Google の生成 AI コース入門の正直なレビュー

Google は最近、無料のジェネレーティブ AI 入門コースのリストを公開しましたが、最大の疑問は、それらが誇大広告に値するのかということです。

それが私がここにいる目的だと思います。 Google の Introduction to Generative AI 学習パス (こちら をご覧ください) を完了した後、私の 2 セントを受け取りました。

目次

• コースの内訳
  • 対象者
  • 学習目標
  • 内容分析
  • 概要/チートシート
• 最終的な評決 (それだけの価値があるか?)
• 追加リソース

Google の生成 AI ラーニング パス コースの内訳

対象者

Google のコースは、トピックに関する事前の技術知識のない学生を対象としています。または Google のブログで説明されているように、このパスは、営業、人事、マーケティング、運営などの役割を持つ非技術者、テクノロジーに隣接する受講者向けに設計されています。その点で、これは、このコースが詳細なハウツーを提供するわけではありませんが、生成 AI の基本的な概念については十分に紹介できることを意味します。

学習目標

そのアイデアは、「生成 AI とは実際には何ですか?」という質問に適切に答えることです。

このコースは、生成 AI、大規模言語モデル、AI における倫理に重点を置いています。このコースでは、Google が提供する AI サービスと、責任ある AI 実践を組み込む際の Google の役割についても学ぶことができます。これには、ケーススタディ、講義形式のビデオ、クイズが含まれます。

内容分析

それでは、ラーニング パスの内容を解読してみましょう。

• 生成 AI の概要 - コース
• 大規模言語モデルの概要 - コース
• 責任ある AI の概要 - コース
• Generative AI Fundamentals - スキルバッジ付きコース
• 責任ある AI: Google Cloud を使用した AI 原則の適用 - コース

これを理解してください。Generative AI Fundamentals コースは基本的に最初の 3 つのコース (Gen AI の概要、LLM の概要、責任ある AI の概要) をまとめたものですが、クイズが追加されています。スキルバッジコースの前にコースを完了していれば、やり直す必要はありません。学習パスがそのような形式になっている理由については、Generative AI Fundamentals スキル バッジを試すときに単に「次へ」をクリックするのではなく、実際にコース教材を確実に進めるためだと推測しています。

コースの内容を抜粋して、私が作成したチートシートをいくつか示します。

概要 + チートシート

生成AI

「人工知能とは?」から始まり、人間の認知を模倣して複雑なタスクを実行し、そこから学習するコンピューター サイエンスの分野です。 AI 内には、データに基づいてトレーニングされたアルゴリズムを使用して、さまざまな複雑なタスクを実行できる適応可能なモデルを生成する機械学習のサブフィールドが存在します。

ML には、教師あり学習、教師なし学習、強化学習、深層学習などのさまざまな種類が存在します。ディープラーニングは人工ニューラル ネットワークを使用するため、より複雑なパターンを作成できます。これにより、ニューラル ネットワークは教師あり学習、教師なし学習、半教師あり学習を使用して目標を達成します。深層学習モデルには、識別型と生成型の 2 種類があります。

生成 AI は、テキスト、画像、音声、合成データなど、さまざまな種類のコンテンツを生成できる人工知能テクノロジーの一種です。つまり、GenAI は、既存のコンテンツから学習した内容に基づいて新しいコンテンツを作成する AI の一種です。これはトレーニングと呼ばれる学習プロセスを使用し、その結果統計モデルが作成され、プロンプトが与えられたときに予想される応答がどのようなものであるかを予測するために使用されます。

大規模な言語モデル

大規模な言語モデルは、2 つの要因により大きいとみなされます。それは、多数のパラメーターを含む大規模なトレーニング データセットでトレーニングされているということです。ハイパーパラメータとも呼ばれるパラメータは、本質的には機械が学習した記憶と知識であり、問題を解決するモデルのスキルを定義するために使用されます。 LLM は人間の言語を使用して一般的な問題を解決しようとするため、汎用的でもあります。

