## ChatGPTに独自データを学習させることは可能？

現在、AI領域の技術発達が進み、ビジネス分野でもChatGPTなどのAIツールの需要が高まっています。業務などでChatGPTを活用している方も多いのではないでしょうか。

**ChatGPTは非常に便利なツールですが、未学習のまま利用すると期待通りの回答を得られない場合もあります。**そのため、ChatGPTに独自データを学習させたい方も多いでしょう。

結論から言うと、ChatGPTに直接独自データを学習させることはできません。ただしAPIなどを利用して、間接的に独自データを学習させる方法はあります。そこで本記事では、ChatGPTに独自データを学習させる方法を詳しく解説します。

【参考】：[ChatGPT公式](https://chat.openai.com/)

ChatGPTの使い方とは？実際に使用するまでの流れを解説！

ChatGPTの活用方法！エンジニアの業務に活かせるか利用してみた

## 独自データを学習させる目的について

ChatGPTに独自データを学習させたい方は、どういった目的があるのでしょうか。独自データを学習させる目的によって学習方法も変わるため、まずは目的を整理しましょう。

**ここでは、ChatGPTに独自データを学習させる目的について解説します。**

### 決まったフォーマットで出力させたい

独自データを学習させたい方の中には、特定のフォーマットで出力させたい方も多いでしょう。例えば、議事録やレポートの生成、特定の書式に基づいた書類を作成したい場合などが考えられます。

議事録や書類を作成する場合、規定のフォーマットに沿って自動で文章を生成できればベストです。しかし、未学習のChatGPTでは応答時のフォーマットが固定されていないため、文章で回答する時もあれば、箇条書きで回答が表示される時もあります。*そのため、ユーザはChatGPTの生成した文章を、規定のフォーマットに入力し直す必要がありました。*

ChatGPTに独自データを学習させれば、作成したい成果物の書式に合わせて書類を自動生成できるようになります。

### 特定の業界知識を追加で学習させたい

特定の業界知識を前提として、文章を生成したい方も多いでしょう。例えば、医療や法律、金融の分野では専門知識や最新の法律の情報が求められます。

現在のChatGPTは、インターネット上にある一般的な知識から情報を収集して文章を生成するため、専門的な知識に特化した質疑応答や文章作成は難しいです。

*しかし、学習データを追加すれば、より精度の高い文書を生成できます。*例えば、ChatGPTに法律に関するデータを学習させると、契約書のレビューや法律用語の解説、法規制の解釈などを指示できます。

このように、業界に特化したタスクを実行させたい場合は、独自データの学習が必要不可欠でしょう。

## ChatGPTに独自データを学習させる方法一覧

ここからはChatGPTに独自データを学習させる方法を紹介します。**技術レベルや達成したい目的を踏まえて、どの学習方法を選ぶか検討してください。**

ChatGPTにはAPIが提供されています。*このAPIを利用すれば、特定のフォーマットでの出力や、指定したプロンプトに基づいた応答を生成できます。*

ただし、APIの利用には料金がかかりますので注意が必要です。APIは使用する機能やモデル、リクエストの量に応じて料金が異なります。

そのため、完全に無料で独自データを学習させたい場合は、後述するプロンプト設計などの別の方法を選びましょう。また、APIを利用する際には事前に費用を計算してから作業を行ってください。

例えば、GPT-4ターボという新しいモデルでは、1,000トークンあたり入力に0.01ドル、出力に0.03ドルかかります。その他にもモデルによって料金が異なりますので、詳細を知りたい方は以下の参考URLを参照してください。

また、ChatGPTの公式サイトには、APIのドキュメントも用意されています。APIでのデータ追加の方法が気になる方もチェックしましょう。

【参考】：[ChatGPT APIについて](https://platform.openai.com/docs/api-reference/making-requests)
【参考】：[ChatGPT APIの料金](https://openai.com/pricing)

