新しい挑戦とささやかな体験(プログラミング独学独習者が短期間で音声AIチャットボットモデルを作れた理由)

私も昨今のAIの進化に驚いている者の一人です。

 

ですが、ただ驚くだけでは、そこに何らの発展性もないでしょう。 

 

そこでAIの学習のしくみを知ることで、それを人間の能力成長に結びつけられないかと思い、
一念発起( ※ただし、後述するようにモチベ-ションは非常に低い状態 )し
新しい挑戦と言いますかPythonのプログラミングを独学で学び始めました。

 

 

機械学習分野は、時代の流れから、生涯学習という位置づけで
「 プラスアルファでやっといたほうがよいよね!」
と思ったというのもあります。

 

ただ、このペ-ジは、多くのサイト読者にとって殆んど参考にならないという方が大多数かもしれません。(;_^A

 

なぜならトピックの一つにしたkaggleですら難しくて敷居が高いと感じる方が多いせいか?
日本人で参加(エントリ-)しているのは、
この記事を執筆時点で残念ながら10万人行くか行かないか位の人数しかいないとされていますから。

 

ある意味、日本人の全人口の0.1%未満の方にしか現時点では共感してもらえない可能性があるペ-ジを、
またもや?1つ作ってしまったことになります。(;^_^A

 

とは言え、機械学習分野やpythonのコ-ディング等は、
将来(未来)を見据えて取り組んだほうがよいと私は思ってるんですけど。

 

 

取組んだのは、< ぶっちゃけると >もう一つ別の理由もありまして

 

不特定多数が閲覧できる形で、サイトを公開してますと、当然いろんな方がいますから

 

なかには
「 心身統一法を熱心に実践しても、、あるいは能力開発などで速読スキル等を身につけても、
そんなのは全く役に立たない 」という否定的なメ−ルが、たま---に来ることがあるわけです。

 

なので、

 

「 はぁ?!何言ってんの。自分の能力が事実として高まるのを実感できる嬉しさ、、
心身統一法をベ-スに工夫しながら継続実践することで
基本ステ-タスが上がる満足と感謝でやってるとこが一部あるのは認めるけど(;^_^A 
 そんなことないかもしれないよ!」というのを、

 

誰の眼にも見える形で証明する(示す)のに、手っ取り早いと当時思ったので取り組んだとこもあります。

 

どちらかと言うと、こっちのほうが、動機としては強かったのかもしれません。
贔屓目に見て、高尚な動機じゃないですね。(;^_^A

 

Pythonのコ-ディングや機械学習分野の敷居を、なんとか下げてあげたいという、ちょっとは高級な欲も後に出てきたと思います。

 

しかし本音をぶっちゃけると「こんにゃろ!何言ってんの」。(# ゚Д゚)という怒りにも似た、やさぐれた反骨の気持ちのほうが動機として
強かったかもしれない。

 

大概のことは、適当に流すけど、心身統一道(法)の悪口は、流石に黙ってられない。

 

こういうのも、私自身、以前と相当に変わったとこでしょう。
恐らく以前だったら、こういう悪口に実際に曝されたら、しょ気て、「やっぱダメなのかな」と思ってたかもしれません。

 

 

 

あとは、そういう一定の距離を置きたい方とは別枠で感謝のメ-ルや熱心に実践に関する質問をいただくサイト読者(実践者)の方は、
総じて能力が高く優秀な方が多いというのもあるし、

 

進化向上の大きな流れに自身を順応させつつ、

 

自身のレベルアップの必要性も強く感じたというのもあります。

 

ただし、一番大きな強い動機は、妙な悪口メ-ルに対する、やさぐれた反骨精神のほうが動機として大きかったと思います。

 

とは言え

 

Chatgptなどの生成系AIが革命的すぎて、どんどん進化しているので、
これから機械学習のプログラミング等に取り組む方は、私が取り組んでいた頃より、さらに敷居が下がってるでしょう。

 

こういうのに取組んだ動機の一つである、発展向上に向けて習慣統御し心身統一法の継続実践をすると、

 

体力、胆力、判断力、断行力、精神精力(克己の粘り強さ)、能力の底上げがされると天風哲人は述べていますが、

 

単純に、6つの力の一派生に過ぎない能力にフォ-カスしても、相当に基本ステ-タスが上がる可能性があるよ!

