【保存版】今さら聞けない！AIの成り立ち、LLM、RAG、AIエージェントの仕組みからその歴史まで　前編

*ラスト音声が入っていなかったのでアップしなおしました！

YouTubeはこちら：⁠https://youtu.be/6YTX2ofptEQ

kinjo ⁠https://x.com/illshin|⁠

AKINDO : ⁠https://x.com/akindo_io⁠

Kanazawa: ⁠https://x.com/k_another_wa⁠

⁠AIエージェント時代を制する鍵：企業の最先端MCP活用事例LT【東京AI祭プレイベント】⁠

⁠単なるメモから知的資産へー松濤Vimmer流 Obsidian in Cursorの知的生産システム⁠

Chapters

00:00 AIとクリプトの最新トレンド

03:03 AIエージェントの仕組みと歴史

06:05 AIイベントの紹介と参加方法

09:00 AIの定義とその広がり

12:04 AIブームの歴史と進化

12:26 AIの歴史と進化

14:50 ディープラーニングの登場

17:04 データの重要性とAIの影響

18:24 ヒントン教授とディープラーニングの発展

20:16 機械学習とディープラーニングの違い

25:41 大規模言語モデルの進化

27:55 トランスフォーマーの仕組み

30:06 トランスフォーマーのデータ処理

31:59 パラメータと計算リソースの関係

35:00 GPTの進化と実用性

38:06 AIの限界と未来の可能性

38:42 AIの限界と未来

41:30 人間とAIの知性の違い

44:49 オープンソースとクローズドモデルの違い

49:57 オープンソースの意義と企業の戦略

50:35 ブロックチェーンとトークンの価値

51:38 日本語対応のAIモデルの課題

52:59 日本のAI開発の現状

54:45 オープンソースとAPIの選択肢

56:00 GPUとAI企業の未来

58:42 NVIDIAの技術的優位性

01:00:45 AIモデルの性能比較

01:02:48 次回のテーマとまとめ

1. AIの基礎：そもそもAIって何？

-AIの歴史

-機械学習 vs. 深層学習の簡単な違い

-LLM（大規模言語モデル）って何？ ChatGPTの裏側

2.LLMの仕組みと進化

Transformerとは？

GPTシリーズの進化

LLMのトレーニング方法と限界

オープンソース/クローズドLLM

LLMを作るには？LLMを使った実装とは

3.RAGってなに？ なぜ注目されてる？

・Retrieval-Augmented Generation の仕組み

・LLMだけではなぜダメなのか？

・検索＋生成のメリットと課題

4.AIエージェントとは？

・単なるチャットボットとの違い

・メモリ・ツール・プランニング：エージェントの中身

・AutoGPTやOpenAIのAgentsの事例紹介

・web3文脈でのAIエージェントとの違い

5.今後の発展について

・ブロックチェーンとの融合

・AGI、ASIが来る未来をどうみてる

・AIが浸透していく時代の課題感

・今年のAIの発展に期待していること

Takeaways

AIの基礎から未来まで学べる内容がある。

AIの定義は明確ではない。

第一次AIブームは1950年代に始まった。

AIエージェントが流行している。

AIイベントに参加することが推奨される。

AIの進化は止まらない。

AIの歴史を知ることが重要。

AIの技術は日々進化している。

AIの未来は明るい。

AIの定義は人それぞれ異なる。 AIの進化は歴史的なブームに基づいている。

ディープラーニングは画像認識で革命を起こした。

データの量がAIの性能を決定する。

ヒントン教授の研究がディープラーニングを広めた。

機械学習はディープラーニングを含む広い概念である。

AIは人間の脳の構造を模倣している。

データを大量に処理することでAIは学習する。

ディープラーニングはブラックボックス的な性質を持つ。

AIの発展には計算資源が不可欠である。

AI技術は私たちの生活を変える可能性がある。 チャットGPTの発明は重要な進展である。

トランスフォーマーは情報処理の新しい方法を提供する。

アテンションメカニズムが精度を向上させる。

データ量が増えるほどモデルの精度が向上する。

GPT-3はトランスフォーマーの成果物である。

人間のフィードバックがAIの学習に重要である。

AIは論理的に賢くなる可能性がある。

トランスフォーマーは多次元的な情報処理を可能にする。

AIの進化は新しい技術的発展によって加速している。

AIの限界についての研究が進んでいる。 AIは人間のデータで学習しているため、限界がある。

人間社会を変えるほどの知性が生まれる可能性がある。

AIの定義は時代と共に変わる。

オープンソースは技術革新を促進する。

AIは人間を完全に代替することは難しい。

商用利用可能なオープンソースが増えている。

AIの進化は我々の想像を超える。

新しいアプローチが必要とされている。

オープンソースの力とメリットは大きい。

AIの未来は明るいと信じられている。 ブロックチェーンはオープンで誰でも利用できる。

日本語対応のAIモデルには課題がある。

日本のAI開発は少数派になっている。

オープンソースの選択肢が増えている。

NVIDIAはAI市場での優位性を持っている。

AIモデルの性能は似ているが、UIの使いやすさが重要。

自分のコンテキストに基づいた最適化が進んでいる。

次回のテーマは技術の最先端について。

AIの進化は今後も続く。

リスナーに感謝の意を表した。