ChatGPTに文章構成を指定してみた

ChatGPTにPREP法で書いてくれと言いました

前の記事でChatGPに、「ChatGPの使い方」の記事の見出しを
書いてくれるように言いました。そしたら、やや堅めの本の
目次のようなのが出てきました。入門書の目次ということならば
いい出来です。現状、ChatGPTについて知っている人が少ないので、
このような入門書のニーズがあるかもしれませんね。

今回はさらに進んで、「CharGPTを使う上でのヒント」の具体的な
記事を書くように要求しました。返答としての記事は、前回記事の
細かな見出しとは必ずしも符合していません。しばらく時間が空いたので、
記録が消えたのかもしれません（事情は分かりません）。むしろ、
AIには変数が多いので、アウトプットも色々あるというのが正解と
いうところでしょう。

ただ、条件を一つ加えました。それは、Web記事や多くの作文で使われる
PREP法で書いてくれというものです。PREP法とは、Point（結論）、
Reason（理由）、Example（具体例）、Point（結論）というシンプルな
構成ですが、これが良いのでしょう、広く使われています。

このよう指示に対しての返答が以下のようになりました。

タイトル：ChatGPTを使う上でのヒント

【結論】ChatGPTをより効果的に使用するためには、以下の3つのヒントを守ることが重要です。

ファインチューニングに注力すること
サンプルサイズの拡大と多様性の確保
モデルの性質に合わせた対話データセットの作成

【理由と具体例】

ファインチューニングに注力すること
ChatGPTは大量の汎用的なテキストデータで事前学習されているため、タスクに特化したファインチューニングが効果的です。
例えば、特定のドメイン（医療、法律、金融など）に特化したデータセットを使って、そのドメインでの対話に最適化することができます。
また、ファインチューニングの際には、最適なハイパーパラメータを選択することも重要です。
サンプルサイズの拡大と多様性の確保
より多様なデータセットを使うことで、より幅広いトピックに対応できるようになります。
例えば、機械翻訳のために多言語データセットを使用することで、より多くの言語に対応することができます。
また、データセットの偏りをなくすために、ユーザーの属性（性別、年齢、国籍など）や文化的背景の異なるデータを含めることが重要です。
モデルの性質に合わせた対話データセットの作成
ChatGPTは生成型の対話モデルであるため、生成型の対話データセットを使用することが効果的です。
例えば、OpenAIが公開している「Persona-Chat」や「Empathetic Dialogues」などのデータセットがあります。
これらのデータセットを使用することで、より自然な対話を生成できるようになります。

【結論】
以上の3つのヒントを守ることで、より効果的にChatGPTを使用することができます。ファインチューニングを重視し、多様で大きなデータセットを利用し、モデルに合わせた対話データセットを使用することです。

今回出てきた返答は、PREP法を少し変形したような形です。理由と具体例が
一緒になっています。理由と具体例分けてくれるとよかったのですが、筋は
通っていますので、これでもかまいません。

しかし、私が知らなかったことを出てきました。OpenAIには、Persona-Chatや
Empathetic-Dialoguesというデータセットがあるんですね。使ったことないので、
何とも言えませんが、特定の人のタイプとか共感的会話のデータがあると
言うことでしょうか。それはスゴイことです。どれくらいのれえるか知れませんが、
相手は学習できるAIです。もしかしたらいいブログ記事やセールスレターを書く
ようになるかもです。古い例ですが、AIがチェスの世界チャンピョンを
打ち負かしましたからね。

どちらにしても、データセットが大事ということですね。
もしかして、サードパーティが、新たなデータセットを提供するように
なるかもしれません。その時は、AIがプロのコピーライターを討ち負かす
かもしれません。偉いことになりますよ。

同じ見出しで、「QUESTフォーミュラ」で記事を書くように要求した

「QUESTフォーミュラ」という知る人は知るコピーライティングで
効果があるといわれる文章構成で記事を書いてもらいました。

最初、ChartGPTは「QUESTフォーミュラ」のことを知らなかったのですが、
教えました。「QUESTフォーミュラ」とは、Qualify（絞り込む）、Understand
（理解する）、Educate（教育する）、Stimulate（刺激する）、
Transition（変化させる）で構成する方法です。

一度、学習すると理解が早い。同じテーマを「QUESTフォーミュラ」で書いて
もらったものが以下のようになりました。

タイトル：ChatGPTを使う上での5つのヒント

この記事では、ChatGPTを使う上での5つのヒントを「QUESTフォーミュラ」に基づいて紹介します。

Qualify（絞り込む）
ChatGPTを使う前に、どのような目的で利用するかを絞り込みましょう。例えば、会話の自然な流れを生み出すために使用するか、ある特定のトピックに関する質問に答えるために使用するか、文章生成に使用するかなど、目的によって適した利用方法が異なります。

Understand（理解する）
ChatGPTは、自然言語処理の分野において、非常に優れた性能を持つモデルです。しかし、その仕組みを理解することで、より効果的に利用することができます。ChatGPTがどのように動作するかを理解し、適切なパラメーターを設定することで、より良い結果を得ることができます。

Educate（教育する）
ChatGPTは、大量のデータを学習することで、高度な自然言語処理能力を獲得します。そのため、より多くのデータを利用することで、より優れた性能を発揮することができます。自分でデータを用意することもできますが、オープンソースのデータセットを利用することで、より効率的に学習することができます。

Stimulate（刺激する）
ChatGPTは、学習時に使用するデータによって、生成される文章の質が大きく左右されます。そのため、生成された文章を評価し、フィードバックを与えることで、より優れた結果を得ることができます。また、ChatGPTを使用することで、新しいアイデアや発想を刺激することもできます。

Transition（変化させる）
ChatGPTは、自然言語処理の分野において、非常に優れた性能を持つモデルですが、常に改善する余地があります。新しいデータや技術が出てくるたびに、それに応じて改良を加えていくことが重要です。ChatGPTを使用する上で、常に変化を意識し、改善を試みることが大切です。

これは、PREP法で書いた文章とは違っています。まったく違った印象さえ受けます。
また、「QUESTフォーミュラ」を始めて学んだので十分に使い方を理解していない
ようです。これは今後学習させることにより改善することは期待できるはずです。

しかし、こちらの意図したことに応じているかは疑問です。
「QUESTフォーミュラ」はセールスレターで使われ、読み手に購買行動を起こさせる
ことが目的です。ChatGPTの返答は、StimulateやTransitionで、煽り、買いたくさせる
ことには程遠い一般的な文章になってしまいました。

この点ではChatGPTは、まだまだデータが不足しているのかもしれません。
データの補充および学習が必要ということでしょう。この点は時間がかかります。

目まぐるしく変わるChatGPT周辺

１週間ほどCharGPTから離れていたら、新たな機能が追加されたようです。

左上に「Model」が選択できるプルダウンになりました。４つのモデルが
あります。Turboというのと、GPT４が３種類です。

また右上には、「Tone」と「Writing Style」そして「Language」のプルダウンが
あります。Toneが凄いです。defaultのほかに20ものトーンがあります。
authoritative（権威的）、clinical（客観的）やEmpathetic（共感的）さえも
あります。これらの違いは今後の研究にしたいと思います。それにしても
変化が激しいことは否めません。

ここまでの文字数は3,600字を越えました。AIと私の共同作業といえます。
もっとも、時間は全然かかっていません。便利は認められますが、今後、
質の向上も期待できる感じがヒシヒシと伝わってきます。

ということで、今回はこの辺で。