 

そうなると、色んなことに可能性が拡がるというのを示してあげたくて

 

 

わざわざ、これまでの人生において、まったくやったこともないことに、(面倒そうだけど)ちょっとは面白そうだからというので、
性懲りもなく阿保みたいに取組んだわけですけど、

 

前提として、そもそも、全くの初心者が独学、独習で、割に短期間での、こういった機械学習のスキルを習得するのが、
ほんのちょびっと、かする程度くらいには難しいかどうか、正直なところ、こういうとこの実態が、どうなってるのか、
本当に、私の身近にプログラマ-とかいないので、ちょびっとは難しいのか相場?が、よくわからないというのはあります。

 

実際、生成AIが、信じられないくらいに、どんどん進化しているので、
機械学習の知識習得やpythonコ-ディングのスキル習得難易度が驚くほど下がっています。(;^_^A

 

2023年4月に、この記事を執筆した当時では、多分、こういうのを短期間で習得するのは、
多分、ほんのちょびっとは難しいんじゃなかろうか?と
曖昧な表現しかできず心身統一法凄いよ!可能性拡がるよ!の証明になるかどうか、
もはや自信が、殆どなくなってるのが誠に残念ですけど。

 

いずれにしろ学生だけでなく社会人(とりわけ経営者、経営幹部の方など)で
生産性向上のために、潜在的なデ-タ発見、活用などへの必要性から
プラスアルファでpythonのプログラミングに取組んで機械学習のシステムを学び
現在の実務に活かそうとしている方も増えていると聞きます。

 

それに、こういうのに関心ない方も、これまでの自己啓発書なんかの常識と違うことを書いていますから
機械学習関係なく、潜在意識の薫習ということについて、別の意味で新しい視点と言いますか、参考になるかもしれません。

 

実際、私は、こういうのに取り組む際に、実在意識におけるモチベ-ションが高かったかというと、高くありません。

 

底辺くらいに低かったです。

 

決意と言いますか、「心身統一法凄いよってのを
証明してあげれたらいいよね。習慣統御のコツまで苦労して解明してサイトにアップしてるのに
実践も丁寧にしないで、外野で、ぶつぶつネガティブなこと言ってる非生産的な方を黙らせるためにも、、」。とは漠然と思ってましたけど、、、

 

そんな不退転の強い決意なんてのもありません。

 

やる気もさほどないどころか、「ほんと面倒だな。
出来れば、やりたくはないけどな」というとこから出発しています。(;^_^A

 

だから、一般的な成功指南書とは違うこと書いてますね。(;^_^A
成功指南書では、やる気と決意が大事とか書いてますから。

 

ちなみにファ-ストステップ(最初の2〜3週間)で、
当時、参考にしたのは以下の書籍です。
Pythonのリファレンスガイド

 

これらのテキストで学ぶ際に、これまで培ってきた一連の能力開発法や
信念強化暗示技法、クンバハカ、視覚心身統一法などをフル活用させ合間を見つけて学びました。

 

ちなみに、上記2冊は、入門書として学んで、その後3〜4ヶ月かけて十冊近くの専門書や専門サイト(主に英語圏)の必要な箇所を拾って学びました。

 

 

実在意識におけるモチベ-ションは、何度も書きますが、初期状態では、底辺レベルで低かったです。

 

ただし

 

機械学習分野の知識やプログラミングのスキルを少しずつ身に着けていくプロセスで、
心身統一法を継続して生活のベ-スにしていたことで、
表面意識におけるモチベ-ションは、非常に低く
実在意識で自覚できるとこでは、さほど決意みたいのはしてないし、やる気もさほどなかったにもかかわらず

