良いAIには関連するデータが必要です

文脈がタスクを具体化します

強力なAIモデルは、良い一般的な回答を出すことができます。あなたのタスクを助けるには、多くの場合、より多くの文脈が必要です。何を達成したいのか、どの前提が適用されるのか、今どの情報が関連するのかです。

映画の夜からの例

「何を見ようか？」は簡単な例です。一般的な答えは人気映画を提案するかもしれません。より関連性の高い出発点は、あなたが使っているサービス、すでに見たもの、誰と見るのかを考慮できます。これは文脈の価値を示す例であり、すべての提案が正しいという約束ではありません。

量、品質、利用の制限

データが多いほど自動的に良いわけでもありません。古い情報、誤った情報、無関係な情報は、答えを誤った方向へ引っ張ることがあります。タスクに合わない指示や前提にも同じことが当てはまります。したがって、情報のソース、時点、重要性は情報に伴っていなければなりません。

私たちは、AIがタスクに必要なデータ基盤を、利用の明確な制限の範囲内で受け取るべきだと考えます。1つの選択を助けるために、モデルが人の全履歴を必要とするわけではありません。1つのサービスへのアクセスが、エコシステム内の他の場所に存在するすべてへのアクセスを意味するべきでもありません。

私たちの立場

AIは言語化、整理、比較、説明を助けることができます。それでも利用者は、結果を評価し、不確実性を理解できなければなりません。だからこそ、Ideallyaのデータへの取り組みは、有用なAIへの取り組みの重要な一部です。関連する文脈、理解できる由来、具体的なタスクです。

小さく、確認できる比較を試す

AIアシスタントに今夜見る映画を三本提案してもらいます。次に、全員が理解できる言語、使える時間、合意できるジャンル、すでに見た映画という関連情報をいくつか加えて同じ依頼を繰り返してください。どちらの入力にも、機微な履歴や無関係な履歴は含めないでください。

回答をこれらの条件と照らし合わせてください。二回目の回答は時間の上限を守り、見た映画の重複を避けていましたか。配信の有無は配信事業者で確認してください。個人に合わせた回答でも、誤った事実が含まれることはあります。自信のある口調や流暢な表現は、情報が最新である証拠にはなりません。

役立つ文脈は残し、誤りを修正し、役に立たなかった詳細は取り除いてください。これにより、データが多ければ必ず回答が改善すると決めつけずに、データの価値を実際に試せます。NISTの生成AIに関する指針は、信頼性と来歴をリスク管理上の課題として扱っています。