ChatGPTのAPIとは？概要や使い方を分かりやすく図解

プロンプトとは、ChatGPTに対しての指示文を指します。下図のように、ChatGPTを起動すると「Message ChatGPT」という入力欄があり、通常であればここにプロンプトと呼ばれる指示文を入力します。

~~【図】：ChatGPTを起動した画面~~

*プロンプト設計とは、このプロンプトの入力内容を精査・設計することで、応答の質を高めることを指します。*この設計を行うときは、コンピュータが読みやすいようにいくつか工夫するのが重要です。

例えば、下図のようにコンピュータが分かりやすいように箇条書きで命令を書く必要があります。また、補足情報を提供したり、出力形式を指定したりすることもポイントとして挙げられます。

上記のようなプロンプトで期待通りの結果が返ってこなかった場合、さらにプロンプトを調整したり、命令文を追加したりすることをおすすめします。このようにプロンプト設計では、指示文に工夫を凝らして最適な回答が得られるように調整を行います。

ChatGPTのプロンプトとは？回答精度を高めるための秘訣を解説

プロンプトエンジニアリングとは？具体例や応用手法も徹底解説

*既存のモデルを特定のタスクに最適化する方法としては、ファインチューニングというものもあります。*しかし、ファインチューニングとはモデルに対してデータを学習させる方法のため、ChatGPTに直接ファインチューニングを行うことはできません。

OpenAIが提供するモデルにファインチューニングをして、新しいモデルを構築したい場合は、公式サイトのAPIリファレンスなどを参考にしてください。

【参考】：[ChatGPT APIリファレンス](https://platform.openai.com/docs/api-reference/introduction)

*エンベディングとは、テキストや画像、音声などのデータを、数値ベクトル化することです。*ベクトル化を行うことで、コンピュータがデータの特徴や関連性を理解できるようになります。エンベディングで業界特有の情報のデータなどを学習させれば、ChatGPTはそれを踏まえてた回答ができます。

また、ChatGPTを提供しているOpenAIでは、エンベディングを行うためのモデルを提供しています。このモデルを利用すれば、テキストデータからエンベディングを実行し、データ間の類似性や関連性を評価できます。

つまり、ChatGPTのエンベディングを行えば、より高度な応答を得られるようになります。ただし、ChatGPTでエンベディングを行うにはPythonのコードを操作する必要があります。Pythonへの知識がある程度必要になりますので、注意してください。

また、現在ではOpenAI以外でも、多くのエンベディングツールが公開されています。ツールによっては、ノーコードで利用可能なものもありますので、自分に合ったツールを探してみましょう。

【参考】：[エンベディングとは](https://platform.openai.com/docs/guides/embeddings)
【参考】：[エンベディングのモデルの使用例](https://cookbook.openai.com/examples/using_embeddings)

**ここまでChatGPTで追加学習を行う方法をいくつか紹介しましたが、本記事ではエンベディングの方法を紹介します。**

手順はそれほど難しくありませんので、ぜひ一緒に手を動かしてみましょう。

### エンベディングツールを利用して独自データを学習させる

*今回は、PDFファイルの独自データを学習させる方法を紹介します。*また、PythonやAPIに関する知識がない方でも取り組みやすいように、今回はノーコードのエンベティングツールを使用します。

まず、「ChatPDF」の公式サイトにアクセスします。このサービスは、PDFの情報を学習してくれるサービスです。ChatPDFにサンプルのインタビュー記事を読み込ませ、そのデータに関する質問をしてみます。

【参考】：[ChatPDF公式サイト](https://www.chatpdf.com/)

公式サイトにアクセスすると、下図のような画面が表示されます。画面中央の「Drop PDF here」というエリアに、任意のPDFをアップロードしましょう。

ちなみに、今回アップロードするPDFの内容は下図です。架空のインタビューの文章が記述されています。

アップロードが完了すると、画面が切り替わりチャットのエリアが表示されます。質問例もいくつか表示されています。今回は「XYZ社が市場で成功を収める秘密は何ですか？」と尋ねました。