 

 

以前より表面の奥の力が薫習され強くなり

 

以前よりゾ−ンに入りやすくなっていたことも大きかったのかもしれません。

 

心身統一法の実践継続を生活のベ-スにすることで、

 

以前に比べて諦めが悪くなって
かつ失敗より望むことに粘り強く焦点を合わせる力が高まったということかもしれません。

 

あとは、社会人になったら、どんな学習法を実行したってよいわけで

 

基礎から積み上げるような従来のやり方ではなく

 

俯瞰しながら自身にとって、面倒そうだが、ちょっとは面白そうなこと、興味を感じることからトップダウン式に取り組んで
必要なことだけにフォ−カスし手を動かしながら学ぶ、

 

重ねて書きますが、とっかかりのモチベ-ションは、めちゃくちゃ低いです。決意なんてしてないです。

 

そういう中で、

 

「 仮にも最高峰の天風哲人の心身統一法を知って
能力開発やって教えてる人間が、この程度のことが出来ないでどうするの、、いや一般的に考えて出来ないとまずいでしょ、
いくら全くの初心者というとこから取組んでいたとしても、、」。

 

みたいなノリで、自身の脳を励まし、なだめすかし騙し騙しやってたわけですが(;^_^A

 

ある心理的一点を突破したら、学ぶのが少しずつ楽しくなっていきプログラミングを含めた機械学習のスキル習得がぐんぐん加速していきました。

 

具体的には、先の写真の入門編の黄色の本や右のデ-タサイエンティスト育成講座の本を、パラパラめくって、ざっと読んで、
黄色の入門編は、性懲りもなく一番最終の章から、右の本も、ほんと、とても面倒くさそうな中で
自身にとって、ややこしそうだが、少しは興味を感じて面白そうだと思った後半も後半の章の決定木やランダムフォレスト、
勾配ブースティング等の章から始めたということ。( 結果オ-ライとはいえ、ある意味無謀で馬鹿みたいなやり方です )

 

 

そうして、モチベ-ションも相当に低い中で、これらの章に、「しゃ-ない」。と思いながら
私のお道具の脳が、今までやったこともないことに取り組んでるもんだから、
危険信号出して、アレルギ−反応をバリバリ出すのを
フ−ンと等閑視しながら、悪戦苦闘し手を動かし取組んでいくと、、

 

何となく構造や流れが理解できるようになり

 

少し理解出来たら、

 

思いっきり、すっ飛ばした基礎を、後で繋げて基礎のコ-ドや技術が、
どういうふうに後半の機械学習の、より実践に近い章に繋がっているか、
それを俯瞰しながら埋めていく、、、というようなやり方です。

 

尤も、こんな非常識な学習法をやってたら高校時代とかだったら
先生に「お前はあほか!基礎を大事になさい!!」。
と顔を真っ赤にして怒られてるでしょうが、

 

縛られる必要もない。社会人なのだから、別にどんな学習法を採用したっていいでしょう。結果オ-ライです。

 

 

 

 

ただし、心身統一法や柔軟な学習法だけで、スキル獲得の加速が出来たのではないでしょう。

 

とりわけ独学での機械学習(およびプログラミング)の学習速度を十倍以上に加速させたのは、、、、、

 

 

冷静に考えて、(心身統一法をベ-スにした自己訓練以外では)どう考えても
以下のchat GPTの力が大きいと自己分析しています。

 

OpenAI ChatGPT

 

機械学習のプログラミングスキルの習得に取組み始めて、悪戦苦闘していた1カ月過ぎた頃に、GPTの存在を知ったのですが

 

そのデバッグに大いに助けられ、先のテキストの章末の練習問題や総合課題では、簡単すぎて物足りなく感じるようになりました。

 

