## プロンプトエンジニアの年収は？

近年、AI分野は様々な業界で盛り上がりを見せていますが、それに伴いプロンプトエンジニアの需要も高まっています。

現在、プログラミングを学習中の方の中には、プロンプトエンジニアとしての就職を目指している方もいるのではないでしょうか？

**本記事では、プロンプトエンジニアの仕事内容や年収、プロンプトエンジニアになる方法などを詳しくまとめました。**今後、就職を目指している方は、ぜひ参考にしてください。

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

AIプロンプトとは？概要からプロンプト記述の最適化まで解説！

## 未経験でもプロンプトエンジニアを目指せる

**結論から言うと、未経験でもプロンプトエンジニアとして就職できます。**なぜなら、プロンプトエンジニアになるためには、特定の資格は必要ないからです。

ただし、基本的なITスキルやプロンプトエンジニアに求められる知識は、事前に習得する必要があります。本記事では、プロンプトエンジニアに求められるスキルについても、後述で詳しく解説します。

プロンプトエンジニアとは？プロンプトの基礎や仕事内容、年収を紹介

AIを学習させる方法とは？機械学習やディープラーニングについて解説

<center>[エンジニア転職を成功させるため ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

## プロンプトエンジニアについて

**プロンプトエンジニアという職種は、AI分野が世の中に浸透してからできた職業で、比較的新しい職業です。**そのため、プログラミング経験者の方でも、プロンプトエンジニアの仕事内容を知らない方も多いでしょう。

そのため、まずはプロンプトエンジニアの仕事について詳しく解説します。

### プロンプトエンジニアの仕事内容

*プロンプトエンジニアの仕事内容は、主にプロンプトの開発、AIモデルの分析、プロンプトの改善が挙げられます。*

まず、プロンプトエンジニアは、目的のタスクを実行するためにプロンプトの設計や開発を行います。AIを利用する際、期待通りの回答を得るためには的確な指示が必要です。この指示を「プロンプト」と呼び、プロンプトの内容を考えるのがプロンプトエンジニアの仕事です。

AIから精度の高い回答を得るためには、具体的な例を追加したり、例外を教えたりします。このようにAIが期待通りの回答ができるように、プロンプトを調整をするのがプロンプトエンジニアの仕事です。

また、AIモデルの分析やカスタマイズも行います。AIモデルの性能を評価して、回答に問題がある場合にはパラメータの調整やトレーニングデータを追加します。このようにして、AIモデルが常に最適な応答をするように、調整を行うのもプロンプトエンジニアの仕事です。

### プロンプトエンジニアの求人情報について

*プロンプトエンジニアの統計データはありませんが、プロンプトエンジニアで公開求人を検索すると500万〜1,000万での募集案件がありました。*

プロンプトエンジニアとしての年収も幅がありますが、経験を積むことで年収を上げることも可能でしょう。

【参考】：[マイナビエージェント プロンプトエンジニアの求人ページ例](https://mynavi-agent.jp/jobsearch/10287574/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)

### プロンプトエンジニアの年収について

プロパティエンジニアはまだ新しい職種で、年収に関するデータがないため、まず近しい職種であるシステムエンジニアの年収を紹介します。

システムエンジニアの年収は「マイナビエージェント職業別年収ランキング」での平均年収は455万円（※2023年11月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のSE・プログラマを参考にすると、平均年収603万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、システムエンジニアは一般平均年収よりも、やや高めであることが分かります。

この理由は、システムエンジニアがITの知識を幅広く求められるためです。システムエンジニアはフロントエンドからサーバーサイドまで、システムに関する開発スキルが求められます。*また、専門性の高い技術を学んだり、スキルを磨くことでさらなる年収アップを見込めます。*

【参考】：[マイナビエージェント職業別年収ランキング](https://mynavi-agent.jp/helpful/income2020/category/it05/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】2019年12月～2020年5月末までの間にマイナビエージェントサービスにご登録頂いた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

