カテゴリー: 人工知能

前回の「いまさら聞けないジェネレーティブAIの基本【生成系AI Vol. 1】」に続き、生成系AIに関して第2弾の記事をお届けする。今回のトピックは「プロンプト」。できるだけ専門用語を使わずにわかりやすく解説していこう。

先日開催されたウェビナーにて講演を行なった内容を一部抜粋してお届けする。

生成系AIに欠かせない「入力 = プロンプト」

文字や文章を出力してくれるChatGPTや画像生成系のAIサービスを利用する際に不可欠なのがプロンプトである。

プロンプトはユーザーがAIに対して行う「入力」。それ以上でもそれ以下でもない。

たとえばChatGPTに、「日本の都道府県とその県庁所在地をテーブルで表示して」と入力すれば下記のアウトプット (抜粋) が得られる。そして入力したその文章こそが「プロンプト」だ。

プロンプトを入力してChatGPTに都道府県と県庁所在地を出してもらった例

プロンプトを書く際のコツ

では、プロンプトはどのように書いたら良いのだろうか？

その答えを、プロンプトを受け取る側 = ChatGPTさんに聞いてみた。その答えがこちら。

目的を明確にする：何をAIに生成してほしいのか、具体的に定義しましょう。例えば、小説のプロット、詩のスタイル、商品のレビューなどが考えられます。

キーワードを使う：プロンプトにキーワードを含めると、AIがより正確な結果を生成することができます。例えば、「恋愛小説を書いてください」というプロンプトよりも、「若いカップルが失恋して再会する話を書いてください」というプロンプトのほうが、より具体的でAIに指示しやすくなります。

長さを指定する：AIに生成する長さを指定することもできます。例えば、詩を10行にしたい場合は、「10行の詩を書いてください」というプロンプトを作成することができます。

省略可能なパラメーターを指定する：AIに特定の情報を提供したい場合、プロンプトに省略可能なパラメーターを指定することができます。例えば「〇〇というキャラクターが主人公の小説を書いてください。〇〇の特徴は何ですか？」というプロンプトでは、主人公のキャラクターの特徴をAIに提供することができます。

以上のように、プロンプトを作成する際は、具体的な目的、キーワード、長さ、省略可能なパラメーターなどを考慮して、できるだけ明確に指示するようにしましょう。

画像生成にも威力を発揮するプロンプト

プロンプト入力はChatGPTのような文字生成系のAIだけではなく、画像生成系のAIでも重要な役割を果たす。

実例を元に、どのような入力をするとどのような画像が生成されるかを見てみよう。

プロンプト：food photography, hamburger in the style of a mcdonald’s big mac, but luxurious michelin kitchen style –v 5

プロンプトを使ってハンバーガーの画像を生成してもらった例

プロンプト：80s lotus esprit chrome details, nostalgic and timeless, warm and soft, sepia tones, deserted industrial warehouse, Fujifilm X – T4 with 35mm lens, shallow depth of field, early morning light

プロンプトを使ってスポーツカーの画像を生成してもらった例

プロンプト：Joe biden and donald trump laughing and playing golf together, mid day, natural direct sunlight, photography, eye level shot

プロンプトを上手に使えば現実であり得ない画像も生成してもらえる

AIが苦手なプロンプトもある

こんな感じで上手にプロンプトを活用すればAIによって驚くほどにリアルな画像が生成される。

その一方でAIは万能ではないのがわかる例を紹介する。文化的なコンテキストが求められるプロンプトは意外と苦手だ。

たとえば以下のような感じ。

プロンプト：こたつにみかん

AIはカルチャーコンテキストが強い画像が苦手
引用元: https://twitter.com/yutaro_today/status/1634520264737435648

上手なプロンプトを作成するためのポイント

このようにプロンプトの入力内容次第でその結果が大きく変化するのが生成系AIの特徴である。したがって、より良いプロンプトを作成するのが重要になってくる。

上手なプロンプトの作成方法を、きたがわ ChatGPT活用術さん (@bukuta_3) のポストを元にもう少し深掘りしてみようと思う。

1. プロンプトの内容と目的を明確にして書く
2. プロンプトは具体的に書く (細かく・詳しく)
3. 明確な言葉を使う *曖昧な単語はなるべく使用しない
4. コンテキストを追加する (文章の前後関係を書く)
5. プロンプトの長さを考慮する (長すぎず・短すぎず)
6. 何度もテストして試行錯誤する (結果が予想と異なる場合は、プロンプトを調整する)

良いプロンプトの例文

「海が青い理由について詳しく教えてください」
「新製品を宣伝する30秒のコマーシャルのスクリプトを生成してください」
「MongoDBを使用した基本的なCRUD操作を実装するJavaScriptプログラムを生成してください」

→ 伝えたい内容がハッキリしてる

悪いプロンプトの例文

「もっと教えて」(何を？・・・)
「あれを実行して」(あれって何だろう？・・・)
「さっき回答した中から選んで」(どれのこと？・・・)
「スクリプトを生成して製品を宣伝してください。」