それで、更なるスキル向上のためにと参加したタイタニックの生存予測モデルの精度を競うkaggleのコンペにも挑戦しようと思い
煩雑な前処理の見直しやチューニング設定の見直しもGPTとの協業で行うことで、割に容易にできるようになりました。

 

ChatGPTの力を借りて手を動かしながら楽しく学んでいけばノンプログラマ−でpyhon入門者レベルでも、相当に機械学習のコ-ディングなどの実践的な学習が進み自身もレベルアップしていきます。

 

私みたいに、「 面倒くさそう、、」というようなモチベ-ションが低いとこから出発するのではなく

 

意欲が元々あって、こういうpython等を習っている下地がある方なら
冒頭に紹介したデ-タサイエンティスト育成講座の総合問題なども、
独学独習であっても、ChatGPTとのchatを重ねながら取り組めば

 

理解も急速に進んで難しいと思っていたコ-ディングの問題も解き終えてしまう方もいるかもしれません。

 

 

chat GPTを巧く使えば、私のように先のテキストを解いて練習するだけでは物足りなくなる方もいて、より実践に近くて、
より高度なkaggleのコンペにも取り組んだり
あるいは、より高度なLLMの専門書も学んで徐々にスキルを上げていくことで

 

この記事に書いてるくらいの機械学習分野のコ-ディングのスキルレベルなら独学で3か月かからず習得でき、
ここに書いている以上のことが出来るようになってしまう方も割に出てくるのではないかと考えます。

 

プログラミングなどを高校や大学などの学校教育で学び始めている若い方なら教えてもらえるのですから
独学独習より、修得難易度は低くChat GPTをツ-ルとして巧く使えば修得は、さらに早くなるでしょう。

 

 

では、なぜ、そこまで言えるかというと、この記事を書いている私が良い例です。

 

私は、これまでの人生で一度もプログラミングなど学んだことも触れたこともなく、そういうのとは無縁だった人間です。

 

しかも独学・独習で取り組んでいます。
尤も検定統計やクロス集計などのデ-タ分析の基本的な考え方はビジネススキルとして、既に身に付けてはいましたけどpythonのプログラミングや機械学習は人生初めての取り組みです。

 

その際にChatGPTを知らないで取り組んでいた時期も1か月位あります。

 

その時の学習の理解度やスキルの向上とGPTを知って活用して以降では機械学習の知識やコ−ディングのスキル習得が加速しましたから。

 

どんなふうにやったかと申しますと、、人それぞれとは思いますが、、あくまで私の場合は
上記で写真で紹介したデ-タサイエンティスト育成講座の本を3週間程度で、総合問題の課題を含めて
トップダウン式のパラシュ-ト法で、いつものやり方でサンドイッチ式に目標を挟み込んで取組みました。

 

ただし必要な箇所だけ学び終えた後に物足りないのでkaggleのコンペに挑戦しようと決めて同じやり方で取り組んだところ
タイタニックの生存者予測精度を競うスコアがどんどん向上していきました。

 

ChatGPTに質問を繰り返し乍ら取り組んでいったのですが
気が付いた時にはスコア・ランクが急激に上がりkaggleコンペで上位5%に入ることができていました。

 

精度向上をするためのデ−タの前処理や他のモデルとのアンサンブル学習などに取り組み始めて1週間かかっていなかったと思います。

 

これが出来たのは、心を方向付けし粘り強く為す実力とも言うべき意志力や信念が渙発されて、軽い決断を連続することで学習が加速できたのと
ChatGPTのコ−ド提案力とデバッグ力があったからです。

 

 

 

とりわけChatGPTの貢献というのが意外に大きいでしょう。

 

この記事に書いているレベルなら、何とかなってしまうというのがchatGPTの凄みではないかと思います。

 

一例を挙げるなら「タイタニックの生存予測のKAGGLEコンペ」
これに出した際の試行錯誤のコードが、例えば以下のようなものです。

 

タイタニックの生存予測モデルのコード

 

