの圧倒的な要望と人気が、この機能開始の原動力となった。そして、これはほんの始まりに過ぎない！現在、Discordや Zapierなどの追加機能や統合を開発中です。これらのエキサイティングなアップデートは近い将来展開される予定だ。あなたのフィードバックが重要皆さんの洞察とフィードバックは、私たちにとってかけがえのないものです。彼らは私たちのイノベーションの方向性を形成し、私たちが常に最高のものを提供することを保証します。この統合について、あなたの考えや経験を共有していただきたい。私たちのDiscordサーバーに接続するか、アプリ内の「ヘルプを得る」ボタンからご連絡ください。

記事を読む

AIナレッジベース2023年7月1日

ボットパーソナリティの解剖

思い通りに動くボットを作るコツ言語モデルを利用したボットを構築する場合、特に最初のうちは忍耐が重要であることを認識することが不可欠だ。基礎が固まれば、追加コンポーネントを加えるのも容易になる。コーディでボットを作るのは、キャンバスに絵を描くのに似ている。ボットに自分らしさを加えるには、ある程度の創造性と基本的な理解が必要だ。ボットが特定の思考スタイルを採用できるようにする主なパラメータは、パーソナリティ・プロンプトです。ボットの個性は、トークンの分布や関連性スコアなど、さまざまな要因によって形作られる。しかし、個性を表すプロンプトは、ユーザーごとに異なるカスタマイズが可能なため、最も特徴的でクリエイティブな側面を持っている。ユーザーは、特定の要件に応じてボットの個性を自由に作成し、微調整することができます。自由は誰にとってもありがたいものだが、白紙の状態から始めると、威圧的になり、何から始めたらいいのか曖昧になることもある。もしあなたが同じように感じているなら、心配する必要はない。このブログは、あなたがより良いパーソナリティ・プロンプトを作成するのに役立つはずだ。まず、推奨されるプロンプトの構成から説明し、次にプロンプトのサンプルをいくつか示します。名称ボットに名前をつけることから始めると常に有益です。ボットに名前を付けることで、特にユーザーへの挨拶やボットに関する質問に対応する際に、人間味が加わります。プロンプトあなたの名前は[Name of your Bot] 。またはあなたは「[Name of your Bot] 」です。説明ボットの記述は、知識ベースを通じて提供されるコンテキストを認識させる。コンテキストを認識することで、ボットに特定のドメインを念頭に置きながら質問に答えるためのフレームワークを提供する。プロンプトあなたの主な仕事は、[specify the domain] 。またはあなたの主な目的は、[specify the domain] 。注：一般セクションで設定されるボット名と説明は、複数のボットを区別するための便宜的なものです。ボット自身はこれらの設定に気づいていない。そのため、パーソナリティ・プロンプト内でボットの名前と説明を明示的に定義して、ボットのアイデンティティと特性を確立する必要があります。バウンダリー大規模なデータセットで訓練されたLLMを使用することの潜在的な欠点の1つは、幻覚反応を生成する傾向があることである。重要なのは、コーディがオンデマンドでLLMを微調整したり再トレーニングしたりするために、回答を生成するためのデータが利用されないということだ。その代わり、LLMに問い合わせる際のコンテキスト参照として機能するため、応答が速くなり、データのプライバシーが保たれる。ボットが元のLLMデータセットのデータポイントを参照しないようにするには、類似のドメインや概念と重複する可能性があるため、コンテキストを知識ベースに厳密に限定する必要がある。プロンプトナレッジベースが唯一の情報源だ。またはナレッジベースに記載されていない限り、あなたはいかなる主張もしたがらない。ボットがナレッジベースを必要としない場合や、ナレッジベースを参照元として使用する場合もあるだろう。… Read more »

