LLM をいつ使用するか
全体として、テキスト、画像、さらにはコードを生成する必要がある場合に、大規模言語モデルを使用することをお勧めします。
生成 AI モデルには、次の 3 つの異なるカテゴリがあります。
- 自然言語モデル: 自然言語を受け取り、応答を生成します。
- 生成事前トレーニング済みトランスフォーマー (GPT) モデル: 自然言語またはコード スニペットを受け取り、それらをコードに変換します。
- 画像生成モデル: プロンプト、基本画像、またはその両方を受け取り、新しい画像を作成します。
テキスト処理
大規模言語モデルでは、次のような複数の自然言語タスクを実行することができます。
| タスク | プロンプト |
|---|---|
| テキストの要約 | "このテキストを短い宣伝文句に要約して。" |
| テキストの分類 | "What genre of book is this?" |
| 名前または語句の生成 | "わたしの花屋のキャッチコピーを書いて。" |
| 翻訳 | "'お元気ですか' をフランス語に翻訳して。" |
| 質問への回答 | "What does Azure OpenAI do?" |
| コンテンツの提案 | "ウェディング ソングのベスト 5 を教えて。" |
コードを操作する
大規模言語モデルは、C#、JavaScript、Perl、PHP、Python など、十数個を超えるプログラミング言語に習熟しています。 LLM を使用してコードを書くと、次の課題を解決することができます。
- アプリケーションを構築する:LLM を使用すると、プロンプトに基づいて Web API のようなコードを生成することができます。
- アプリケーションをメンテナンスする:既存のコードベース上で作業する場合、LLM は既存のコードを更新またはメンテナンスするのに役立ちます。
- アプリケーションを改善する:LLM を使用すると、セキュリティの強化やログ記録など、特定のメトリック用のコードを改善することができます。
たとえば、"Python で 1 から 10 までカウントする for ループを書いて" と入力で指定すると、次の応答が示されます。
for i in range(1,11):
print(i)
画像処理
大規模言語モデルでは、現実的および芸術的な画像の両方を作成し、画像のレイアウトまたはスタイルを変更し、与えられた画像のバリエーションを作成することができます。 次に例を示します。
画像の生成:LLM では、希望する画像に関する入力テキストを使用して、オリジナルの画像を生成することができます。 詳しく入力すればするほど、思い描いた画像をそのモデルが生成する可能性は高くなります。
画像の編集:LLM では、ある画像の変更内容に関する入力テキストを使用して、その画像を編集することができます。 ある画像のスタイルを変更する、項目を追加または削除する、あるいは新しいコンテンツを生成して追加することができます。
画像のバリエーション:LLM では、ある画像自体と、生成する画像のバリエーションの数を指定する入力テキストを使用して、その画像のバリエーションを生成することができます。 元の画像は変わりませんが、色、背景のシーン、オブジェクトが配置されている場所は、バリエーションによって変わる可能性があります。