これもChatGPTの提案をこちらで組み替えたりデバッグを繰り返して構築したものです。
(GPT3.5や有料のGPT4とchatを重ね質問を繰り返すうちに自然にpythonのコ-ディングや機械学習の専門用語に慣れていき難しいコ-ドを理解し読めるようになっていきました。
尤も、、、高精度の予測モデルを作るには、いろんなモデルの試行錯誤とデータの前処理が必要で、これが案外煩雑なのは違いありませんけど)

 

ささやかとはいえ、過去の自分自身と競争しながら理想とのギャップを埋めるために楽しく学習ができたのは、心身統一法などの継続の御蔭で、意志力と生命生存力が高まったせいか、
潜在意識の状態がよくなくて、すぐに諦めてたのから、あと一歩の粘りが出やすくなったのと
CHATGPTと組み合わせて機械学習を楽しく学び学習を確実に進歩につなげることができたことが大きいと考えています。
モチベ-ションは思いっきり低かったですから。実際。
例えば以下のようなコ−ディングが(気が付いたら)可能になっていました。

 

なお、これだってGPTが提案し生成したコ−ドを、目的意識を明確にし、
こちらで調整しデバッグを繰り返して組み替えたりしただけですから、
これが私だけのコ−ディングの力かというと、決して、そうではないと断言できます。
CNNモデルの訓練と評価のコード

 

上記のコードを、簡単に解説すると、これは病気のcassavaの葉の画像分類(kaggleのコンペで出されたもの)を行う際に深層学習モデルを構築した時のものでcolabの畳み込みとプールの可視化のペ−ジを参考にしています。

 

cassavaの葉の画像分類のKaggleのコンペは、すでに2年前に終了しているようですが、
機械学習分野のコンピュータビジョン関連について、基本のスキルを高める為に取り組んだ時のものです。

 

以下は、cassavaの葉(や茎)の画像です。こういうのが21367枚あります。農家の方らのクラウドソ−シングによる調査で集められたもので
ラベル付き画像データになります。
cassavaの葉のラベリング

 

コンペの課題は、キャッサバ(cassava)の葉や茎の画像を4つの病気のカテゴリおよび健康な葉を加えた合計5つのカテゴリに、出来るだけ高精度に分類することです。キャッサバはアフリカの主要な炭水化物源で、厳しい環境でも育つことができます。そのため、食糧問題の解決の糸口になる重要な作物です。

 

この作物は食べ物としてだけでなく、エネルギー資源としても使われ、タピオカやキャッサバ粉に加工したり、エタノールやバイオディーゼルといった燃料を作ることも可能です。多くのアフリカ人の主食であり、その経済にも大きな影響を与えています。

 

この作物の分類の精度が上がれば農家の方はウィルスなどの病気にかかったcassavaの植物を迅速に特定し早く処置することで大幅な減収、減益などのダメージを受ける前に作物を救うことができるので、縁の下の<陰ながらの>地域貢献にもなると言われています。

 

 

この画像分類は、先に挙げたKAGGLEコンペのTitanicの生存予測モデルを構築するより、難易度が高かったですが
精度向上のために様々な前処理やモデルの模索、構築をしていく際にニュ−ラルネットワ−クモデル(CNN)の各層における処理も精度向上の模索の一環で確認しました。

 

その際に、この目的を達成するコ−ディングについてこのペ−ジを参考にしたのは勿論ですけど
試行錯誤の実験をするためにGPT4(3.5)のデバッグ能力の力を大いに借りて作りました。
(と言いますか、GPT4(3.5)のデバッグ能力がなければ私には到底できなかったでしょう)

 

例えば以下の画像は、cassavaの葉の疫学分類を機械学習モデルが、処理していく際に、その中間層である畳み込み層などの出力を視覚化したもので、出力結果の一部です。

 