LLM には、事前トレーニングと微調整の 2 種類があり、事前トレーニング モデルは「すべて」を実行できますが、実際的な制限があります。一方、微調整モデルは特定のニッチに適合するか、特定の問題を解決することを目的としています。微調整にはコストがかかる傾向があるため、プロンプト チューニングのようなパラメータ効率の高い調整方法 (PETM) など、より効率的な方法が存在することに注意することが重要です。

プロンプトを理解するために、プロンプトは基本的に、特定の応答を引き出すために LLM に与えられる入力です。よくある誤解は、即時設計と即時エンジニアリングの間です。内訳すると、プロンプト デザインは、システムが実行するよう求められている特定のタスクに合わせて調整されるのに対し、プロンプト エンジニアリングは、ドメイン固有の知識を使用し、必要な出力の例を提供し、キーワードを使用してモデルのパフォーマンスを向上させるように設計されています。この特定のシステムに効果的であることが知られています。

Google による AI/ML サービス

Vertex AI は基礎モデルのモデル ガーデンを提供します。ユーザーが顧客満足度を予測するためにモデルを使用する予定のユースケースを考えてみましょう。ユーザーは、分類タスク タイプの感情分析タスク モデルの使用をオプトインできます。

PaLM API を MakerSuite と統合すると、生成開発サイクルが簡素化されます。 MakerSuite には、さまざまなアルゴリズムを使用してユーザーのデータに基づいてモデルをトレーニングするモデル トレーニング ツール、ユーザーがモデルを実稼働環境にデプロイできるようにするモデル デプロイメント ツール、実稼働環境でのモデルのパフォーマンスを監視するモデル監視ツールなど、一連のリソースが含まれています。

GenAI Studio を使用すると、ユーザーは、事前トレーニングされたモデルのライブラリ、モデルを微調整するためのツール、モデルを運用環境にデプロイするためのツール、より多くのサポートを提供するコミュニティ フォーラムなどのリソースを使用して、GenAI モデルを迅速に探索およびカスタマイズできます。

GenAI App Builder は、ドラッグ アンド ドロップ インターフェイス、アプリ コンテンツを編集するためのビジュアル エディター、内蔵検索エンジン、会話型 AI エンジンをユーザーに提供します。

Bard は、本質的に ChatGPT に似た LLM である会話型 AI ツールです。

Google の無料 AI コース - それだけの価値はありますか?

はい、最も簡単に言えば、そうです。私のことを知っている人なら、私が常に新しい学習の機会を活用できるようにしていることを知っているでしょう。

ただし、このコースは完璧ではないことに注意することが重要です。特定のトピック間には重複する部分がある場合がありますが、AI 業界に対する Google の貢献のみに焦点を当てています。さらに、特に各モジュールが通常、クイズごとに 3 ～ 5 つの質問のみで構成されているという事実を考慮すると、クイズは十分に挑戦的ではない可能性があります。

ただし、このコースは完全に無料であり、ソーシャルメディアプラットフォームや履歴書で自分の成果を紹介できることを考慮する価値があります。さらに、このコースは簡潔で簡単なので、それほど多くの時間を費やすことはありません。大丈夫、私は一日もかからずにその道を終えることができました 👀

Google コースを超えて生成 AI 学習の旅を続ける方法

私たちの学習の旅は決して 1 つのソースだけに依存すべきではないと思います。以下に他のコースをいくつか紹介します。

• DeepLearning.AI による大規模言語モデルを使用した生成 AI
• Microsoft による生成 AI の紹介
• AWS の生成 AI 基盤 AWS によるテクニカルディープダイブシリーズ
• ベクトルを話せますか? Datastax による LLM と生成 AI の言語を理解する
• PaLM API で大規模言語モデル (LLM) を使用するための初心者ガイド

その他:

• ハグフェイス
• テンソルフロー
• ラングチェーン