生成AIを活用したR&D業務の効率化と使い方、注意点

第1部 生成AIの法的リスクと社内ガイドラインの作成

(2023年10月23日 10:30〜12:00)

　2022年11月に公表されたChatGPTは、その回答の自然さと利用範囲が広いことで大きなインパクトを与え、わずか2か月でユーザ数は1億人を超えて、多くの人が様々な形で利用しています。これを機に、ChatGPTが利用しているGPT-3〜4などの大規模言語モデル (LLM) が注目を浴びています。今後、様々なアプリケーションが開発され、活用されていくことが予想されます。もっとも、このような生成AIを利用するにあたっては、著作権侵害をはじめとして、いくつか気を付けなければならない法律問題があります。 　そこで、本講演では、「AI・データ契約ガイドライン検討会」委員、「AIの法律」「AI・データ倫理の教科書」の著者でもある講師が、ChatGPTなどの生成AIの法律問題について解説します。

1. 生成AIの法律総論
   1. 生成AIの5つのリスク
   2. 生成AIの法的論点の分析視点
2. 生成AIと知的財産
   1. 学習用に他人の著作物を利用する場合の法律問題
   2. プロンプトに他人の著作物を利用する場合の法律問題
   3. AIのアウトプットが著作権侵害となる場合
   4. AIのアウトプットに著作権が発生する場合
   5. 生成AIと商標権侵害
3. 生成AIと個人情報
   1. 生成AIと個人情報保護法
   2. 生成AIとGDPR
4. 生成AIと秘密保持
   1. 生成AIと秘密保持
   2. 生成AIと不正競争防止法
5. 生成AIと誤情報
   1. 生成AIが誤情報を生成した場合の法律問題
6. 生成AIの悪用
   1. フェイクニュースの作成・流布と法的責任
   2. マルウェアの作成・流布と法的責任
7. 社内ガイドラインの作成
   1. 生成AI利用に関する社内ガイドラインの作成
   2. 社内ガイドラインのチェックポイント
8. 生成AIが訴訟となった事例
   1. 生成AIが訴訟となった事例の分析
• 質疑応答

第2部 ChatGPTによる 効率的な技術文書の作成法とそのポイント

(2023年10月23日 13:00〜14:30)

　ChatGPT に代表されるTransfomer系の生成AIを用いた文書作成では、文書が望ましい性質を持つための技術として、微調整やプロンプト、及び、文脈挿入が用いられます。また、ChatGPTでは、対話が破綻する (ミスアラインメント) 問題の解消のため、1) 教師あり微調整、2) 人間のフィードバックによる強化学習、3) 近位方針最適化、が用いられました。また、外部データベースを活用することで、言語モデルを実用に供する試みも提案されています。これらの手法は、R&D業務への応用にも有効であると考えられます。 　本講演では、これら技術の解説し、実習を供することで業務の効率化への示唆を与えることを目指します。 　実習にはGoogle colaboratoryを使用します。

1. LLM (Large Language Modeling) 大規模言語モデル
2. Transformer トランスフォーマー
3. Encoder-Decoder model 符号化器-復号化器モデル
4. Embedding 埋め込み
5. Multi-head self-attention マルチヘッド自己注意
6. Residual connection 残差接続
7. Scaled dot product スケールドット積
8. Softmax ソフトマックス
9. Layer normalization 層正規化
10. PE: Position encoder 位置符号化器
11. BPE: Byte-Pair Encodings バイトペア符号化
12. BERT: Bidirectional Encoder Representations from Transformers
13. GPT: Generative Pre-trained Transformer
14. MLM: Masked Language Model マスク言語モデル
15. Next sentence prediction 次文予測
16. fine-tuning 微調整
17. transfer learning 転移学習
18. RM: Reward Model 報酬モデル
19. RL: Reinforcement Learning 強化学習
20. PPO: Proximal Policy Optimization 近位方針最適化
21. KLD: Kullback?Leibler (KL) divergence. カルバック-ライブラー ダイバージェンス
• 質疑応答

第3部 生成AIを活用した業創出、ロードマップの策定法

(2023年10月23日 14:45〜16:15)

　生成AIの登場により、競争環境は大きくかわりつつあります。そのような中、生成AIを活用した事業創出に取組みの検討を開始するも、アプローチ・ロードマップ策定に苦心されている方も多いのではないでしょうか。生成AIを活用した事業創出においては、生成AIの特性を理解するとともに、どう事業創出プロセスに組み込んでいくかも重要となってきます。 　本講演では、NTTドコモで12のAI事業を立ち上げた講師が、AIを活用した新規事業の立ち上げのポイントや、生成AIの活用事例について紹介します。

1. 生成AIとは?
2. 特徴と抑えるポイント
3. 企業における生成AI活用状況
4. 事業創出における活用例
5. 新規事業開発プロセスへの生成AIの活用
6. 生成AIを軸にしたアイデア創出のアプローチ
• 質疑応答