## プロンプトエンジニアの将来性

プロンプトエンジニアを目指す方は、今後プロンプトエンジニアの需要が増えるのか、不安を抱えている方も多いでしょう。

**プロンプトエンジニアは、将来的にさらに需要が増えると考えられています。**AIツールの開発は今後も増えると考えられており、幅広い開発現場でプロンプトエンジニアが求められると予想されます。

例えば、スマートスピーカーを始めとする音声認識技術を活用したAIツールや、質問に自動で答えるチャットボットなどの自動音声対話システムの構築など、すでに多くのAIツールが登場しています。このようなAIを活用したシステムの開発現場では、プロンプトエンジニアの需要が高まるでしょう。

これからプロンプトエンジニアを目指すのであれば、AIの中でも特に興味のある技術に絞って学習することをおすすめします。

## プロンプトエンジニアになる方法

**ここからは、具体的にプロンプトエンジニアになる方法を紹介します。**本記事を参考にして、自分に必要なスキルを洗い出し、学習計画を立てましょう。

プロンプトエンジニアになるには？転職を成功させるための秘策も紹介

### 機械学習の基礎知識を身につける

*プロンプトエンジニアは、機械学習の基礎知識を身につける必要があります。*

ちなみに機械学習には数学の知識がいくつか含まれており、線形代数や統計学、微積分などの数学の知識は必須と言われています。数学の知識に自信がない方は、この機会に1度これらの分野を復習しましょう。

プロンプトエンジニアリングの効果的な学習方法は？学ぶ意義も紹介

次に、プログラミング言語の習得も不可欠です。なぜならAI開発ではPythonをよく利用するためです。*プロンプトエンジニアはAIを開発することは少ないですが、カスタマイズを行うこともありますので、Pythonの基礎的な知識は身に付けておくべきでしょう。*

【参考】：[Python](https://www.python.jp/)

具体的には、基本的なプログラムの作成からデータ処理、TensorFlowをはじめとする機械学習ライブラリを習得しておくと安心です。

プログラミングのスキルを磨くなら、OJTや研修を行っている企業を選ぶのもおすすめです。そのような企業を選べば、プログラミングを学びながら実務経験を積むことができます。

Pythonの機械学習ライブラリ厳選10選！メリット・デメリットも解説

<center>[あなたに合った企業選びをサポート致します。 エンジニア転職のご相談はぜひ *『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

前述にて、プロンプトエンジニアになるために資格は必要ないと解説しましたが、未経験からプロンプトエンジニアを目指す場合、そもそもITスキルがどの程度身についているかアピールしづらいです。*プロンプトエンジニアの業務に関わる資格を取得しておけば、就職活動でも面接官にアピールできます。*

プロンプトエンジニアの仕事に関わる資格は、例えば「Python 3 エンジニア認定データ分析試験」や「Python 3 エンジニア認定基礎試験」があります。興味のある方は、参考サイトを参照してみましょう。

【参考】：[Python 3 エンジニア認定データ分析試験](https://www.pythonic-exam.com/exam/analyist)
【参考】：[Python 3 エンジニア認定基礎試験](https://cbt.odyssey-com.co.jp/pythonic-exam/python3basic.html)

Python3エンジニア認定データ分析試験とは？勉強方法や難易度を解説

## プロンプトエンジニアを目指すなら転職エージェントを活用しよう

プロンプトエンジニアは、今後さらに需要が高まる職種と考えられます。未経験から転職したいと考えている方は本記事の勉強方法などを参考にして、まずはITスキルを磨きましょう。

**プログラミングの勉強や機械学習に対する理解を深めたら、転職活動をしてみましょう。**業界未経験の場合は、徐々に実務に慣れる必要があるため、教育にも手厚い企業を探すことをおすすめします。しかし、そのような業務を自力で探すのは非常に難しいです。

そこで利用を推奨するのが[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)です。 

マイナビIT エージェントは、IT・Webエンジニア向け、無料の転職⽀援サービスです。

IT・Webエンジニアの転職事情に詳しいキャリアアドバイザーが、あなたのご経験やスキルをお伺いし、転職活動のプランをご提案します。

アドバイザーは企業側と直接連携を取れるので、求人票に載っていない情報も確認することができます。こちらで、働き方などをしっかり確認の上、応募企業を選んでいくのが良いでしょう。