先のコ−ドは、訓練用のデータセットから取得した最初の3つの画像を表示するコ−ドが含まれており、それぞれのフィルタが捉えた特徴(エッジ検出)や色の勾配などの機械モデルが特長検出で捉えた学習過程を視覚化することができます。
CNNモデルの訓練と視覚化

 

これは、例えば以下のように設定したCNNモデルが各層で学習している特徴を私たちが理解するために行うもので機械モデルを改善していくときの有力な手がかりになります。
各層が画像のどの部分に焦点を当て、それぞれのフィルタが、どのような特徴を捉えているのか知ることが出来ます。

 

どんどん抽象化されているのが、上記のカラ−マップを見ることで読者にも、わかっていただけると思います。
CNNモデル
ただし、これだって、Lab4-Using-Convolutions.ipynbのペ−ジなどをご存じの方は、当たり前の基本的な事をやっているに過ぎないと思う方もいるかもしれません。

 

機械学習に詳しい方にとっては、これは基本中の基本でしょう。
そのとおり、ど正論だと思います。

 

ですが、基本とは言え、こういったコ-ディングをpythonを独学・独習で学び始めて、2か月経つか経たないか程度の当時の私のような者でも
タスクを細分化し俯瞰しながらGPTに的確に質問し軽く決めることを繰り返すことで理解が進み自身のレベルアップも加速することで応用が可能になり実装が出来てしまうことに着目して貰いたい
という事です。

 

基本とは言えCNNモデルに応用し、実装するのはChatGPTのデバッグの力や提案があって、自身も少しずつレベルアップしていかなければ到底無理だったでしょう。

 

なおcassavaの葉の画像分類については、精度向上に向けてchatGPTの力を借りて私もいろいろ試行錯誤しましたが、結局のところ上記のCNNモデルでは、accuracyは、向上しても肝心なVal_accuracyが向上しませんでした。

 

画像を前処理するためにPyTorchのTransformsライブラリを利用し、画像のリサイズや色調の調整、正規化などを行って
Vision Transformer (ViT)の使用および交差検証(K-Fold)を使用したモデル。

 

これが今回取組んだ中では汎用性の指標であるVal_accuracy(検証精度)が高かったです。
val_accuracy82%くらいでした。
で、結局この精度まで向上できたのもChatGPTのデバッグの力が背後にあるというオチが付きます。

 

 

 

上記以外にも例えば、機械学習、とりわけLLMなどのファインチュ-ニングの分野は、
今後、さらに重要な分野になると思いましたので、

急遽、私的取り組みで音声応答チャットボッドを作製してみました。

 

で、これも結局、タスク分解し細分化し、段階的に取り組んだのとGPT3.5(4)に質問しまくって私自身も理解が進みレベルアップできたことで作ることができたというオチが付きます。

 

その経緯を含めて、なぜ非プログラマ-で独学独習でも自身のレベルが徐々に上がっていき出来てしまうのか?という理由など
ゆっくり動画というのを初めて作ってアップしました。

 

初めてアップしたのが、まさかの、ずんだもんということになってしまいました。

 

こういうのでインスパイアされる人が少しでもいて、pythonなどのプログラミングや
機械学習の敷居が下がり、ささやかでも、より多くの方に動機付けと機会が与えられるなら、それは早く知って取り組んだものの責任であり作った甲斐はあるというものです。

 

 

 


※動画は、GPTのコ-ディング能力やプログラミング学習等を容易にすることを読者に知ってもらいたくて、この目的の為だけにスポットで作ってアップしたものです。ですので、今後は動画を作るつもりは今のとこありません。

 

上記動画を見れば、GPT3.5やGPT-4を取り入れたらプログラミングなどのスキル獲得や機械学習を学ぶのに、十倍以上の時短にもなるというのが肌感覚で確認できると思います。

 

特に、動画後半の、なぜ非プログラマ-で独学でもレベルが上がっていき出来てしまうのか?というのは、
Pythonなどのプログラミングを学習する際も知らないで取り組むのと
知って系統的かつ実践的な学習をするのでは
学習効率および自身のレべルアップの速度が
天地雲泥になる
のではないかと。