~~【図】：ChatPDFで質問をする~~

すると「XYZ社が市場で成功を収める秘密は、ユーザーのニーズを深く理解し、それに応える製品を開発することにあります。また、持続的な研究開発と革新により、常に業界をリードする製品を提供しています。」と返答され、インタビューデータを反映した応答が確認できました。

~~【図】：応答結果を確認する~~

このように独自データを踏まえた応答も、ツールを利用すれば簡単に行えるようになります。ただし、データベースを読み込ませる場合や、学習させたいデータ量が膨大な場合は、別の学習方法を選びましょう。

データベースとは？今更聞けないその内容をITエンジニアとして改めて学ぶ

## ChatGPTで独自データを学習すれば、業務を効率化できる

未学習のChatGPTも非常に便利です。**しかし、特定のフォーマットに沿った業務を自動化させたい場合や、独自データに基づいたテキスト生成などをする場合は、やはりデータを学習させた方が良いでしょう。**

ChatGPTに独自データを学習させれば、ChatGPTをより幅広い業務で活用できます。本記事で紹介したようなサービスなどを活用すれば、プログラミングが苦手な方でもChatGPTに独自データを学習させることができます。この機会に、ぜひ独自データの学習に挑戦しましょう。

ChatGPT（AI）の学習におすすめの本10選！学ぶメリットも解説

ChatGPTのプラグインは何ができる？一覧や使い方を解説

ChatGPTが使えない？よくあるエラーと解消法を徹底解説

ChatGPTはビジネスの場面でも非常に重宝されるAIツールですが、特定の業務に対応させるためには独自データの学習が必要です。本記事では、ChatGPTに独自データを学習させる方法をいくつか紹介した後、具体的な学習方法を解説します。

ChatGPTに独自データを学習させると、固定フォーマットでの出力などができます

ChatGPTに独自データを追加する方法は、APIやエンベディングなどの方法があります

エンベディングでChatGPTに独自データを追加する方法が分かります

ChatGPTに独自データを学習させる方法を4つ紹介！実施手順やメリット

**Claude2は、Anthropic社によって開発されたAIチャットボットです。**

Claude2はもともと前モデルが存在しますが、新しく改良されたClaude2では、パフォーマンス面や応答能力が格段に向上しました。また、Claude2は安全性の面でも強化されており、有害または危険な出力の生成リスクが低減され、世界中で話題となっているツールです。

このように、新しく改良されたClaude2はこれまで日本では利用できませんでしたが、2023年11月現在では、日本でも利用できるようになりました。

本記事では、Claude2の特徴や利用するメリット、使い方などを詳しく紹介します。Claude2をまだ利用したことのない方は、ぜひ参考にしてください。

【参考】：[Claude 2 公式サイト](https://www.anthropic.com/index/claude-2)
【参考】：[Claude 2 サポートしている国について](https://www.anthropic.com/claude-ai-locations)

チャットボットとは？種類やメリットと効果的な選び方を解説

**Claude2は、以前のモデルから大幅に機能やパフォーマンスが向上しました。**ここでは、Claude2の特徴について詳しく解説します。

これまでClaudeを利用していた方や、Claude2から利用したいと考えている方は、この章を読めばClaude2独自の特徴が分かります。

### 入力と出力できるプロンプトが長くなった

Claude2では、入力と出力のトークンの長さが非常に増えました。*ユーザは最大100Kトークンを1つのプロンプトに入力でき、Claudeは数百ページにわたる技術文書や本全体を処理できます。*

これまで、トークンの制限によって作業を小分けにして行っていた方は、Claude2を利用すれば1度に処理が行えるため非常に魅力的な特徴とも言えるでしょう。

【参考】：[Claude 2トークンに関して](https://www.anthropic.com/index/100k-context-windows)
【参考】：[Claude 2 特徴について](https://www.anthropic.com/index/claude-2)