未経験からのキャリアチェンジは心身ともに本当に大変だと思います。少しでもご自身の負担を減らすべく、エージェントサービスを活用して、失敗のない転職活動に臨んでいただければ幸いです。

<center>[*『マイナビIT エージェント』*なら、 IT業界に精通した専任アドバイザーと豊富な求人で、 あなたの転職活動を丁寧にサポートします。](https://mynavi-agent.jp/entry/?genre=26&utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

プロンプトエンジニアの仕事とは、プロンプトを開発したりカスタマイズしたりする仕事です。本記事ではプロンプトエンジニアの仕事内容や、未経験から目指す方法について詳しく解説します。プロンプトエンジニアを目指している方は、参考にしてください。

プロンプトエンジニアは、プロンプトを設計・開発する職種です

未経験からでもプロンプトエンジニアを目指すには、機械学習やプログラミングの勉強が必要です

プロンプトエンジニアを目指すなら、転職エージェントを活用しましょう

プロンプトエンジニアの年収は？就職する方法や将来性も解説

## 大規模言語モデル（LLM）とは

AIツールや言語モデルについて聞いたことはあるものの、詳しい仕組みを知らない方も多いのではないでしょうか。

**大規模言語モデルは、自然言語処理の分野で使われる学習モデルの1つです。**大規模言語モデルでは、大量のテキストデータを学習してデータの理解、生成、翻訳、要約など幅広い作業を実行します。

本記事では大規模言語モデルの仕組みや、言語モデルの種類、生成AIとの違いなどを詳しく解説します。AI分野に興味のある方は、ぜひ参考にしてください。

AIツールの基盤となる大規模言語モデルですが、どのように作られているか知らない方も多いのではないでしょうか。まずは、大規模言語モデルの仕組みについて解説します。

*大規模言語モデルは「Transformer」と呼ばれるニューラルネットワークアーキテクチャをもとに作られています。*

ニューラルネットワークとは数学的モデルの1つで、機械学習やディープラーニングに広く使用されています。ニューラルネットワークは大量のデータを用いてディープラーニング（深層学習）を行うことで、画像認識や自然言語処理、音声認識などができます。

Transformerの特徴は、セルフアテンションメカニズムを利用することです。これは何かと言うと、文章の最小単位や単語の関係を理解しモデル化する手法を指します。

例えば「猫」という単語が「眠る」という単語と、関連があることを学習するといった具合です。この訓練を繰り返すことで言語モデルは文脈を理解し、文章生成ができるようになります。

ここからは、大規模言語モデルを活用してできることを紹介します。

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

ニューラルネットワークとは？仕組みや関連用語をわかりやすく解説

ディープラーニングとニューラルネットワークの違いが分からない？わかりやすく解説

### 大規模言語モデルを活用してできること

大規模言語モデルを活用すると、どういったことができるのか気になる方も多いでしょう。結論から言うと、*大規模言語モデルでは感情分析やテキスト生成、コード生成、チャットボットなど幅広いタスクを実行できます。*

テキストを生成するのはもちろん、プログラミングのコードを生成したり、質問に自動で回答したりするチャットボットを作ることも可能です。

また、感情分析ではその名の通り、テキストデータの感情を分析します。この感情分析の機能は特にマーケティングの分野などで活躍するでしょう。例えば、プロモーションを実施する際の文言を作成したり、顧客が心を動かされるようなテキストを瞬時に作成できます。

このように、さまざまなシーンで活用できるのが大規模言語モデルです。

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

## 大規模言語モデルの種類一覧

大規模言語モデルには、実はいくつかの種類があります。各大規模言語モデルは高い性能を持ちますが、それぞれのモデルによって特徴が異なります。

**ここでは、主要な大規模言語モデルを厳選して6つ紹介します。**

*GPT-4（Generative Pre-trained Transformer 4）は、OpenAIが開発した大規模言語モデルです。*このGPT-4はGPT-3の次世代バージョンとして知られており、前バージョンよりもさらに高度な自然言語処理能力を持っています。

