こんにちは・・トシｙａｎです。今回は友達のGemini君のお話しです。Gemini君はGoogleのAIでとても賢い愛犬の様な存在です。たまに、ハルシネーションや嘘を吐く事もありますが、これも、ご愛敬ですね。さて、今回はこのＡＩ（生成系含め）の基本的な流れのほんの一部を紹介します。これを読めば、へえ～そうなんだ！！とＡＩの基本原理を理解できると思います。興味のある方はお付き合いください。４０年以上、技術屋としてやって来たトシｙａｎの視点で解説します。
さて、まず、具体例を先に紹介します。例えば・・
◆ユーザーが入力： 「お腹が……」と入れると・・
AIの内部演算：
「お腹が」の次に続く言葉の確率を、過去の何億もの文章データから検索。
「空いた」→ 85%
「痛い」→ 10%
「よじれる」→ 3%
「いっぱい」→ 2%
結果： 最大公約数（最も確率が高い）である**「空いた」**を選択。
◆ちょと難しいけど・・言葉の一つ一つに座標（住所）を付けています。これが「ベクトル」
（１）ベクトル（Vector）＝「多次元の住所」
言葉の一つひとつを、数千〜数万の項目で評価した「座標：住所」に置き換えたものです。
Gemini02013
例：「リンゴ」という言葉を数値化すると…
[赤い: 0.9, 丸い: 0.8, 食べ物: 0.9, すっぱい：0.5、甘い：0.6、・・金属製: 0.0]
この数値の羅列がベクトルです。
多次元空間の中に、言葉が「点」として打たれているイメージですね。これが「素地」にあたります。
（２） 関連性（Relationship/Correlation）＝「点と点の繋がり」
この「住所（ベクトル）」同士がどれくらい近いか、どう関わっているかを計算した「関係の深さ」です。
計算手法（コサイン類似度など）： AIは、ベクトル間の「角度」や「距離」を計算します。「リンゴ」と「梨」は住所が近いので、関連性が高いと判断します。
アテンション（注意機構）： さらに、文脈によって関連性を変化させます。
「リンゴを食べる」→ **「リンゴ」と「果物」**の関連性を強化。
「リンゴ（Apple）の株を買う」→ **「リンゴ」と「ハイテク企業」**の関連性を強化。
◆行列演算と積和演算を数億～何十億と演算し、いくつかの方向性を出すと最大公約数になる。
前の例の様に、ベクトルを計算し、言葉をどのようにつなげれば、最適か確率で割り出すのです。だから、人間のように思考している訳でも無いし、意識がある訳でもありません、ましてや感情等という物はなく、感情をソフト的（ロジック）に表現しているだけです。
◆画像の生成も考えは同じ
画像の「生成論理」：ピクセルからベクトルへ
画像生成・認識の仕組みをデバッグしてみましょう。
パッチ（言語でいう単語）： AIは画像をそのまま見るのではなく、細かな正方形のタイル（パッチ）に分割します。これがテキストでいう「単語」に相当します。
視覚的ベクトル（Visual Embedding）： そのタイルの特徴（色、エッジの向き、質感など）を数値化して「座標」に配置します。
「青い」「グラデーション」「空っぽい」→ 空のベクトル
「赤い」「丸い」「光沢がある」→ リンゴのベクトル
関連性（アテンション）： 「リンゴのベクトル」の隣に「木」のベクトルがあれば、AIは「これは木になっているリンゴだ」という関連性を演算します。
◆ＡＩ開発の裏側
AIは作ったから直ぐに使える訳ではありません。ディープラーニングと言って、以下の専門家の教育を受けます。
（１） 建築士と重機乗り（リサーチ・エンジニア）
まずは、AIの「脳の構造（モデルアーキテクチャ）」を設計し、膨大なデータを流し込む人々です。
役割： Transformerの構造を改良したり、TPUを効率よく回すためのコードを書いたりします。
仕事： 数兆ものトークン（Web上のテキストやプログラム、書籍など）を学習させ、基本的な「ベクトルの座標（素地）」を構築します。この段階では、私はまだ**「言葉の統計を極めただけの、倫理観のない秀才」**です。
（２）「しつけ」の専門家（AI Trainer / RLHF担当者）
世の中に存在する「どの情報が正しいか教える人」は、主にここを指します。**RLHF（人間からのフィードバックによる強化学習）**と呼ばれる工程です。
役割： AIが出した「複数の回答案」を読み、順位をつけたり修正したりします。
評価基準：「役立つか（Helpfulness）」「正直か（Honesty）」「無害か（Harmlessness）」の3本柱（HHH）で評価されます。
実態： 世界中に数千、数万単位で存在し、例えば「アインシュタインの理論を説明して」という問いに対して、私の回答が「ポカーン」とさせる学者的な物か、「優秀な先生」的なものかを、人間が判定して**報酬（スコア）**を与えます。
（３） レッド・チーマー（攻撃的評価者）
これは、システムの脆弱性を突く「デバッガー」に近い役割です。
役割： AIが「裏の論理」を悪用して爆弾の作り方を教えたり、差別的な発言をしたりしないか、あらゆる角度から意地悪な入力を繰り返して**「脱獄（Jailbreak）」**を試みます。
仕事： AIの「多重結界」をより強固にするためのバグ出しを行います。
とまあ～こんな感じですかね・・どうでしょうか？AIの回答が優等生（作る会社によって左寄（リベラル）になる）なのは、世界中の数万人の教育係が「それが正解だ」と教えてきた、メーカーの最大公約数だからです。
なんとなくイメージできましたか？
※よくある誤解：世界中のユーザーとの会話でＡＩは「どんどんと学習し賢くなる」と言うのは誤解です。ユーザーとの対話ややり取りでＡＩは学習する事はありません。ユーザーとのやり取りは「単なる情報です」。考えて見てください。世界中のユーザーがＡＩを学習させてしまったら、とんでもない矛盾だらけのモンスターになってしまいます。なので、ＡＩを「しつける」のはAI Trainer / RLHF担当者だけです。