### ビジネス向けのAPIが利用できるようになった

Claudeでは、ビジネス向けのAPIも利用できるようになりました。*ただし、このAPIが利用できるのは、Claudeがパートナーとして認めた企業に限られるようです。*申し込み自体は受け付けているようなので、申請を検討している方は下記URLを参照してください。

【参考】：[Claude 2 特徴について](https://www.anthropic.com/index/claude-2)
【参考】：[Claude APIの利用に関して](https://docs.anthropic.com/claude/docs/getting-access-to-claude)

### プログラミングや数学のスキルが向上した

Claude2は、プログラミングと数学のスキルが大幅に向上しました。公式サイトによれば、Pythonのコーディングテスト「Codex HumanEval」で71.2%、小学校レベルの数学問題集「GSM8k」で88%のスコアを記録し、全モデルと比較すると性能がかなり向上しているようです。

*今後は、エンジニアやITの勉強をしている方が、コーディングの支援などでも利用する機会が増えるかもしれません。*

【参考】：[Claude 2 特徴について](https://www.anthropic.com/index/claude-2)

**Claude2の特徴を説明しましたが、ここからはユーザがClaude2を利用するメリットについて3つ紹介します。**

AIツールの選定に迷っている方や、Claude2を利用するか検討している方は、こちらも参考にしてください。

Claude2を利用する最大のメリットの1つは、作業効率の向上です。*Claude2を利用すれば、議事録の作成や、文書作成をはじめとする普段の業務を効率的に行えます。*

例えば、ビジネス文書の作成、データの要約、メールの管理などの日々の作業をAIに任せることで、より重要なタスクに集中できるようになります。これにより、時間の節約だけでなく、生産性の向上も期待できます。

### プログラミングの学習や業務の支援が可能

Claude2の特徴でも解説した通り、プログラミングの精度が向上しているため、*コード支援ができる点もメリットとして挙げられます。*

エンジニアが業務を効率化させるためにプログラミングの支援を行うことはもちろん、学生の方や初心者の方がプログラミングの学習ツールとして利用することも可能です。

本来であれば、プログラミングスキルのあるエンジニアに聞かなければ分からないことも、Claude2を利用すれば効率的に学習できるのは大きなメリットでしょう。

Claude2の高度なAIモデルを利用すれば、繰り返し行われるタスクや、煩雑なプロセスを自動化できます。

例えば、定型的な報告書の生成、スケジュール管理などもできます。特にClaude2では大量のトークンを1度に処理できるため、長文の要約や文章生成なども自動で行えます。

*テキスト生成や要約の業務を担当している方は、Claude2を活用してタスクをより短時間でこなせるようになるでしょう。*

Claude2の特徴が確認できたところで、実際の使い方を解説します。

*まずは、Claude2のサービス紹介ページにアクセスしましょう。*

【参考】：[Claude2](https://www.anthropic.com/index/claude-2)

アクセスすると、下図のような画面が表示されます。「Talk to Claude」というボタンがありますので、こちらをクリックします。

Claude2を利用するためには、アカウントの作成が必要です。アカウントを作成していない方は、本記事を参考にしながら作成しましょう。

下図の画面に切り替わったら、メールアドレスを入力してユーザ登録をしましょう。もしくは、Googleのアカウントと連携させてもユーザ登録が行えます。いずれかの方法で、アカウントを登録します。

~~【図】：Claude2のアカウントを作成する~~

登録の際には、フルネームと呼び名が設定できますので、こちらを入力してチェック項目にチェックを入れましょう。

このチェック項目は、年齢確認（18歳以上）と、利用規約などに同意するか聞かれています。

どちらも条件を満たす場合はチェックを入れて、「Continue」ボタンを押します。さらに、電話番号の認証も必要ですので、電話番号を登録して認証コードを入力しましょう。