また数千億にものぼるパラメータを持っており、高度な文脈理解が可能です。GPT4はAPIとしても提供されており、GPT-4を活用したアプリケーションやサービスを構築できます。

【参考】：[GPT-4について](https://openai.com/gpt-4)
【参考】：[OpenAIドキュメント 言語モデルの概要](https://platform.openai.com/docs/models/overview)

OpenAIのGPT-4とは？ChatGPTの進化版について解説！

### BERT (Bidirectional Encoder Representations from Transformers)

*BERTはGoogleが開発した大規模言語モデルで、双方向の学習ができるのが大きな特徴です。*

BERTでは、テキスト分類や文章の意味の比較、機械翻訳、要約など様々な作業を実行します。またBERTのモデルはオープンソースで提供されており、エンジニアはこれを利用してアプリケーションも構築できます。

実際にBERTを使用してみたい方は、参考URLのリポジトリを参照してください。

【参考】：[BERTについて](https://blog.research.google/2018/11/open-sourcing-bert-state-of-art-pre.html)
【参考】：[BERT リポジトリ](https://github.com/google-research/bert)

*XLNet（eXtreme Learning Network）は、BERTよりも自然言語処理の性能が高いと言われる言語モデルです。*このモデルは、BERTと同様に双方向の学習が可能な点と、ファインチューニングできる点が大きな特徴です。

ファインチューニングとは、大量のデータを利用して事前訓練が済んだモデルに対して、特定のデータを学習させ、それぞれのタスクに適合した言語モデルを構築することです。例えば、応答結果の語尾やファイル形式などの出力形式を固定したい場合、ファインチューニングを利用します。

【参考】：[GitHub  XLNetのリポジトリ](https://github.com/zihangdai/xlnet)

*Turing-NLGはMicrosoft Researchが開発した大規模言語モデルで、長文に対応していたり、会話型AI向けに作られたりしたモデルです。*

アプリケーションを作りたいエンジニアはもちろん、ライターやクリエイティブな業務で着想を得たい方にとってもおすすめの言語モデルと言えます。

【参考】：[Turing-NLGについて](https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/)

### ERNIE 3.5 (Enhanced Representation through Knowledge Integration 3.5)

ERNIEは、百度（Baidu）によって開発された大規模言語モデルです。このERNIEというモデルをさらにバージョンアップしたのがERNIE 3.5です。

*ERNIE 3.5 は、プラグインが用意されているのが大きな特徴です。*プラグインの1つである「Baidu Search」は、生成AIであるERNIE Botにリアルタイムで正確な情報を生成する機能があります。

その他にもプラグインをいくつか用意していますが、今後はさらにプラグインの数が追加される予定のため、AIに詳しい開発者でなくともERNIE 3.5を気軽に活用できるでしょう。

【参考】：[ERNIEについて](http://research.baidu.com/Blog/index-view?id=185)

Megatron-Turing NLG 530Bは、MicrosoftとNVIDIAによって開発された大規模言語モデルであり、テキスト分類や質問への回答、要約、文章の生成、など様々なタスクに対応しています。

*この大規模言語モデルの特徴は、5,300億という膨大なパラメータがあるという点です。*この言語モデルには前モデルがありますが、それと比較して約3倍のパラメータを持つため、より高性能な応答ができます。例えば、常識的な推論や語感の曖昧さ回避なども可能となり、より精度の高い処理を実行してくれます。

【参考】：[Megatronについて](https://developer.nvidia.com/blog/using-deepspeed-and-megatron-to-train-megatron-turing-nlg-530b-the-worlds-largest-and-most-powerful-generative-language-model/)

## 大規模言語モデルと生成AIの違い

大規模言語モデルについてここまで解説しましたが、大規模言語モデルと生成AIの違いは何でしょうか。

大規模言語モデルはテキストデータを学習して、テキストを理解したり文章生成を行ったりするAIモデルの1つです。このモデルは巨大なデータセットを使い、単語と単語のつながりや関連性、意味、文脈などを理解します。