→ 何を伝えたいのか、対象が何か、が不明確

まとめ

1. 人に聞く時と同じようにChatGPTを使う
2. 文章の中身は具体的に細かく指定するほど良い
3. 文章が適切な長さか確認してみる
4. 文書の前後関係を明確にして書く
5. 間違った回答が出た時は、プロンプトを見直して修正する (説明が十分だったか確認)

画像をプロンプトとして利用も可能

ちなみにプロンプトは必ずしも文字である必要はない。画像をプロンプトとして入力して文字を生成したり、複数の画像を入力してそれに合わせた画像を生成してもらうことも可能だ。

例：この写真に写っている食材で作れる料理のレシピを作って

AIに冷蔵庫にある食材を認識してもらい、レシピを出力した例

例: この2つの画像を合わせたデザインを生成して

スケッチと写真を読み込ませてAIにデザインしてもらった例

ChatGPTアウトプットの質をアップさせる3つの構文

プロンプトを入力する際のコツをもう少しだけ補足すると:

①「あなたはプロの〇〇です」（職業定義）
②「〇〇という条件下において」（条件定義）
③「初心者にもわかりやすいように手順を作成して教えてください（or 提案してください）」

の3セットを加えるだけで今よりもっと詳しく教えてくれる。

ChatGPT指示命令に役立つ指示例

もう一つChatGPTにプロンプトを入力する際のコツを紹介する。 ChatGPT研究所さん (@chatgptair) が紹介している下記のような補足を加えるだけでもアウトプットの質が高まる。

「質問+条件指定」

• 箇条書きで3つ書いて
• 箇条書きで○個書いて
• ブログ形式で書いて
• ○文字以内で書いて
• ○文字以上で書いて
• ステップ形式で書いて
• 短く書いて
• 詳しく書いて
• エモく書いて
• 文章を簡潔にまとめて
• 丁寧な文章で書いて
• 段落で改行を入れて
• 140文字以内で書いて
• 重要ワードを入れて
• 3つの回答を書いて

「質問+追加情報」

• 他にも教えて
• 何パターンか教えて
• 抽象的に教えて
• なぜそうなるの？
• 例えを教えて
• イメージしやすいように
• 具体例を教えて
• 他の方法を教えて
• 3つの方法を教えて
• さらに良い方法を教えて
• データを教えて
• 事例を教えて
• 根拠を教えて
• ○○の場合を教えて
• 悪い例を教えて

「質問+表現方法」

• 子供でもわかるように
• 小学生でもわかるように
• 中学生でもわかるように
• 一般人でもわかるように
• 初心者でもわかるように
• ○○のように
• 学校の先生のように
• アナウンサーのように
• 占い師のように
• プロの編集者のように
• ○○風に答えて
• ヒカキン風に答えて
• メンタリストDaiGo風に答えて
• ひろゆき風に答えて
• ビジネスでも使えるように

まとめ: プロンプトはAIに生成してもらう際に入力する “呪文”

ということで、生成系AIがどんどん “魔法” のようにさまざまなアウトプットをしてくれるようになってきてるとすれば、プロンプトはまさにその魔法をコントロールする “呪文” の役割と言えるだろう。

プロンプトはAIに生成してもらう際に入力する “呪文”

AIに対しての指示出しであるプロンプトの作成の精度が上がるほど、実は部下やアシスタントへの指示出しも上手になっているという皮肉な状況が多くの会社で発生している。

なので、AIを使う場合でも生身の人間にお願いする際にも、クリアなプロンプトを作成できれば仕事のクオリティーが上がることは間違い無いだろう。

次回は生成系AIの「裏側」のテクノロジーについて

次回は生成系AIの裏にあるテクノロジーに関してできるだけ簡単に、わかりやすくまとめる予定です。お楽しみに！

※今回の記事の内容の元となったウェビナーでの講演のアーカイブ動画はこちらからご視聴ください。

前回の「いまさら聞けないジェネレーティブAIの基本【生成系AI Vol. 1】」に続き、生成系AIに関して第2弾の記事をお届けする。今回のトピックは「プロンプト」。できるだけ専門用語を使わずにわかりやすく解説していこう。

先日開催されたウェビナーにて講演を行なった内容を一部抜粋してお届けする。

生成系AIに欠かせない「入力 = プロンプト」

文字や文章を出力してくれるChatGPTや画像生成系のAIサービスを利用する際に不可欠なのがプロンプトである。

プロンプトはユーザーがAIに対して行う「入力」。それ以上でもそれ以下でもない。

たとえばChatGPTに、「日本の都道府県とその県庁所在地をテーブルで表示して」と入力すれば下記のアウトプット (抜粋) が得られる。そして入力したその文章こそが「プロンプト」だ。

プロンプトを入力してChatGPTに都道府県と県庁所在地を出してもらった例

プロンプトを書く際のコツ

では、プロンプトはどのように書いたら良いのだろうか？

その答えを、プロンプトを受け取る側 = ChatGPTさんに聞いてみた。その答えがこちら。

目的を明確にする：何をAIに生成してほしいのか、具体的に定義しましょう。例えば、小説のプロット、詩のスタイル、商品のレビューなどが考えられます。

キーワードを使う：プロンプトにキーワードを含めると、AIがより正確な結果を生成することができます。例えば、「恋愛小説を書いてください」というプロンプトよりも、「若いカップルが失恋して再会する話を書いてください」というプロンプトのほうが、より具体的でAIに指示しやすくなります。