~~【図】：サインアップに必要な項目を入力する~~

アカウントを作成すると、下図のような案内画面が表示されます。利用に関する注意書きや案内が表示されるので、確認したら次へボタンを押しましょう。

ちなみに図の注意書きを日本語訳すると、「誤った情報や有害な情報が表示される可能性があります。」「法的、経済的、医学的なアドバイスを含む専門的なアドバイスを提供することを目的としたものではありません。自分で独自に調査せずにクロードに頼らないでください。」といった案内が表示されます。

重要な案内が書かれていますので、実際に利用をする場合は、翻訳機能などを使い案内文に目を通しましょう。

~~【図】：注意書きが表示されている画面~~

案内に従ってボタンを押すと、下図の画面に切り替わります。実際に対話をしてみましょう。例が表示されていますので、赤枠のPDFを要約する指示を出してみます。

~~【図】：Claude2で対話を実行する~~

例を選択するとサンプルのPDFを送信し、さらに指示文を送信した状態で画面が切り替わります。そして、要約をまとめた返答が表示されました。

このように、Claude2ではユーザ登録を行えば、難しい操作なしにすぐチャットボットを使えます。手順は非常に簡単ですので、時間のある方はぜひ試しにチャットボットを使ってみましょう。

Claude2の料金プランは、無料サービスと有料の「Claude Pro」というプランがあります。有料プランに加入した場合、月額20ドルで無料利用枠の5倍の使用量を利用できたり、トラフィックが多い時間帯でも優先してアクセスできたりするといった利点があります。

**しかし、現段階では有料プランが提供されているのはアメリカとイギリスに限られるため、日本国内では無料の範囲内での利用にとどまるでしょう。**

また、料金に関しては今後変更がある可能性もありますので、利用する前に公式サイトで最新の情報を確認してください。

【参考】：[Claude2 有料プランの概要](https://www.anthropic.com/index/claude-pro)
【参考】：[Claude2 有料プランに関する質問と回答](https://support.anthropic.com/en/articles/8324991-about-claude-pro-usage)

## Claude2を活用して業務効率を向上させよう

Claude2は大量の処理も可能とする強力なAIチャットボットです。**また、無料の範囲内でも通常のタスクであれば十分利用できるので、個人で利用したい方にとっても非常に始めやすいでしょう。**

利用方法は非常に簡単で、複雑な設定なども必要ありません。本記事を参考にしつつ、Claude2を利用してみてはいかがでしょうか。

ChatGPTの代替となるツールは？おすすめAIチャット6選を紹介

Claude2は、Anthropic社によって開発されたAIチャットボットです。Claude2は、入出力できるトークンがかなり長く、本1冊という大量の文章量でも処理が可能になります。本記事では、Claude2の特徴や使い方を解説します。

Claude2は大量のプロンプトを処理できるAIチャットボットです

Claude2は日本でも対応しているものの、APIの利用には制限があります

Claude2の具体的な使い方が分かります

Claude2とは？メリットや使い方まで図解で詳しく紹介

近年、自然言語処理が注目されています。*増大するデータを分析することが、従来の数値データから言語的データに拡大され、より効率的な活用に人工知能（AI）などが欠かせなくなっています。*

ここでは、自然言語処理の概要とともに、おすすめ本を紹介していきます。

*自然言語処理とは、自然言語をコンピュータに処理させる技術を指し、AI活用により注目度が高まっています。*特に生成AIでは、情報の検索や言語的な表現の正確性などから、より身近な用途として一気に利用者が増加しました。

エンジニアとしても、自然言語処理の領域に着目し、体系的に学ぶのが良いでしょう。

自然言語処理とは？注目される理由やできることをわかりやすく解説

*自然言語処理は、コンピュータによる自然言語の解釈や応答、データの分析などに使われます。*具体的には、テキストマイニングやメールの抽出、SNSの投稿分析、英語などの多言語機械翻訳や音声認識など、多方面に利用されています。