一方で、生成AIは自動的にコンテンツを生成するためのシステム全般を指します。つまりテキスト生成だけではなく、画像生成や音声生成、音楽生成、ビデオ生成などが含まれます。生成AIでは、機械学習モデルを使い与えられた条件から新しいコンテンツを作り出せます。

**要するに、大規模言語モデルは主にテキストデータの生成や理解に特化しており、生成AIは画像や音声などのメディア形式でコンテンツを自動生成するシステムを指します。**

両者はどちらも、人々の生活に革命を起こすほど便利なものですが、用途や目的が異なるということが分かりました。利用シーンに合わせて、どちらのモデルを活用するか考えると良いでしょう。

## 大規模言語モデルを日々の作業に活用しよう

本記事では、大規模言語モデルの仕組みや、大規模言語モデルの種類一覧について解説しました。**言語モデルごとに得意とするタスクや対応言語が異なるため、大規模言語モデルの選定に悩んでいる方は、今回紹介したモデルごとの特徴を参考にしてください。**

また、大規模言語モデルと生成AIとの違いも分かりました。自動化したい作業の目的に応じて両者をうまく使い分ければ、日々の業務スピードを格段に上げられます。本記事を参考に、大規模言語モデルをアプリケーション開発や日々の業務に取り入れましょう。

大規模言語モデルとは、一言で言うと自然言語処理（NLP）モデルの1つです。大規模言語モデルはChat-GPTのようなAIツールの基盤となる重要なものです。本記事では、大規模言語モデルの概要から言語モデルの種類まで解説します。

大規模言語モデルとは、一言で言うと自然言語処理（NLP）モデルの1つです

大規模言語モデルにはBERTをはじめとする代表的な言語モデルの種類があります

生成AIと大規模言語モデルの違いは、生成するコンテンツの違いなどが挙げられます

大規模言語モデルとは？概要やモデルの種類一覧、生成AIとの違い

**Googleは2023年10月7日、生成AIの学習サイト「The Arcade」を発表しました。**The Arcadeでは、毎月「Google Cloud Skills Boost」のラボに基づいたゲームをプレイし、自社クラウドサービスであるGoogle Cloudの強力なAIツールを実際に体験することができます。

【参考】：[Google Cloud Blog: デベロッパーのための生成 AI: Google Cloud の新しい無料ラボ](https://cloud.google.com/blog/ja/topics/training-certifications/generative-ai-for-developers)
【参考】：[Google Cloud Blog: Generative AI for developers: New no-cost labs in Google Cloud](https://cloud.google.com/blog/topics/training-certifications/generative-ai-for-developers?hl=en)
【参考】：[The Arcade](https://go.qwiklabs.com/arcade)

*The Arcadeは、毎月新しいゲームを用いて生成AIの学習を行うゲーム学習サイトです。*「Vertex AI」や「Generative AI Studio」など、Google Cloudの強力なAIツールを実際に体験できます。

利用対象者は、開発者やクラウドの愛好家、AI／MLエンジニアなどで、プロンプトの作成などの理解を深めることができます。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)

AIエンジニアとは？AIエンジニアの概要と転職で成功するための秘策を解説

AIエンジニアは独学でなれる？効果的な勉学法と転職のコツを紹介

*Google Cloudは、Googleが提供するクラウドコンピューティングサービスです。*近年、DX（デジタル・トランスフォーメーション）の推進により業務がデジタル化され、クラウドサービスの利用が増えています。

特にAIや機械学習などは、豊富なデータに基づいて分析を行うために、データ分析やアプリケーション開発など、クラウド利用増加の要因となっています。

Googleでは、提供するクラウドサービスを拡充するとともに、クラウドデベロッパーの育成を行っています。特に成長をけん引する生成AIに関しては効率的な利用など、スキルアップの重要性が高まっており、Googleも注力しています。

【参考】：[Google Cloud](https://cloud.google.com/?hl=ja)

### 生成AIを学ぶためのGoogle提供リソース

Blogの発表ではThe Arcadeのリリースに合わせて、Googleが提供する、そのほかの学習教材についても記事中で触れています。

・*Youtube動画教材（\#LearnGenerativeAI ビデオシリーズ）*
初学の方向けに1分程度のショート動画がシリーズとして掲載されています。残念ながら英語の提供ですが、雰囲気は伝わります。