長さを指定する：AIに生成する長さを指定することもできます。例えば、詩を10行にしたい場合は、「10行の詩を書いてください」というプロンプトを作成することができます。

省略可能なパラメーターを指定する：AIに特定の情報を提供したい場合、プロンプトに省略可能なパラメーターを指定することができます。例えば「〇〇というキャラクターが主人公の小説を書いてください。〇〇の特徴は何ですか？」というプロンプトでは、主人公のキャラクターの特徴をAIに提供することができます。

以上のように、プロンプトを作成する際は、具体的な目的、キーワード、長さ、省略可能なパラメーターなどを考慮して、できるだけ明確に指示するようにしましょう。

画像生成にも威力を発揮するプロンプト

プロンプト入力はChatGPTのような文字生成系のAIだけではなく、画像生成系のAIでも重要な役割を果たす。

実例を元に、どのような入力をするとどのような画像が生成されるかを見てみよう。

プロンプト：food photography, hamburger in the style of a mcdonald’s big mac, but luxurious michelin kitchen style –v 5

プロンプトを使ってハンバーガーの画像を生成してもらった例

プロンプト：80s lotus esprit chrome details, nostalgic and timeless, warm and soft, sepia tones, deserted industrial warehouse, Fujifilm X – T4 with 35mm lens, shallow depth of field, early morning light

プロンプトを使ってスポーツカーの画像を生成してもらった例

プロンプト：Joe biden and donald trump laughing and playing golf together, mid day, natural direct sunlight, photography, eye level shot

プロンプトを上手に使えば現実であり得ない画像も生成してもらえる

AIが苦手なプロンプトもある

こんな感じで上手にプロンプトを活用すればAIによって驚くほどにリアルな画像が生成される。

その一方でAIは万能ではないのがわかる例を紹介する。文化的なコンテキストが求められるプロンプトは意外と苦手だ。

たとえば以下のような感じ。

プロンプト：こたつにみかん

AIはカルチャーコンテキストが強い画像が苦手
引用元: https://twitter.com/yutaro_today/status/1634520264737435648

上手なプロンプトを作成するためのポイント

このようにプロンプトの入力内容次第でその結果が大きく変化するのが生成系AIの特徴である。したがって、より良いプロンプトを作成するのが重要になってくる。

上手なプロンプトの作成方法を、きたがわ ChatGPT活用術さん (@bukuta_3) のポストを元にもう少し深掘りしてみようと思う。

1. プロンプトの内容と目的を明確にして書く
2. プロンプトは具体的に書く (細かく・詳しく)
3. 明確な言葉を使う *曖昧な単語はなるべく使用しない
4. コンテキストを追加する (文章の前後関係を書く)
5. プロンプトの長さを考慮する (長すぎず・短すぎず)
6. 何度もテストして試行錯誤する (結果が予想と異なる場合は、プロンプトを調整する)

良いプロンプトの例文

「海が青い理由について詳しく教えてください」
「新製品を宣伝する30秒のコマーシャルのスクリプトを生成してください」
「MongoDBを使用した基本的なCRUD操作を実装するJavaScriptプログラムを生成してください」

→ 伝えたい内容がハッキリしてる

悪いプロンプトの例文

「もっと教えて」(何を？・・・)
「あれを実行して」(あれって何だろう？・・・)
「さっき回答した中から選んで」(どれのこと？・・・)
「スクリプトを生成して製品を宣伝してください。」

→ 何を伝えたいのか、対象が何か、が不明確

まとめ

1. 人に聞く時と同じようにChatGPTを使う
2. 文章の中身は具体的に細かく指定するほど良い
3. 文章が適切な長さか確認してみる
4. 文書の前後関係を明確にして書く
5. 間違った回答が出た時は、プロンプトを見直して修正する (説明が十分だったか確認)

画像をプロンプトとして利用も可能

ちなみにプロンプトは必ずしも文字である必要はない。画像をプロンプトとして入力して文字を生成したり、複数の画像を入力してそれに合わせた画像を生成してもらうことも可能だ。

例：この写真に写っている食材で作れる料理のレシピを作って

AIに冷蔵庫にある食材を認識してもらい、レシピを出力した例

例: この2つの画像を合わせたデザインを生成して

スケッチと写真を読み込ませてAIにデザインしてもらった例

ChatGPTアウトプットの質をアップさせる3つの構文

プロンプトを入力する際のコツをもう少しだけ補足すると:

①「あなたはプロの〇〇です」（職業定義）
②「〇〇という条件下において」（条件定義）
③「初心者にもわかりやすいように手順を作成して教えてください（or 提案してください）」

