「AI活用」とはいうけど、AIの仕組みはどこまで皆さんご存じですか？
生成AIの活用は、いまや特別なことではなくなりました。
文章作成や要約、調査、発想支援まで、多くの仕事がAIに任され始めています。その土台になっている大規模言語モデルの多くは、2017年に提案されたTransformerという仕組みを基にしています。
ですが、ここまで業務に入り込んでいる技術なのに、「実際にはどう動いているのか」を説明できる人は、まだそれほど多くないのではないでしょうか。
ニューラルネットワークは人間の脳をまねたものだとよく言われますが、ではそれがどのような数学の枠組みで表現され、どのように言葉を扱っているのかとなると、急に見えにくくなります。
知りたい気持ちはあっても、人間のように複雑な作業をこなす技術なのだから、最先端の科学として難解なのは当然だろうと考えて、どこかでブラックボックスのまま受け入れてしまっている人も多いはずです。そうしたAIの中身を、数学を使いながら丁寧に解きほぐしてくれるのが、中西崇文さんの『ChatGPTはどのように動いているのか？』です。
【構成と特徴】
第1章 ChatGPTの基本的なしくみ
第2章 ChatGPTを支える1つ目の要素「ベクトル」
第3章 ChatGPTを支える2つ目の要素「行列」
第4章 ChatGPTの基本的な思考回路
第5章 ChatGPTはなぜ自然な会話ができるのか？
第6章 ChatGPTの心臓部「Transformer」と「Attention」
第7章 ChatGPTに残された謎
本書の構成でまず目を引くのは、全7章のうち前半のかなり大きな部分を、ベクトルや行列といった数学の説明に充てていることです。ChatGPTや大規模言語モデルを扱う本というと、仕組みの概説や活用事例を中心に進むものも少なくありませんが、本書はその土台にある考え方から丁寧に積み上げていきます。ここに、本書の大きな特徴があります。
しかも、その数学的な説明は単なる導入にとどまりません。数式や概念を並べるだけではなく、実際にコードも交えながら、モデルの仕組みがどのように形になっていくのかを追えるようになっています。そのため、内容としてはかなり本格的です。ChatGPTの背後にある技術を、雰囲気ではなく構造として理解したい人にとっては、読み応えのある一冊だと思います。
一方で、本書のよさは、本格的でありながら、過度な前提知識を読者に求めていない点にもあります。数学をしっかり扱っている本というと、それだけで身構えてしまう人もいるかもしれません。しかし本書は、最初から専門家だけを相手にしているわけではなく、「仕組みを知りたい」という読者をきちんと入り口から案内してくれます。線形代数に触れたことがあってもなくても、なぜベクトルや行列が必要になるのかを意識しながら読み進められる構成になっています。
【こんな人にお勧め】
厳密な論文を読み切るのは大変だけれど、あいまいな理解のままでいるのも落ち着かない人
ChatGPTや生成AIの話題は、日々さまざまな場所で見聞きしますが、解説の多くは「便利ですごい」という印象論やビジネスでの応用の話がちだなと思います。一方で、きちんと理解しようと思って専門的な論文や技術資料にあたると、今度は難しすぎて途中で手が止まってしまうこともあります。本書は、その中間を埋めてくれる一冊です。数式や概念にきちんと触れながらも、研究論文そのものを読むほどの負荷は高くありません。
雰囲気だけで済ませたくはないが、いきなり専門書に向かうのも厳しい。そんな人にちょうどよい入口になっていると思います。
AIを使った業務改善を会社全体に働きかける立場の人
部署内や組織全体でAI活用を進めようとするとき、単に「効率化できます」「便利です」と言うだけでは、なかなか理解や納得は広がらない。「AIは何でもできる！」と思って無茶な要求を他部署の方や上司からされて辟易とするということが皆さんもあると思います。（少なくとも僕はありました。）
どういう仕組みで動いていて、何が得意で、どういうところで間違いやすいのか。その説明ができてはじめて、現場との会話も具体的になります。本書は、ChatGPTを魔法の道具としてではなく、一定の原理で動く技術として捉え直す助けになります。過信も過小評価も避けながら、社内でAIを説明するための共通言語を作りたい人に向いています。
「線形代数って何の役に立つのだろう」と思っている大学初年度生
大学に入って最初のころは、連立方程式を解いたり、行基本変形をしたりしても、それがどこにつながるのか見えにくいものです。情報系でも理学系でも、「これは何のためにやっているのだろう」と感じた経験のある人は少なくないと思います。
実際、後になってから「あのときもっとちゃんとやっておけばよかった」と思う場面は多いはずです。本書のよいところは、その線形代数が現代のAIとどう結びついているかを、かなり身近な形で感じられるところにあります。ベクトルを行列で変換する話もそうですし、ワードエンベディングのような考え方も、見方を変えれば別の空間に写す操作として捉えられます。つまり、いま学んでいる線形代数が、そのままAIの基礎に通じていることが見えてきます。抽象的に思えた内容が、急に現実の技術とつながる。その感覚を得られるだけでも、本書を読む価値はあると思います。（私も大学時代は線形代数を舐めて、後々の量子力学や量子化学の講義で若干苦労しました、、、
【感想】
「ちょっとした小話が面白い」
ChatGPTの「GPT」は何の略なのか、といった素朴だけれど気になる話題、こうした小話が随所にちりばめられていることで、単なる技術解説書として堅くなりすぎず、読み進めていて楽しいまま進めていけたと感じました。論文や技術書を読むと少し疲れる話が続いてしまう、面白い雑学だけでは何かが身になった気がしない。せいぜい飲み会の話のネタが増えた程度と思ってしまう部分はあります。本書はその点でかなり親しみやすさをそこで持たせていてかなり読んでいて楽しいと感じました。
「あと3年早く出版されていてほしかった」
というのも、いまの会社でAI活用に関わる中で、同じ「生成AI」を見ていても、人によって前提がかなり違うと何度も感じてきたからです。ある人は「タスクを投げると、いい感じに仕上げてくれるオラクル」のように捉えていますし、別の人は「確度の高そうな言葉を並べているだけのガチャガチャ」くらいに見ています。どちらの見方にも一理はありそうですが、認識のズレが大きいままだと、期待値の設定が合わず、業務がうまく進まないことがあります。そういうときに、本書のような一冊が共通言語として手元にあれば、仕組みの理解も、限界の共有も、もっと早く進んだのではないかと思いました。便利か危険か、賢いか怪しいかといった極端な議論ではなく、「なぜそう振る舞うのか」を落ち着いて話すための土台になる本です。
「数学の解説がかなりよい」
本書は、行列の積の取り方や内積の説明を、定義だけを並べて終わらせません。それがAIの中でどのような意味を持つのか、何のためにそうした計算が必要になるのかを、かなり噛み砕いて説明しています。ここがとてもよかったです。数学の説明というと、どうしても抽象的になりやすく、「そう定義されているから覚える」という形で終わってしまうことがあります。しかし本書では、ベクトルや行列が実際にどう使われ、どういう役割を担っているのかが見えるので、数式が急に生きたものとして感じられます。とくに、線形代数を学び始めたばかりの人にとっては、「これがAIにつながるのか」と実感できるはずです。
生成AIの入門書は数多くありますが、本書は単に流行を追いかけるための本ではなく、仕組みを理解するための足場を丁寧に作ってくれる一冊でした。面白い小話があり、いまの実務にもつながる実感があり、しかも数学の説明がしっかりしている。この3つがそろっているからこそ、読後に「読んでよかった」と素直に思える本になっているのだと思います。（読み終わった後同じ部署の方に何度か布教しました。）