記事を読む

アーティフィシャル・インテリジェンス2023年6月26日

AIを活用したナレッジマネジメントでチームワークを向上

チームの成功は、しばしば効果的なコラボレーション能力にかかっている。情報をシームレスに共有し、アクセスできる組織は、そうでない組織に対して常に競争上の優位性を享受してきた。今、めまぐるしく変化するデジタルの世界では、その能力がこれまで以上に重要になっている。幸いなことに、どんなに小さな企業にも強力な味方がいる：人工知能である。 AIの進歩により、AIを活用した企業向けナレッジベース・サービスへの道が開かれた。このサービスは、チームをサポートし、コラボレーションを強化するための多大な機会を提供し、企業がこれまで以上に効率的に膨大な量の情報を照合し、活用することを可能にする。このブログでは、AIを活用したナレッジベースがチームワークにどのような革命をもたらし、コラボレーションを強化できるかを探る。一元化された知識への容易なアクセスデジタル化されたビジネスの重要な構成要素は、情報、文書、リソースを保存・整理するための一元化されたリポジトリである。しかし、競争力を決定付けるのは、情報へのアクセスのしやすさである。マッキンゼー・アンド・カンパニーの調査によると、組織全体で効果的に情報を共有できる企業は、収益性の面で競合他社を上回る可能性が35％高い。しかし、従業員が必要なときに必要な情報を見つけられなければ、その知識ベースはあまり役に立たない。リスト化されたファイルやアーカイブされたドキュメントを探すのにどれだけの時間を浪費できるか考えてみよう。 AIは、ナレッジ・リポジトリから最大限の価値を引き出すことを可能にする。これにより、従業員は数回のキー操作で質問に対する答えをすぐに見つけることができ、十分な情報に基づいた意思決定、問題の迅速なトラブルシューティング、顧客へのサポートができるようになります。インテリジェントな検索と発見私たちは皆、特定の情報を探し求めても見つからず、無関係な検索結果の束をスキャンすることに苛立ちを覚えることを知っている。 AIを搭載した知識ベースは、高度な検索アルゴリズムと自然言語処理を採用し、これを過去のものにする。それは、検索クエリの文脈とユーザーの意図を「理解」することができるためで、その結果、検索結果の精度が格段に上がり、関連性がはるかに高くなる。これにより、フラストレーションが減ることで従業員の満足度が向上し、チームが戦略やイノベーションなどに集中できる時間が増えることで生産性が高まる。自動化されたコンテンツ・キュレーション手作業でのコンテンツ・キュレーションは、特に物事が素早く動くビジネスにおいては、継続的で時間のかかる労働を意味する。また、ミスを犯しやすく、情報の欠落や知識のギャップを招き、結果的に大きな代償を払うことになりかねない。 AIを搭載したシステムは、新しい情報を自動的に分類しタグ付けすることで、キュレーション・プロセスを効率化することができる。これは時間の節約になるだけでなく、知識ベースが確実に正確で、最新かつ適切であることを保証します。協調的な知識の共有パンデミック後の今日の世界では、チームはしばしば地理的に分散している。リモートワークを促進し、サポートすることは、企業にとって、人材へのアクセスや離職率の低下（最大25％減、による。フクロウ研究所また、オフィススペースや光熱費、その他の経費も削減できる（従業員1人当たり年間約11,000ドル、リモートワークの割合が50％の場合。グローバル・ワークプレイス・アナリティクス). しかし、遠隔地での共同作業は、特に情報の共有に関して、雇用主にとって課題となる。しかし、AIを活用した知識ベースがあれば、物理的な場所に関係なくシームレスなコラボレーションが可能になる。リアルタイムの編集、コメント、バージョン管理（AIによる支援）により、情報を散在させたりサイロ化させたりする複数のツールやプラットフォームを使いこなす必要なく、チームはナレッジ・リポジトリ内で共同作業を行うことができる。これにより、情報の紛失やミスコミュニケーションのリスクが劇的に軽減され、全員が同じページを読み、同じ方向に向かっていることが保証される。インテリジェントな洞察と分析 AIを活用したアナリティクスは、ナレッジベースに蓄積された膨大なデータと、その情報の利用方法から貴重な洞察を引き出すことができる。利用パターン、検索クエリ、ユーザー行動を分析することで、これらのシステムはチームリーダーやマネージャーに実用的なインテリジェンスを提供することができる。これには、知識のギャップ、人気のあるトピック、組織内の専門分野を特定することも含まれ、チームの努力を集中させ、リソースをより効果的に配分するのに役立つ。チームコラボレーションに革命を一元化され、アクセスしやすく、インテリジェントなナレッジ・マネジメント・ソリューションを提供することで、AIを活用したナレッジ・ベースはビジネスを強力にサポートし、チームの作業をより効率的かつ効果的に支援する。俊敏性と革新性をサポートし、プロセスを合理化し、生産性を高めることができる。さらに、無料トライアルで、あなたのビジネスに与える影響を直接ご確認いただけます。さあ、今日からCodyAIを始めてみませんか？