の3セットを加えるだけで今よりもっと詳しく教えてくれる。

ChatGPT指示命令に役立つ指示例

もう一つChatGPTにプロンプトを入力する際のコツを紹介する。 ChatGPT研究所さん (@chatgptair) が紹介している下記のような補足を加えるだけでもアウトプットの質が高まる。

「質問+条件指定」

• 箇条書きで3つ書いて
• 箇条書きで○個書いて
• ブログ形式で書いて
• ○文字以内で書いて
• ○文字以上で書いて
• ステップ形式で書いて
• 短く書いて
• 詳しく書いて
• エモく書いて
• 文章を簡潔にまとめて
• 丁寧な文章で書いて
• 段落で改行を入れて
• 140文字以内で書いて
• 重要ワードを入れて
• 3つの回答を書いて

「質問+追加情報」

• 他にも教えて
• 何パターンか教えて
• 抽象的に教えて
• なぜそうなるの？
• 例えを教えて
• イメージしやすいように
• 具体例を教えて
• 他の方法を教えて
• 3つの方法を教えて
• さらに良い方法を教えて
• データを教えて
• 事例を教えて
• 根拠を教えて
• ○○の場合を教えて
• 悪い例を教えて

「質問+表現方法」

• 子供でもわかるように
• 小学生でもわかるように
• 中学生でもわかるように
• 一般人でもわかるように
• 初心者でもわかるように
• ○○のように
• 学校の先生のように
• アナウンサーのように
• 占い師のように
• プロの編集者のように
• ○○風に答えて
• ヒカキン風に答えて
• メンタリストDaiGo風に答えて
• ひろゆき風に答えて
• ビジネスでも使えるように

まとめ: プロンプトはAIに生成してもらう際に入力する “呪文”

ということで、生成系AIがどんどん “魔法” のようにさまざまなアウトプットをしてくれるようになってきてるとすれば、プロンプトはまさにその魔法をコントロールする “呪文” の役割と言えるだろう。

プロンプトはAIに生成してもらう際に入力する “呪文”

AIに対しての指示出しであるプロンプトの作成の精度が上がるほど、実は部下やアシスタントへの指示出しも上手になっているという皮肉な状況が多くの会社で発生している。

なので、AIを使う場合でも生身の人間にお願いする際にも、クリアなプロンプトを作成できれば仕事のクオリティーが上がることは間違い無いだろう。

次回は生成系AIの「裏側」のテクノロジーについて

次回は生成系AIの裏にあるテクノロジーに関してできるだけ簡単に、わかりやすくまとめる予定です。お楽しみに！

※今回の記事の内容の元となったウェビナーでの講演のアーカイブ動画はこちらからご視聴ください。

パーソナライズ。ユーザー個々人の嗜好に合わせて、最適と思われる選択肢をサービス側から提示してくれる仕組み。これが「トレンド」という認識は過ぎ去り、もはやスタンダードと言えるほどに様々なサービスに適用され、ユーザー体験を豊かなものにしてくれている。

しかし、実はパーソナライズには思わぬ罠が仕掛けられていて、知らないうちにそれにハマっている可能性もあるのではないか。そんなことに気がついたので、この記事を書いている。

パーソナライズ機能の虜に

唐突だが、私はNetflixユーザーで、よく映画やドラマを観ている。会員になったばかりの頃は、自分が興味がありそうな作品がどんどんおすすめされてくる仕組みにワクワクした。マッチ度98%の作品なんて観ないという選択肢はないとさえ思ったし、実際に観てみると「やはり」と思わされた。

逆に、あえて60%程度のあまりマッチ度が高くない作品を観てみると、なるほどハマらない。Netflixは私よりも私のことをわかっているのではないかと思うほどにレコメンドの精度が高くて驚いた。

Netflix上のレコメンド機能, ユーザーと作品のマッチ度がパーセンテージで表示される。

パーソナライズの死角

しかし、次第にどことなく味気なさを感じるようになった。もちろん、Netflixや作品に非があるのではない。Netflixの作品の80%以上がレコメンド機能を通じて観られているというデータも存在するほどで、非常に精巧に設計されていることは言うまでもない。ただ、マッチ度にしたがって映画を観ることに対してもどかしさを抱き始めたのだ。

良くも悪くも、すべてが想定内なのだ。マッチ度が高い作品=面白い。感動した。マッチ度が低い作品=あまり響かない。刺さらない。といったように、どんな時もマッチ度に比例した等式が成り立ってしまう。

だから、「たまたま観てみた作品が面白かった」という経験をすることが難しくなってしまったのだ。これはもう少し概念的な言葉で表すと、デジタルデバイス上で映画を観るという行動における、偶発性がもたらす幸福、つまり、セレンディピティを得られるチャンスがグッと減ってしまったということだ。

もちろん自分の意識の問題もあるのだろうが、いつの間にか自分の嗜好の中でしかサービスの選択ができなくなっている可能性に気づき始めた。

デジタル・セレンディピティの時代

昨今のテクノロジートレンドを語る上で、デジタル・セレンディピティという言葉が使われ始めている。この言葉は、文字通り、デジタルの世界における偶発性、セレンディピティのことを指す。

