書籍

生成AI・自然言語処理による材料開発の効率化とChatGPTのプロンプトエンジニアリングの活用

【主旨】
　昨年末にChatGPTが登場して以来、生成AIはAIの中でも最も急速に進化している分野となっている。化学・生物分野の材料開発においても、ChatGPTをはじめとする膨大なテキストデータを学習する大規模言語モデル（LLM）を用いた特許、文献、報告書からの情報抽出や分子生成といった事例が増えている。本セミナーでは、LLMの概要、生成AIの導入、活用方法から始まり、具体的な材料開発への活用事例、そして現在話題となっているChatGPTのプロンプトエンジニアリングの取り組み方などについて紹介する。

【キーワード】
材料開発、自然言語処理、生成AI、大規模言語モデル、LLM、ChatGPT、プロンプトエンジニアリング、化学

【ポイント】
LLMの導入のポイントとして、例えばセキュアとされるAzure OpenAI Serviceなどの既存サービスを導入するだけで良いというわけではない。これらのサービスはトークン数に応じた従量課金制であるため、大量の文書を一気に処理する際には注意が必要である。そのため、BERTや従来の自然言語処理とのハイブリッド活用も視野に入れることが想定される。さらに、LLMのオープンソースが日々更新されている中で、情報収集にも注力し、様々なツールを目的に応じて適切に使い分ける点についても触れていきたい。

【習得できる知識】
・生成AI、大規模言語モデル、ChatGPT、プロンプトエンジニアリングの概要
・生成AI周りの様々なサービス、活用方法、およびその注意事項
・生成を活用した化学・生物分野における材料開発のアイディア元

【プログラム】
1. 自然言語処理と生成AIの概要と重要性
  1.1 自然言語処理の基礎知識
  1.2 生成AIの基礎知識とその重要性
  1.3 材料開発における自然言語処理と生成AIの重要性

2. 大規模言語モデルとその活用
  2.1 大規模言語モデルの概要
  2.2 GPT-3, GPT-4の登場とその特徴
  2.3 ChatGPTの概要と活用事例
  2.4 プロンプトエンジニアリングとその活用
  2.5 生成AIのガイドラインとエチカルな使用

3. 自然言語処理と生成AIの材料開発への活用事例
  3.1 特許・文献調査、分類の自動化
  3.2 情報抽出とマテリアルDXへの活用
  3.3 分子生成における生成AIの活用

4. 自然言語処理と生成AIモデルの選択と活用
  4.1 生成AIのソフトウェアやAPIサービス（Azure OpenAI Serviceなど）
  4.2 情報収集における自然言語処理と生成AIモデルの使い分け

5. 材料開発における自然言語処理と生成AIの今後の展望