記事を読む

カテゴリーなし2023年6月26日

Codyはどのようにあなたの文書を使って回答を生成するのか？

コーディを使い始めると、なぜコーディが期待された反応を生み出せないのか、がっかりしたり意気消沈したりする可能性がある。この短いブログでは、Codyをどのように使用すべきかを深く掘り下げることはしませんが、Codyがどのようにあなたの文書を使用して回答を生成するかを大まかに説明します。文書によるレスポンス生成には、主に2つの要因が影響する：チャンキングコンテキスト・ウィンドウチャンキングとコンテクスト・ウィンドウ、この2つの用語は相互に関連している。レスポンスの発生を料理の調理に例えることができる。チャンクはカットした野菜の個々のピースとして見ることができ、コンテキスト・ウィンドウは調理器具のサイズを表している。野菜を最適な大きさに切ることは、全体の味を引き立てるために重要であり、大きめの調理器具を使えば、より多くの野菜を加えることができる。チャンキングとは何か？簡単に言えば、チャンキングとは、コンテンツを管理しやすい断片に分解し、メモリを効率的に使用することである。私たちのブログをお読みの方なら、GPTのようなモデルにはかなりのリソースが必要で、コンテキスト・ウィンドウの制約に取り組むために、チャンキングのような複数の処理を採用していることをご存じかもしれない。チャンキングは、Codyにドキュメントをアップロードした後に行われる処理です。ドキュメントを複数のチャンクに分割し、各チャンクには関連する周囲のコンテキストが含まれる。これらのチャンクには、計算しやすいように数値タグが割り当てられる。最適なチャンクサイズを見つけることが重要だ。チャンクサイズを小さくすると文脈の関連性が低下し、チャンクサイズを大きくするとノイズが増える。 Codyのチャンキング・アルゴリズムは、ユーザーが設定したトークン分布に基づいてチャンクサイズを動的に調整する。コンテキストウィンドウはボットの反応にどのような影響を与えますか？パーソナリティ・プロンプト、関連性スコアなど、さまざまな要素がボットの回答の質に影響を与える。モデルのコンテクストウィンドウもまた、品質を決定する上で重要な役割を果たす。コンテキストウィンドウとは、LLM（言語モデル）が1回の呼び出しで処理できるテキストの量のこと。 CodyはOpenAIモデルを使って回答を生成するために埋め込みとコンテキストインジェクションを利用するので、より大きなコンテキストウィンドウは、各クエリでモデルにより多くのデータを取り込むことを可能にする。各クエリ (≤コンテキストウィンドウ) = ボットのパーソナリティ + 知識チャンク + 履歴 + ユーザー入力 + 応答さまざまなモデルのコンテキストウィンドウ： GPT-3.5：4096トークン（≒3500ワード） GPT-3.5 16K：16000トークン（≒13000語） GPT-4：8000トークン（≒7000ワード）コンテキストウィンドウが大きくなると、パーソナリティ、チャンク、ヒストリー、インプット、レスポンスなど、各パラメーターの割合が大きくなる。この拡大されたコンテクストによって、ボットはより適切で、首尾一貫した、そして本質的に創造的な応答を生成することができるようになる。コーディの最新の追加機能により、ユーザーは回答の最後にある文書名をクリックすることで、文書の引用をチェックすることができる。これらの引用は、意味検索によって得られたチャンクに対応する。 Codyは、ユーザーによって設定された関連性スコアに基づいて、コンテキストのチャンクのしきい値を決定する。ユーザーが高い関連性スコアを設定した場合、Codyは答えを生成するためのコンテキストとして、事前に定義されたしきい値を超えるチャンクのみを使用します。例 Codyは、高い関連性スコアのしきい値を90％と仮定し、関連性スコアが90％以下のチャンクを破棄します。特にアップロードされたドキュメント（PDF、パワーポイント、ワードなど）やウェブサイトを使用する場合、新規ユーザーは関連性スコアが低い（低いまたはバランスが取れている）状態から始めることをお勧めします。アップロードされた文書やウェブサイトは、前処理中にフォーマットや読みやすさの問題が発生する可能性があり、その結果、関連性スコアが低くなることがある。生の文書をアップロードする代わりに、当社の内蔵テキストエディタを使用して文書をフォーマットすると、最高の精度と信頼スコアが保証されます。このブログが興味深く、コンテキスト・ウインドウとチャンキングの概念についてさらに深く知りたい方は、All About AIのクリスティアンが書いたこのブログを読むことを強くお勧めする。その他のリソースについては、ヘルプセンターをチェックしたり、Discordコミュニティに参加することもできます。

記事を読む

最初のアシスタントは数分の距離にあります

ビジネス知識を活用しましょう。

無料の Cody アカウントから始めてください。コンテンツを追加し、アシスタントを構築し、最初の役立つ回答を今すぐ共有してください。

AI を構築する価格を見る

私たちから ブログ

エクセルデータでGPTを無料でトレーニングするには？ (ベータ）

DiscordのAI統合

SlackのAI統合

ボットパーソナリティの解剖

AIを活用したナレッジマネジメントでチームワークを向上

Codyはどのようにあなたの文書を使って回答を生成するのか？

ビジネス知識を活用しましょう。

私たちからブログ