デジタル・セレンディピティを望む声は、大きくなってきているようだ。なぜなら、セレンディピティはオフラインの場で起こりやすいものだから。

例えば、ふらっと立ち寄ったお店で戦利品に出会えたり、旅先のホテルがアップグレードされていたり。こういったことはまさにセレンディピティに当たるが、経験のある方もいらっしゃるのではないだろうか。

しかしコロナ禍に突入し、オフラインでの行動が大幅に制限され、代わりにオンラインの世界での行動が増えたことで、こういった機会は減ってしまっているのだ。

先ほどまで挙げていたNetflixをはじめとするパーソナライズ機能を持ったサービスにはAIが必須の存在。そしてこれまで、AIをはじめとするテクノロジーやデジタルにはできなかったこと。それは、偶然や予想外を演出すること。

AIによるパーソナライズやレコメンデーションは、そのユーザーが何を見たか、何を買ったかなどといった事実に基づく。つまり、過去の事実に基づいた結果であるため、ある程度はユーザーの趣味趣向に合致した「堅実な」ポイントに行き着くが、逆に言うと、それ以上の偶然な出会いにはなりにくいものだった。

AI時代のUXデザイン、GPT-3から考えるこれから必要なマインドセット

デジタル・セレンディピティの演出 – 3つの方法

しかし2021年は、そういったテクノロジーやデジタルの世界でも、セレンディピティが生み出されることが見込まれている。

レコメンドやパーソナライズの精度が上がるにつれ、偶然な出会いの機会は反比例的に減っていくことは、AIを中心とするテクノロジーの進歩に伴う代償だと思っていたが、諦めなくて良いようだ。

では具体的にどのようにサービスにおいてデジタル・セレンディピティを生み出していけば良いのだろうか？(なお、ここで言うサービスはでデジタルであることを前提とする。）

まずは、ユーザー自身で、自分の守備範囲から出ることを意識してみることだ。この意識を持つだけでも変わるだろう。自分を客観視したり、他人の視点を入れてみたりすることも、デジタル・セレンディピティに近い恩恵を受ける一助となるだろう。

ただ、可能ならサービス側からサポートがあるとより嬉しい。そこでサービスを考える上で、デジタル・セレンディピティの機会創出を促す、サービスデザイン的な仕掛けを考えてみたい。

1. バリエーションを増やす

これは、実際にプロダクトを販売するサービスだと想像しやすい。プロダクトのバリエーションを増やすことは、シンプルにユーザーにとっての選択肢を増やすことになる。選択肢が増えると、そのユーザーにとって新たな出会いとなる確率も比例して高まる。

ユーザーに「そういえばこれが欲しかった」、「こんなものがあったら良いと思っていた」などといった気付きを与えられるかもしれない。

また、マーケティング戦略において、「ついで買い」や「合わせ買い」を視野に入れた商品展開をも一つの方法になりうる。英語では「クロスセル」と呼ばれ、国内外問わず世界中で採用されている手法だ。

例は数多くあるが、Appleもこの方法を取っている。MacBookを購入するする際に、アクセサリーをついでに勧めている。MacBookの価格を考えるとこういったアクセサリー類の価格は安く感じてしまうし、いつか必要になりそうだと思ってつい一緒にカートに入れてしまうことを誘発する。

Appleのクロスセルを促す仕組み。MacBookの購入者に対して周辺アクセサリーを勧めている。

2. ユーザーとの接点を増やす

サービス側がユーザーとの接点を増やすことも有効だろう。彼らがサービスを使う機会を増やしたり、WEBサイトを訪れてもらう回数を増やしたりすることで、サービスの利用を通じたセレンディピティに出会う可能性を高めるという考え方だ。言わば「場数を増やす」作戦だ。

ここでは、オムニチャネルでユーザーとの接点を総合的に捉え、全ての接点における体験の質を上げるCXデザインの発想が求められてくる。

各チャネルとコンテンツの適性を考慮するだけでなく、ユーザーがどのような流れでサービスを体験し、どこで彼らにとって新鮮なコンテンツを提供できそうか、そんな視点を持つことが重要だろう。

UXデザインとCXデザインの違いとそれぞれの役割

3. 新たな切り口を提案する

最後は、新たな切り口の提案をすることでユーザーを喚起する方法だ。例えば1人のユーザーに対し、その人自身の過去の行動ではなく、時には他のユーザーの行動をもとに、新たな提案をしてみることも良いだろう。

通販サイト等でよく見かける「他のユーザーはこんな商品も見ています」といった商品の案内は、まさにこれを実践しているものだ。

ここで重要だと思うのが、ユーザーの嗜好から全く外れているものは強く勧めないということだ。いくらセレンディピティを狙ったとはいえ、それまで完全に蚊帳の外だったものに突然惹かれる確率は高くはないだろう。

ユーザーの視野に入っていないコンテンツは、存在を認識されていないのと同然。それを見せることは、ユーザーの目には新鮮に映り、結果的にセレンディピティを生みやすくなると思う。

