[Generative AI for Everyoneから、古のNLPエンジニアの心に刺さったこと8選｜べいえりあ](https://note.com/csstudyabroad/n/n5aba3a708f3a) > [!cite] > LLMのユースケースは > > - ライティング：アイデアの生成やメールなどのドラフト、翻訳など > - 読解：文章の校正や要約、文書分類や情報抽出など > - チャット：チャットボット > > の3種類に分類できる。またそれとは別に、 > > - Web UI上でのユースケース：ChatGPT、Bing Chat、Bardなどを使用 > - ソフトウェアに組み込むユースケース：ChatGPT APIなどを使用 > > という切り口もある。 > [!cite] > 普通の大人の読解速度は1分250語程度。これを1時間続けると15000語程度になる。GPT-3.5-turboに15000語読ませて15000語出力させるコストは8セント（12円）程度なので、（もしGPT-3.5-turboが人間と同じことができるのであれば）人間と比べて非常に低コストになる。 > [!cite] > 大雑把にはパラメーター数によってできることが大体決まる。 > > - 10億パラメーター：パターン認識ができる。世界についての基礎的な知識を持っている。解ける問題の例としてはレストランのレビューの感情分析など > - 100億パラメーター：より多くの知識を持ち、基礎的な指示に従うことができる。解ける問題の例としては食べ物を注文するチャットボットなど > - 1000億+パラメーター：広範な知識を持ち、複雑な推論ができる。解ける問題の例としてはブレストのパートナーなど > [!cite] > AIの役割は大きく以下の二つに分類できる。 > > - Augmentation（増強）: 人間がタスクを遂行する手助けをする。コーディング補助、ライティングアシスタントなど。 > - Automation（自動化）: 人間の代わりにタスクを遂行する。（タスク指向型の）チャットボットなど。 > > 同じタスクに対して、augmentationよりもautomationの方ができた時のインパクトが大きい一方で難しいので、まずはaugmentationから始めて徐々にautomationに移行していくというデザインパターンがある。 > [!cite] > AIの役割は大きく以下の二つに分類できる。 > > - Augmentation（増強）: 人間がタスクを遂行する手助けをする。コーディング補助、ライティングアシスタントなど。 > - Automation（自動化）: 人間の代わりにタスクを遂行する。（タスク指向型の）チャットボットなど。 > > 同じタスクに対して、augmentationよりもautomationの方ができた時のインパクトが大きい一方で難しいので、まずはaugmentationから始めて徐々にautomationに移行していくというデザインパターンがある。 > [!cite] > AIやLLMがタスクを遂行できるか否かの判定方法としては、 > > 「大学の新卒がプロンプトに従ってタスクを遂行できるか？」 > > を考えてみて、できそうだったら大抵AIやLLMもできると考えて良いとのこと。