最近ではChatGPTに代表されるAIチャットシステムによる文章や画像の生成・応答などにより、利便性がより高まっています。

### 自然言語処理で中心となる技術

*自然言語処理を学ぶには、自然言語の解釈や応答など仕組みや動作の理解が必要です。*そのため、プログラミング環境として、データ分析などに強みを持つ、Pythonのプログラミング環境を使うケースが多くなります。

同様に深層学習モデルとして、Googleが開発したTransformerなどを用いてトレーニングを行います。事前にトレーニング済みシステムとしては、GoogleのBERTや、OpenAIのGPTなどがあります。このような用語をあらかじめ理解しておくなどで、より効率的に自然言語処理を勉強することができるでしょう。

【参考】：[Python](https://www.python.org/)
【参考】：[Google Research Blog: Transformer: A Novel Neural Network Architecture for Language Understanding](https://blog.research.google/2017/08/transformer-novel-neural-network.html)
【参考】：[Google Research: BERT](https://github.com/google-research/bert)
【参考】：[OpenAI](https://openai.com/)

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

Pythonによるデータ分析：入門情報から資格取得まで解説！

## 自然言語処理のおすすめ本10選

ここからは、自然言語処理のおすすめ本を紹介します。*各書とも「入門」や「基礎」としていますが、難易度や解説範囲に違いがあります。*それぞれの紹介内容を活用して、理想の1冊を追求してみましょう。

### コピペで簡単実行！キテレツおもしろ自然言語処理 PythonとColaboratoryで身につく基礎の基礎

*本書は、Pythonのサンプルプログラムを用いて自然言語処理を学ぶ、入門書です。*初学者向けに、感覚的に自然言語処理を学んでいきます。難しい専門用語を使わずに、コピペでプログラムを実行しながら学べるため、学習の最初の1歩としておすすめの1冊です。

▪著者：youwht
▪ページ数：208ページ
▪出版社：翔泳社
▪発売日：2021/12/6
【参考】：[コピペで簡単実行！キテレツおもしろ自然言語処理 PythonとColaboratoryで身につく基礎の基礎](https://www.shoeisha.co.jp/book/detail/9784798170268)

### 文書分類からはじめる自然言語処理入門－基本からBERTまで－

*本書は、Pythonを使って学ぶ、自然言語処理の入門書です。*基礎の基礎として、これから自然言語処理の勉強を始めようとする人向けに最低限知っておくべきことが書かれています。分析手法の基礎からBERTまで多岐に渡りますので、軽く内容を知りたい方におすすめです。

▪著者：新納 浩幸、古宮 嘉那子
▪ページ数：206ページ
▪出版社：科学情報出版株式会社
▪発売日：2022/7/20
【参考】：[文書分類からはじめる自然言語処理入門－基本からBERTまで－](https://www.it-book.co.jp/books/132.html)

### 実践 自然言語処理 ―実世界NLPアプリケーション開発のベストプラクティス

*本書は、産業分野での活用を念頭に自然言語処理を学びます。*基礎技術をカバーし、SNSやEコマース、医療・金融などの具体例に踏み込んでいきます。ビジネス領域として広く学べますので、ビジネスパーソンにおすすめです。ページ数は多めですので、時間に余裕がある際に活用しましょう。

▪著者：Sowmya Vajjala、Bodhisattwa Majumder、Anuj Gupta、Harshit Surana著、中山 光樹訳
▪ページ数：512ページ
▪出版社：オライリージャパン
▪発売日：2022/2/4
【参考】：[実践 自然言語処理 ―実世界NLPアプリケーション開発のベストプラクティス](https://www.oreilly.co.jp/books/9784873119724/)

### IT Text 自然言語処理の基礎

*本書は、自然言語処理の基礎知識や考え方を整理した参考書です。*自然言語処理の概要や機械学習のモデル、自然言語処理で行われる系列ラベリング、構文解析、意味解析などを体系的に学ぶことができます。

