最近あまりAI関係を書けていない。
あまりに爆発的に出過ぎていて、私が書くことがないからといえるか…
大部昔から、ほとんども向きもされなかったが、書いてきた身としてはうれしいといえばそうなのかもしれない。
特に著作権系は、かなり前から問題になると書いていたことが、ようやく爆発的に多方面で議論されるようなったのでうれしいといえばうれしいのだが、反面、自分が今後どうするかを考えることとなってしまった。
さて、ありきたりだが、それでも何個か
LLMは個別の性格(人格)特性を持つとの報告です。
— AIDB (@ai_database) 2023年9月17日
Deep Mind、慶應大学、UCバークレー、ケンブリッジ大学などによる共同研究が行われました。
プロンプトフレームワークによって測定と性格形成の両方ができるとのこと。
◯ Greg Serapio-García et al., "Personality Traits in Large Language… pic.twitter.com/CjdvoGUImz
本研究への反響が見られましたら、具体的なプロンプト指示を含むフレームワークの詳細を記事にいたします。
— AIDB (@ai_database) 2023年9月17日
◯ 論文情報
Personality Traits in Large Language Models
URL:https://t.co/Dw2HjeTyaU
著者:Greg Serapio-García, Mustafa Safdari, Clément Crepy, Luning Sun, Stephen Fitz, Peter…
LLMは個別人格があるかもというお話。
大規模言語ですので、個人的には人格のようなものは当然出てくるのではないかと思っているが、(それが「中国語の部屋」のように単なる変換のクセだとしても)しっかり研究されているようだ。
個人チューナップされたLLMもそのうち出てくるか!?
そういえば、基礎的はChatGPTの記事をあげていなかった。
これは結構よさげだった
さて、昨日紹介したメカニカル仏だが少し使って見た
とありきたりなものを入れると
心理学が後半だが、それらしいものとなる
回答作成中は
こんな感じで解説が出てきてくれる
ライン登録↓
出だすと
こんな感じ
よく考えられていますね。
なお、本家の方にお悩みごと相談をするとこんな感じ
都会から地方への異動は新しい環境に適応するのに少し時間がかかることがありますが、新しい友達を作る方法があります。以下は、新しい地域で友達を作るためのアイデアです。
-
地域のイベントや活動に参加する: 地域で開催されるイベントやコミュニティ活動に参加しましょう。地元のフェスティバル、ワークショップ、スポーツリーグ、クラブ活動などに参加することで、共通の趣味や興味を持つ人々と出会えます。
-
地元のカフェやレストランを訪れる: 地元のカフェやレストランでくつろぎながら、地元の住民と交流する機会を探しましょう。地元の人々と話すことで、地域の文化や地元のおすすめスポットを知ることができます。
-
ボランティア活動に参加する: 地域でのボランティア活動に参加することで、地元の人々と協力し、共感を得る機会を得られます。ボランティア団体や地域の慈善活動に参加してみましょう。
-
趣味やスポーツを楽しむ: 趣味やスポーツを楽しむことで、共通の興味を持つ仲間を見つけることができます。地元のスポーツチームに参加したり、ホビーグループに加わったりすることを検討しましょう。
-
地元の教育機関や図書館を利用する: 地元の図書館や教育機関を訪れ、地域の住民と交流する機会を見つけましょう。図書館のイベントや講座に参加することもおすすめです。
-
オンラインコミュニティを活用する: 地方で友達を作るために、オンラインコミュニティや地域のSNSグループに参加して、地元の人々とコンタクトを取ることができます。オンラインの交流をリアルな友達に発展させることも可能です。
-
開かれた姿勢を持つ: 新しい地域で友達を作るためには、開かれた姿勢を持つことが大切です。他の人々との交流に対して前向きで、自分からコミュニケーションをとる努力をしましょう。
新しい地域での友達作りは時間がかかることもありますが、積極的に関わり、地元の文化やコミュニティに参加することで、素晴らしい友達を見つけることができます。地道に努力し、新しい経験を楽しんでください
こちらもありきたりだが、よくまとまっている。
ちなみに、友人にChatGPTでフェミニ推計をさせる方法を聞いたので、それも使って見た。
お題;友人になれる人の数をフェミニ推計で推測してください
友人になれる人の数をフェルミ推定で推測する際、いくつかの仮定を設定する必要があります。以下に、推測のための仮定を示します。
-
友人になる人の定義: まず、友人になれる人をどのように定義するかを考える必要があります。友達は社会的な関係であり、人によって異なる程度で友達になると感じる人がいます。ここでは、友人として気軽にコミュニケーションを取りたい人と定義します。
-
個人が交流する人数: 一般的に、人は日常生活で交流する人数には制限があると言われています。これはダニエル・ダンカーマンが提唱した「ダンバーの数字」として知られており、約150人までの社会的な関係を維持できるとされています。
-
友人になる割合: ある人が個人として気軽に友人になれる人の割合は、個人によって異なることがありますが、簡単に友人になる人の割合として、10%と仮定します。
-
社会的なネットワークの広がり: ある個人が新しい友人を見つけるために、彼らの社会的なネットワークをどの程度広げられるかを考えます。これは、地理的な制約や共通の趣味、活動、オンラインコミュニティなどに依存します。ここでは、個人が1年間で新しい友人を1人見つけると仮定します。
したがって、フェルミ推定に基づいて、友人になれる人の数を推測することができます。
仮定:
- 1人の個人が交流できる人数(ダンバーの数字): 150人
- 友人になれる人の割合: 10%
- 個人が1年間で新しい友人を1人見つける
計算: 1人の個人が交流できる人数 × 友人になれる人の割合 × 1年間で新しい友人を見つける人数
150人 × 10% × 1 = 15人
このフェルミ推定に基づいて、一人の個人が友人になれる人の数は約15人と推測されます。ただし、これは簡単な推測であり、個人の社交的な傾向や環境に大きく依存することに注意してください。
すごいねぇ
最後に いつもの著作権関係も張っておくと
生成AIと著作権侵害の論点に関して、基本的に「人間とAIのダブルスタンダードはない」と考えていますが、実はこの論点は2方向があります。
— 柿沼 太一 (@tka0120) 2023年9月17日
■ 人間でNGなら、AIでもNG?
「人間がやればNG(著作権侵害)な行為が、AIを利用したから適法になる」ような行為があるか、です。…