こうしてポイントを挙げてみると、非常にシンプルだったり、すでに実践されていたりするものも多い。ただ、「セレンディピティを生む」という視点で見てみると、新たな気付きがあるのではないだろうか。

終わりに

“意図的に”“意図しない”出会いをデザインすること、これがこれからのユーザー体験の向上のために重要なポイントになると考えている。

そのために、コミュニケーションの延長線上にあるようなごく自然な方法ながら、ユーザーの視野を広げたり、視線を変える後押しとなるサービスデザインや、マーケティング戦略づくりが求められていくと思う。

ユーザーが本当に求めているサービスデザインとは？そんな疑問や課題をお持ちの方はぜひお気軽にお問い合わせいただきたい。デザイン思考をインストールするためのワークショップやユーザーリサーチを通じた彼らの本質的なニーズの発見など、様々なデザインアプローチでサポートさせていただきたい。

ユーザーの心を掴むヒントは“ハイパー・パーソナライゼーション“にあり

日常生活だけではなく、さまざまな産業においてもジェンダー・バイアスが存在している。

例えば、多くの自動車のエアバッグやシートベルトといった安全装置は、クラッシュテストから得られるデータを元にデザインされているが、そこで利用されるダミー人形の多くが男性の体型を元にしてろ、女性の体格や妊婦は想定されていない事が多い。その結果、女性は同じような事故に遭った男性に比べて、重傷を負う可能性が47％、死亡する可能性が17％高い。

AIにおいてもジェンダー・バイアスの懸念が

データにおけるジェンダーギャップは必ずしも生命を脅かすものではないが、さまざまな業界での人工知能モデルの設計や使用は、女性の生活に大きな不利益をもたらす可能性がある。

ガートナーの調査によると、2022年までに、AIプロジェクトの85%が、データ、アルゴリズム、またはそれらを管理するチームの偏りが原因で、誤った結果をもたらすことになると発表されている。

音声アシスタントのほとんどが女性

ちなみに、よく考えてみるとAlexaやSiriなどの音声アシスタントのその多くが女性である。まあ、女性というか名前が女性的だったり、声のトーンが女性っぽかったり、返答内容が女性を前提としている。

よく考えると、Google Mapの音声ナビも女性の声だ。細かい話になるが、これももしかしたら「アシスタント＝女性」というバイアスからきてるのかもしれない。

女性であることが多い音声アシスタント: Siri, Alexa, Google Assistant, Cortana

参考: AI音声アシスタントってなんで女性なの？【クラーク志織のハロー！フェミニズム】

データが偏ると、結果にバイアスが掛かる

バイアスを生み出す最初の原因がデータの偏りだろう。人工知能に不可欠なデータ収集プロセスにおいて「正しい」質問がされていない場合、ビジネスや経済にも悪影響を及ぼしてしまう。

例えば、何十年も前から循環器疾患は男性の病気と考えられていた。それにより、主に男性から収集したデータを元にしたオンラインアプリが、女性ユーザーに「左腕や腰が痛い」という症状を「うつ病のせいかもしれない」と提案することがあるという。

この場合、同じアプリを利用したとしても、男性ユーザーには、心臓発作の可能性があるという診断に基づいて、すぐに医師に連絡するようにアドバイスするのに対し、女性には数日後に医師の診察を受けるように表示するかもしれない。これは元となるデータの性別に偏りがあることが原因になるが、女性も心臓発作の被害に遭う可能性があることは明らかである。

AIによる顔認証の元データにも偏りがある

このような問題は性別だけにとどまらない。人種的なデータの偏りも見られる。例えば、さまざな顔認識アルゴリズムの入力画像データのうち、白人の画像が80％、男性の顔が75％の割合を占めている。その結果、男性の顔認識精度は99%と高精度であるのに対し、黒人女性を認識する能力は65％にとどまっており、その精度に差が出ている。

言語データに潜む潜在的なジェンダー・バイアス

ここで、AIが利用する”言語”に関してのジェンダー・バイアスを見てみよう。

近年の自然言語処理（NLP）の進歩により、機械はますます高度な単語表現を生成できるようになった。最近発表されたGPT-3、M2M 100、MT-5のように、複雑な論文を書いたり、テキストを複数の言語に翻訳したりすることができ、以前の反復よりも優れた精度を持つ強力な言語モデルが毎年、研究グループから発表されている。

しかし、機械学習アルゴリズムは摂取した訓練データに基づいて機能するため、どうしても必然的に、言語データ自体に存在する人間のバイアスを拾ってしまう。

明らかになったGPT-3におけるバイアス

去年の夏、GPT-3の研究者は、性別、人種、宗教に関連したモデルの結果の中に、固有のバイアスを発見した。その中でも、ジェンダー・バイアスに関連して、性別と職業の関係や、ジェンダー化された記述語が含まれていた。

例えば、アルゴリズムは388の職業のうち83%が男性の仕事である可能性が高いと予測した。また、「美しい」や「ゴージャス」などの外見に関連する記述語は、女性に関連する可能性が高くなっている。