初心者のみならず、研究者や技術者が本格的に学ぶための教材としても利用価値が高いでしょう。

▪著者：岡﨑 直観、荒瀬 由紀、鈴木 潤、鶴岡 慶雅、宮尾 祐介
▪ページ数：320ページ
▪出版社：オーム社
▪発売日：2022/08/24
【参考】：[IT Text 自然言語処理の基礎](https://www.ohmsha.co.jp/book/9784274229008/)

### 作ってわかる！自然言語処理AI〜BERT・GPT２・NLPプログラミング入門

*本書は、自然言語処理で使用される深層学習モデルに着目した入門書です。*入門とはいえ深層学習モデルのTransformerをじっくり解説していることから、中級レベルの参考書として利用価値が高いと言えます。

TransformerはBERTやGPT2などで採用されるもので、構造を理解することでより、AIの有効活用が可能になるでしょう。

▪著者：坂本 俊之
▪ページ数：264ページ
▪出版社：シーアンドアール研究所
▪発売日：2022/1/18
【参考】：[作ってわかる！自然言語処理AI〜BERT・GPT２・NLPプログラミング入門](https://www.c-r.com/book/detail/1435)

### 現場で使える！Python自然言語処理入門

*本書では、Pythonでの利用とともに、商用サービスのAPIアクセスを解説しています。*具体的にはオープンソースのMecabやElasticsearch、Word2Vecをカバーするとともに、商用サービスのIBM Watsonを解説する、珍しい構成をとっている書籍です。

両方を使用する場合は有益な情報ですが、オープンソースのみの利用者は、オープンソースの専門書を探すのも良いでしょう。

▪著者：赤石 雅典、江澤 美保
▪ページ数：376ページ
▪出版社：翔泳社
▪発売日：2020/1/20
【参考】：[現場で使える！Python自然言語処理入門](https://www.shoeisha.co.jp/book/detail/9784798142685)

### 機械学習・深層学習による自然言語処理入門 scikit-learnとTensorFlowを使った実践プログラミング

*本書は、自然言語処理で「日本語」のデータを扱うことに、着目した参考書です。*何らかのプログラミングの経験がある方をターゲットとして記述しており、実装したプログラムにより、日本語データを活用することができます。

▪著者：中山 光樹
▪ページ数：336ページ
▪出版社：マイナビ出版
▪発売日：2020/2/27
【参考】：[機械学習・深層学習による自然言語処理入門 scikit-learnとTensorFlowを使った実践プログラミング](https://book.mynavi.jp/ec/products/detail/id=113274)

### BERTによる自然言語処理入門

*本書は、BERTを手軽に学べるように分かりやすい説明で構成する参考書です。*BERTをタスク別に説明し、理解を深めていきます。あくまでも一般的な用語やBERTの仕組みまでを説明するものですので、詳細を理解する場合には、別の書籍を併用すると良いでしょう。

▪著者：近江 崇宏、金田 健太郎、森長 誠、江間見 亜利、ストックマーク株式会社 編
▪ページ数：200ページ
▪出版社：オーム社
▪発売日：2021/06/28
【参考】：[BERTによる自然言語処理入門](https://www.ohmsha.co.jp/book/9784274227264/)

### BERT入門ーープロ集団に学ぶ新世代の自然言語処理

*本書は、BERT初学者向けの書籍です。*BERTを理解しながら、広く自然言語処理を学ぶことができます。Transformerを深く学ぶための最初の1歩として、教材を活用することもできます。Colabで動くサンプルコードが提供されますので、実際に手順を確認することができます。

▪著者：佐藤 大輔、和知 德磨、湯浅 晃、片岡 紘平
▪ページ数：180ページ
▪出版社：リックテレコム
▪発売日：2022/8/6
【参考】：[BERT入門ーープロ集団に学ぶ新世代の自然言語処理](https://www.ric.co.jp/book/new-publication/detail/2206)