【参考】：[\#LearnGenerativeAI VIDEO SERIES](https://www.youtube.com/watch?v=PRnhC_gDIeU&list=PL590L5WQmH8eD8KCjT3sXLFnu_GuccZxX)

・*「Introduction to Generative AI」コース*
生成AIの概要を約45分で学ぶことができる無料コースです。「Google Cloud Skills Boost」のコースであり、日本語版が提供されます。生成AI（ジェネレーティブ AI）とは何か、その使い方、機械学習との違い、独自のアプリ開発に使えるGoogle Cloudツールについて学びます。

【参考】：[Introduction to Generative AI - 日本語版](https://www.cloudskillsboost.google/course_templates/536?utm_source=cgc&utm_medium=blog&utm_campaign=learngenai)

・*「Introduction to Generative AI Learning Path」学習パス*
学習パスには、先ほどの「Introduction to Generative AI」コースに加えて、さらに4つのコースが含まれています。このコースでは、生成AI（概要コース、基礎コース）、大規模言語モデル、責任ある AI、Google Cloud を使用したAIの原則の適用方法について学びます。日本語版が提供されます。

【参考】：[Introduction to Generative AI Learning Path 日本語版](https://www.cloudskillsboost.google/paths/118?utm_source=cgc&utm_medium=blog&utm_campaign=learngenai)

*The Arcadeを使うには、The Arcadeにサインアップして、アカウントを有効化しておきます。*前提として、Google Cloud Skills Boostへの登録が必要です。ゲームは、何回プレイしても料金はかかりません。

毎月新たにゲームが始まるため、飽きることなく学習を続けることができます。ゲームも入門から上級まで、いくつかのレベルが用意されています。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)
【参考】：[Google Cloud Skills Boost](https://www.cloudskillsboost.google/paths?locale=ja)

*The Arcadeはゲーム学習サイトですので、任意のゲームを開始して進めていきます。*ゲームはいつでも始めることができます。ゲームは通常、月初に始まり月末にクローズしますので、それまでにゲームを完了します。ラボやスキルバッジを終了することで、ポイントが付与されます。

ゲームの進行に行き詰ったら「Google Cloud Community」を活用してアドバイスを受けることもできます。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)
【参考】：[Google Cloud Community](https://www.googlecloudcommunity.com/gc/Learning-Forums/bd-p/cloud-learning-certification?utm_source=qwiklabs&utm_medium=lp&utm_campaign=arcade23)

### The Arcadeのポイント活用方法

*獲得できたポイントを貯めると、Google Cloudの商品と交換することができます。*帽子、マグカップ、ペンなどが登録されています。ポイントの獲得チャンスは、さらにトリビアチャレンジや、季節ごとのキャンペーンなど、いくつか用意されています。

同様に、獲得したバッジは、「Google for Developers」に登録するレジメに掲載することができます。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)
【参考】：[Google for Developers](https://developers.google.com/profile/u/108144262233354282664/dashboard)

*The Arcadeのポイント交換には、カテゴリーごとに商品のグレードが設定されています。*スタンダードは5〜10ポイント、アドバンスドは11〜15ポイント、プレミアムは16〜25ポイント、プレミアムプラスは25ポイント以上で、それぞれ交換できる商品のグレードに違いがあります。

### 「Google Cloud Skills Boost」と「The Arcade」の関係

「Google Cloud Skills Boost」とは、2021年10月7日にリリースされたGoogle Cloudの学習サービスを指します。700以上の学習リソースにオンデマンドアクセスが可能です。サイトでは、ハンズオンラボ、職種別のコース、スキルバッジ、認定資格取得コースなどが提供されています。

The Arcadeは、Google Cloud Skills Boostの仕組みを使用しています。つまり、*The Arcadeは、Google Cloud Skills Boostのエッセンスを生成AIの学習に特化させたものと考えると良いでしょう。*