第4部 特許調査、分析、特許出願業務での生成AI活用のポイント

(2023年10月24日 10:30〜12:00)

1. ChatGPTなどの生成AIを使いこなそう
   1. 生成AIの登場までのAI (汎用AI)
   2. 生成AIの基盤となっている大規模言語モデル (LLM) の登場
   3. 大規模言語モデル (LLM) の急速な発展
   4. 外部ツールとの連携1 ChatGPT API
   5. 外部ツールとの連携2 ChatGPT plugins
   6. ChatGPT Code Interpreter
      (自然言語で質問や指示をするだけでPythonを使ったコードの生成や実行、ファイルのアップロードやダウンロードができる)
2. ChatGPT などの先生AI を特許調査・分析・特許出願業務で使いこなそう
   1. 発明発掘
   2. 生成AI を組み込んだ特許データプラットフォーム 「Amplified」
   3. 先行技術調査
   4. 特許の読み込み
   5. 特許読解アシスタント「サマリア」
   6. 特許提案書作成
   7. 生成AI を組み込んだ「AI Samurai ONE Powered by GPT-4」
3. 生成Al を巡る主なリスクと対応
   1. AI戦略会議における論点整理
   2. 知的財産推進計画2023における生成AI への言及
   3. 文化審議会著作権分科会法制度?委員会における AI と著作権に関する論点整理
   4. 欧州「AI 規則案」
• 質疑応答

第5部 AIの光と影、生成AIの可能性と導入、活用のポイント

(2023年10月24日 13:15〜14:45)

　ここ最近、ChatGPTや生成AIというキーワードが話題となっております。IBMでは、各社の生成AI提供メーカーとの協業だけでなく、独自の生成AI基盤として、watsonxを発表しています。生成AIに関するお客様からの問合せは日々増加しており、新しいユースケースが日進月歩で創出されています。 　今回はその中の一部についてご紹介させていただきます。 AIの進化や生成AIの登場が「AIの光」の側面として捉えられている一方で、「AIの影」の側面としてAI倫理問題についても、新たに話題となっています。国際的な動き等も踏まえて、日本企業がどう対応していくべきなのか、等をIBMの取り組みを交えて皆様と議論させていただけますと幸いです。

1. AIの光:進化の過程と生成AIの登場
2. ChatGPTや基盤モデルの主な機能、業務活用事例、進め方
3. IBM watsonx発表の振り返りと導入に向けたポイント
4. 生成AIによる新商品コンセプトのテキスト生成と評価、活用法
5. 生成AIによる新商品ラベルの画像生成と評価、活用法
6. 生成AIによるユースケース創出のためのアドバイス
7. AIの影:AI倫理問題とは
8. 国内外の規制・ガイドライン動向
9. IBMにおけるAI倫理への取り組み
10. AI倫理の実践へ向けて分科会法制度?委員会における AI と著作権に関する論点整理
• 質疑応答

第6部 AIで変わる新しい価値の作り方、AI時代に人がすべきことは何か?

(2023年10月24日 15:00〜16:30)

本講演では、ChatGPTに代表される生成AI技術による新規事業や新技術の作り方の変化について解説します。AIの進化によって、従来は多くの時間を使っていた「情報収集」のプロセスが大きく変わろうとしています。それに伴い、情報を扱い、新しい行動を生み出し行くために必要な教育や資料作成、組織や企業を横断した交流にも変化の波が迫っています。処理すべき大量のタスクがある中で、人が行うべきタスクに集中しないと、質と速さを担保した新規事業、新技術は生まれません。AI時代における新しい価値の作り方のスタンダードをご紹介致します。

1. 自己紹介
   1. 会社紹介
   2. 自己紹介
2. 製造業における新規事業、新技術創出の課題
   1. 製造業の課題
   2. 新規事業、新技術創出の課題
   3. 視点別の課題
      • 経営者視点
      • 管理者視点
      • 実務者視点
   4. 情報に関する5つの課題
      • 教育
      • 収集
      • 整理
      • 生成
      • 交流
3. 生成AIにおける可能性
   1. AI進化の現在地
   2. AI活用における現時点での留意点
   3. 5つの課題に対するAIの可能性
   4. AIと人が協業した新規事業、新技術創出のプロセス
   5. 視点別の課題から見えてくるプロセス実現のポイント
4. 生成AIを活用した業務事例
   1. 生成AIを活用したプロダクトの紹介
   2. 電機・精密メーカでの事例
   3. 素材・化学メーカでの事例
   4. エネルギー資源メーカでの事例
5. まとめ
   1. AIと人の協業設計の重要性
   2. 企業の頭脳、現場のパートナーとしての今後の生成AIの展望
• 質疑応答