### BERT/GPT-3/DALL-E 自然言語処理・画像処理・音声処理 人工知能プログラミング実践入門

*本書は、多くのフレームワークを紹介する実践的な参考書です。*実際にソフトウェアを導入し、深層学習を進めていきます。初学者向けというよりは中級レベル以上の方が主な対象者となりますので、不明な用語などは別の参考書を併用し、理解を深めましょう。

▪著者：布留川 英一
▪ページ数：312ページ
▪出版社：ボーンデジタル
▪発売日：2021/9/01
【参考】：[BERT/GPT-3/DALL-E 自然言語処理・画像処理・音声処理 人工知能プログラミング実践入門](https://www.borndigital.co.jp/book/23409.html)

## 自然言語処理のおすすめ本を理解したら実際に操作してみよう

ここまでで、自然言語処理のおすすめ本から勉強に使う候補がいくつか決まってきたことでしょう。実際に書籍を用いて勉強していき、理解が進んだらプログラミング環境を操作するのが良いでしょう。

書籍から得られる知識を吸収することでインプットとなり、それを実際に操作したりコード開発したりすることでアウトプットとなります。**この反復トレーニングで確実に知識が身につくことでしょう。**

2023年は、身近なAIとして生成AIが一気に利用を拡大しました。人間の使う自然言語が解釈され、適切に応答されることは誰もが驚いたことでしょう。そのベースとなる技術は、自然言語処理の進歩です。ここでは、自然言語処理を勉強するためのおすすめ本を10冊紹介します。

自然言語処理とは、自然言語をコンピュータに処理させる技術を指します

この技術は、コンピュータによる自然言語の解釈や応答、データの分析などに使われます

自然言語処理は、プログラミングの領域として重要であり、多くの参考書が出版されています

自然言語処理のおすすめ本10選！用語の概要からおすすめポイントまで

## ChatGPTのファインチューニングとは何か？

**ファインチューニングは、簡単に説明すると機械学習における微調整のことを指します。**AIモデルは大量のデータを学習させています。そして、この初期段階の学習を「事前学習」と言いますが、AIモデルの精度をより高めるために再学習を行います。

この再学習によってAIモデルを微調整することを、「ファインチューニング」と言います。AIモデルに対してファインチューニングを行うことで、特定のタスクや用途により適用した回答を返すようになります。

【参考】：[OpenAI ドキュメント ファインチューニングについて](https://platform.openai.com/docs/guides/fine-tuning)

### ファインチューニングと通常のトレーニングの違いとは

ファインチューニングと通常のトレーニングの違いは一体何でしょうか。*ファインチューニングと通常のトレーニングとの違いは、モデルを再利用しているかどうかです。*

ファインチューニングでは、事前に学習されたモデルを、さらに新しいデータでトレーニングします。ファインチューニングは通常のトレーニングと異なり、すでに完成しているモデルを再利用するため、モデル構築にかかる時間も短縮できます。

## ファインチューニングの仕組み

ファインチューニングの概要について簡単に説明しましたが、ここではより詳しくファインチューニングの仕組みについて解説します。

~~【図】：事前学習された言語モデル~~

ファインチューニングでは、上図のように事前学習された言語モデルが必要です。**例えば、GPT-3.5をはじめとする言語モデルに対して、さらに追加のデータを学習させます。**

~~【図】：ファインチューニングを行う~~

その結果、タスクに対して最適化された結果を返してくれるようになるでしょう。ただし、実際の開発では、この結果が期待していたものではなかった場合、さらにトレーニングを重ねることもあります。

### 使用されるアルゴリズムとモデル

ファインチューニングを行うことで、より精度の高いモデルを作成できるということが分かりました。*ただしこのファインチューニングは、対応するモデルが限定されています。*

サービス・ツール・技術の記事（22ページ目）