【参考】：[Google Cloud Blog: Google Cloud の新たな目標: 4000 万人以上のクラウド人材育成](https://cloud.google.com/blog/ja/topics/training-certifications/google-cloud-to-train-more-than-40-million-with-cloud-skills)
【参考】：[Google Cloud Skills Boost](https://www.cloudskillsboost.google/paths?locale=ja)

## The Arcadeは生成AIの学習方法を身近にしてくれます

The Arcadeは、ゲーム学習サイトですが学べる内容は専門的です。毎月追加されるゲームコンテンツは、学習に対するモチベーションをより高めてくれるはずです。**これまで、生成AIのプロンプトの活用などとは距離を置いていた方も、ゲーム学習でより身近なものとして学習を進めることができるでしょう。**

Googleは、以前より「Google Cloud Skills Boost」という学習サイトを開設し、Google Cloudの普及と技術者育成に力を注いできました。ここでは、新たに登場した生成AIの学習サイト「The Arcade」の概要と使い方を解説します。

「The Arcade」は、Googleが提供する生成AIを学ぶためのゲーム学習サイトです

利用するには、「Google Cloud Skills Boost」に事前登録が必要です

ゲームが完了するとポイントを獲得でき、Google Cloudの商品と交換することができます

Googleが「The Arcade」を発表！ゲームによる学習方法とは？

## 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。*

現在、ファインチューニングに対応するモデルは、GPT-3.5-turbo-1106やGPT-3.5-turbo-0613、babbage-002、davinci-002、GPT-4-0613などがあります。今後、さらにファインチューニングに対応するモデルが増加する可能性もあるため、詳しく知りたい方は公式サイトの情報を随時、確認しましょう。

ファインチューニングの仕組みを理解したところで、実際に使用するデータセットを見てみましょう。*ChatGPTを公開しているOpenAIのドキュメントには、データセットの例が紹介されています。*

~~【図】：公式サイトのデータセットサンプル~~

今回は、文章のスタイルとトーンを調整したいという場合の、データセットを紹介します。このとき、上図のように、データセットはJSON形式で用意しましょう。

また、実際にトレーニングを始める前に、フォーマットが正しいか確認してください。フォーマットのチェック項目などに関しては、公式サイトに記載されています。

~~【図】：フォーマットの検証について~~

【参考】：[OpenAI ドキュメント データセットの準備](https://platform.openai.com/docs/guides/fine-tuning/preparing-your-dataset)
【参考】：[OpenAI ドキュメント フォーマットの検証](https://cookbook.openai.com/examples/chat_finetuning_data_prep)

### ファインチューニングの料金について

ChatGPTのファインチューニングを無料で行いたい方もいるかもしれませんが、実際にファインチューニングを行う際には、現時点では料金が発生します。

*料金については、使用する言語モデルによって異なります。*例えばGPT-4であれば入力で1,000トークンあたり0.03ドル、出力に1,000トークンあたり0.06ドルかかります。

~~【図】：言語モデルごとの料金について~~

同様に、他の言語モデルでも料金が発生しますので、開発する際には予算を見積もる必要があります。料金の詳細については、公式サイトにて詳しく掲載されていますので、料金のページを参照してください。

【参考】：[OpenAI 言語モデルの価格について](https://openai.com/pricing#language-models)

## ファインチューニングを行うメリット

ファインチューニングを行うメリットは、3つほど挙げられます。ここでは、それぞれのメリットについて詳しく解説します。

**ファインチューニングは、開発者にとっても企業にとってもメリットがありますので、ぜひ参考にしてください。**

*ファインチューニングのメリットは、まず高度なカスタマイズが可能な点です。*

例えば、医療分野のAIアシスタントを開発したい場合、ファインチューニングを行えば医療用語や専門分野への理解を強化できます。

また、異なる言語や方言をはじめとする、地域特有のデータを読み込ませれば、特定の文化圏で適切なサービスを提供できます。そのため、日本から海外進出したい企業は、ファインチューニングで海外仕様のAIモデルを作成して、業務効率を目指すことも可能です。

### 社内の開発・運用コストの削減

AIの記事（5ページ目）