AI時代のUXデザイン、GPT-3から考えるこれから必要なマインドセット

AIが学んだ人間界の職業に対するジェンダー・バイアス

王様や女王様のような、一部の表現や用語が本質的にジェンダー化されている一方で、多くの職業に関連する用語は、本質的にジェンダー化されるべきではない。

しかし、上に引用したGPT-3の研究例では、機械は、銀行員や名誉教授などのより高いレベルの教育を示す職業は男性に傾いており、助産師、看護師、受付嬢、家政婦などの職業は女性に傾いていると推測している。

また、「有能」と認められた職業は、男性の傾向が強かった。このような結果は、GPT-3だけではなく、異なる機械学習モデルやアルゴリズムの中で何度も何度も起こっていることがわかった。

AIが男性寄りと認識した職業

• 銀行員
• 名誉教授
• 医者
• パイロット

AIが女性寄りと認識した職業

• 助産師
• 看護師
• 受付嬢
• 家政婦

AIがジェンダー・バイアスを持つ危険性

では、AIにおけるジェンダー・バイアスは、実際にどのような弊害を生み出すのであろうか？ おそらくそれは、AIを活用するシステムやアプリが、知らず知らずのうちにユーザーに対して不公平な判断をすることになる地雷だろう。

例えば、今後AIによって、多くのサービスの自動化が進むことで、雇用慣行からローン申請、刑事司法制度に至るまで、AIを活用したあらゆるサービスが偏ったアルゴリズムの影響を受ける可能性がある。そして、その結果がユーザーの性別によって大きく変わると予想される。それも、目に見えにくい場所で。

人間からAIに引き継がれる言語バイアス

上記のように、ジェンダーをはじめとする多くのバイアスが我々の使う言語に横行し、そして長い年月をかけて蓄積されている。

では、どのようにすればそれを自然言語処理を利用する機械や人工知能に永続させないようにできるのだろうか？ それが今大きな課題となってきている。

AIにおける公平性はデータそのものの公平性に左右される

AIが人間からジェンダー・バイアスを引き継ぐのは、明らかに理想的な結果ではない。しかし、機械学習システムは、処理するデータよりも優れたものになることは難しい。

私たちの社会に予め存在するバイアスは、私たちの話し方や書き方に無意識のうちに影響を与えている。その影響下で書かれた文章や、話されている言葉は最終的に機械学習システムを訓練するために使用される。

そのため、そのバイアスのかかったデータを使ってモデルを訓練すると、それがモデルに組み込まれ、既存のバイアスが保存されてしまう結果となる。

Web上のデータ自体がバイアスだらけ？

一般的には、機械が人間の言葉を学習する際には、データが多ければ多いほど性能の良いモデルが得られるとされる。そして多くの場合、より多くのデータを取得するための最善の方法は、大規模なウェブクロールを通じて膨大なデータを獲得することである。

もちろん、インターネットやその他のコンテンツは、実際の人間の言語で構成されているため、データは当然人間と同じバイアスを持つことになる。残念ながら、これらのウェブクロールされたデータセットの中のコンテンツには十分な注意が払われていない。

機械学習におけるジェンダー・バイアスを減らす方法は？

自然言語処理を活用した機械学習システムにおけるジェンダー・バイアスを減らし、より正確で公正ものにするための第一歩は、そのプロセスにおいて人間が積極的に関わっていくことだろう。

AIがデータからバイアスを学習することがわかっているのであれば、データのバイアスを取り除くことが最善のアプローチになる。そのような手法の一つが「ジェンダー・スワッピング」である。

ここでは、学習データを拡張して、ジェンダーのある文ごとに代名詞やジェンダーのある単語を反対のジェンダーのものに置き換え、名前を実体のプレースホルダで置き換えることで、追加の文が作成される。

例えば、”花子は彼女の弟の太郎をハグした “には、”NAME-1は彼の妹のNAME-2をハグした “も生成する。

この方法では、学習データはジェンダーバランスのとれたものになる。また、名前に関連付けられたジェンダー特性を学習しない。例えば、このアプローチは、男性と女性のコンテクストを同じ回数見たことになるので、”ハグする”という行動に対してのジェンダー・バイアスが生まれなくなる。

言語によって難易度が格段に異なってくる

上記のアプローチは英語や日本語では簡単だが、他の言語でははるかに困難であることに注意する必要がある。

例えば、フランス語、ポルトガル語、スペイン語などのロマンス諸語では、文法的に中立的な性別は存在しない。これらの言語では、形容詞や他の修飾語も同様に性別を表現する。その結果、異なるアプローチが必要になってくる。

具体的には、主語の性別を格納するメタデータを文に追加する方法。例えば、”You are very nice “という文は英語では性別が曖昧だが、並行するポルトガル語の文が “Tu és muito simpática “であれば、英語の文の最初にタグを追加して、モデルが正しい翻訳を学習できるようにする。

ジェンダー・バイアスを取り除くには手間と時間がかかる

これらの方法は自然言語処理モデルのジェンダー・バイアスを減らすことができるかもしれないが、実装には時間がかかることが容易に想像できる。

また、それぞれの国の言語によって特性が変化し、マイナー言語も含めるとかなりのケースに対応しなければならなくなるため、かなりの手間になる。

世界各地で進む自然言語処理におけるジェンダーニュートラルの動き

例えば、2018年にGoogleは、Google翻訳が4つの言語の単一単語の翻訳を女性形と男性形の両方で英語に返すことを発表した。

また、ブルームバーグの研究者たちは最近、言語ベースのモデルを人間が補足記入するための最善の方法について共同研究を行っている。

ブルッキングス研究所のような多くの研究機関は、偏ったアルゴリズムに起因する消費者被害を軽減する方法に注目しており、最近では音声やチャットボットを活用している。

テクノロジー業界の女性率も重要なファクター

女性の技術者を増やしたり、テクノロジー企業における助成率を高め、思想の多様性を高めることとで、AIにおけるジェンダー・バイアスの増幅をおさえる方法の一つになりえる。

世界経済フォーラムによると、世界のAI専門家のうち女性はわずか22％であるのに対し、男性は78％である。

また、ブルームバーグによると、大手テクノロジー企業8社では、技術職のうち女性が占める割合は20％にとどまっているという。技術系企業は、男性よりも女性の採用数が少ないだけでなく、女性の離職率も早い。

ボストン・コンサルティング・グループによると、世界的に見て、科学、技術、工学、数学（STEM）分野で働く人のうち女性は25％にすぎませんが、これらの分野のリーダーのうち女性は9％しか占めていない。

現在見られる、この偏りは今後のAIにおけるジェンダー・バイアスを生み出す一つの要因になるかもしれない。

シリコンバレーでは教育が始まっている“STEAM人材“とは？

AIにおけるジェンダー・バイアスを減らす5つのステップ

Step 1: AIの開発に関わる女性を増やす

上記の通り、テクノロジー関連、特にAIの領域における女性の割合がかなり低い。ジェンダー・バイアスを減らすための第一歩としては、女性と女性の経験をAIと自動化システムの設計、開発、応用に関連するすべての段階で適切に統合されるのが良いだろう。

テクノロジー企業におけるあらゆるの役職でより多くの女性を積極的に雇用することに加えて、AIを開発と活用する企業は、初期の時点からジェンダーの専門家からのアドバイスと、女性の意見やデータを積極的に活用するのも良いと考えられる。

Step 2: データの男女バランスを整える

次に、アルゴリズム、AI、自動化に情報を提供するデータは男女別に集計する。そうしなければ、女性が経験はこれらの技術ツールに情報を提供することができず、女性に対する既存のジェンダー・バイアスを内在化し続ける可能性がある。その際には、女性に関するデータであっても、内在するジェンダー・バイアスには気をつける必要はあるだろう。

Step 3: AIを利用した仕組みを多様な人々によって検証する

言語処理の項目でも紹介した通り、ジェンダーニュートラルな仕組みを作るのにはどうしても手間が掛かる。AIと同義語のように利用されている「自動化」というフレーズから、全て機械が自動的に処理してくれるように感じるが、バイアスを取り除くには、複数の異なるバックグラウンドを持った人々による検証と、微調整が必要になってくる。

Step 4: AIを活用してジェンダー問題に取り組む

そして、AIのジェンダー・バイアスを取り除く最も有効な方法の一つとして、実際にそのシステムを活用して、社会的な問題に取り組む。特に性差別が原因となるような問題の解決のために利用してみる。例えば、男女の賃金格差、仕事内容の違い、評価の違い、ネット上のいじめ、セクハラ、リーダー職における過小評価など、女性が実際に直面している課題に対処するために活用する。

AIと自動化の力を活用して性別における格差をどれだけ埋める事が可能かにチャレンジしてみるプロジェクトを進めることで、そのプロセスを通じてAIが潜在的なジェンダー課題を学ぶことにもつながるだろう。

Step 5: よりダイバーシティーに対応した仕組みを作る

最後のステップとして、意外と盲点になりがちなエリアにも挑戦してみる。そう、性別は男性と女性だけではない。LGBTに代表される、ノンバイナリーな多様な価値観やライフスタイルへの理解も重要だ。これは、生身の人間だけではなく、AIを利用したシステムも今後学んでいく必要が出てくるだろう。男女が平等になった瞬間から、次はより多様な理解をテクノロジーにし始めてもらう必要が出てくるだろう。

まとめ：テクノロジーにおいても多様性を

このような進歩にもかかわらず、AIやテクノロジー全体の多様性の欠如からくるより体系的な問題がある。まだまだエンジニアの大部分が男性だし、女性の経営者も少ない。データも偏りがちだし、何より作り出されたシステムがジェンダー問題解決の利用にはたどり着いていない。

テクノロジーにおける男女の格差が少なくなれば、バイアス問題に対する意識も高まるだろう。そうすれば、AIを取り巻く仕組みを包括的に受け入れることができるようになるはず。そして、テクノロジーは社会的課題の解決に利用されるべきことを考えれば、AIによって多様性が達成できる世の中の実現が我々技術者たちのゴールにもなってくると思う。