 

例えば、動画内で紹介した単回帰のコ-ド依頼と質問に対して生成したコ-ドは以下の私的なリンクをPDF化し公開しておきましたので閲覧も出来ます。

 

Calif. Housing Price Regression

 

これをcolabなどに貼り付け実行すると以下のように描画されて結果が出てしまうんです。
意味が分からなければ、コ-ドの意味や働きを質問したら、懇切丁寧に解説もしてくれます。

この一事だけでGPT4(または3.5)のコ−ド提案力と生成力の能力の凄さや
学習を加速させることを知らせるのに十分でしょう。

 

またGPTとチャットを重ねて学んで自身もレベルアップさせれば、
動画にあるように
カスタマイズされた音声チャットボットなどの機械学習分野のコ-ディングの知識やスキルも
GPTとの協業で短期間で修得出来る可能性があるよ!というのがわかるはず。

 

きっかけ(積極的な刺激)になれば、それだけでも作った甲斐はあると思うし
積極的刺激になればよいので、コ-ドの説明は不要でしょう。

 

 

ビジネスに貢献するためのAIをどうやって作るのか?言い換えれば人とAIの共創という限定された視点で観ても
単純に機械学習やコ-ディングについてGPT3.5などを介して学ぶ方法を早くから知って
プラスアルファで目的をもって決めて取り組むか、
それとも知らないで、難しいと思い込んでいるかで、その後の自身のレベルアップや成果(その後の展開)に大きな格差を生んでしまうのではないでしょうか?

 

尤も、アップした動画は、「 しょせん個人の趣味の域を出ないもの 」と考える方もいらっしゃるかもしれません。

 

確かにそのとおりです。

 

ですが、機械学習のスキルや知識をバックにし音声チャットボットを作製するという、
この小さなプロジェクトを達成するのですら様々な機械学習の背景知識やPCスキルの組み合わせが必要です。

 

私が初っ端で学んだ市販のテキストは簡単な解説や模範のコ-ドがあるからともかく、、
タイタニックの生存予測モデルで上位に入るための高精度化やcassavaの葉の疫学分類の判別率の高精度化は、
先の市販のテキストの総合問題などを解くよりは、発想力や創意工夫が必要で、より難しいです。

 

特定のキャラの音声チャットモデルを訓練し、相応のものを作るのは、
それらより、難易度が高く、いろんなPCスキルと組合わせる実務的な応用力が必要です。

 

よって、これらのモデルを作製出来る背景知識やスキルがあれば
このスキルや背景知識を少し応用すればLSTMやARIMAなどのモデルを用いて金融工学に適用できます。

 

例えば、簡単なモデル構築の例では、以下のような季節変動を考慮したビットコインの価格予測モデルの構築、検証などです。

 

 

 

あるいは化学工学などの分野ではRandom Forest等のモデルで化合物スクリーニング等への応用にも可能性があることを意味します。

 

なかでもファインチュ-ニングや転移学習のスキルは、今後非常に価値が出てくると私は考えています。

 

というのもchatGPT-3.5や4は、読者もご承知のとおり現在の技術としても非常に便利で革新的です。
そうなると、私たちの生活やビジネスをAIとの共創で、さらに便利にしようとする動きが当然、出てくるでしょう。

 

需要の高まりを受けて、この技術がさらに円熟化すると、様々な業界で特定のタスクやニーズに合わせて、GPT3.5などを様々な研究開発に応用したり、
音声チャットボット等のようにファインチュ-ニングしカスタマイズするスキルへのニ−ズが高まることは想像に難くないでしょう。

 

 

ただし導入に当たって最低限のpythonのプログラミングのスキルや背景の機械学習の基本知識やスキル、

 

とりわけ機械学習modelを駆使した高度な解析や探索、GPTのファインチューニングに関するスキル、ノウハウは欠かせません。

 

 

そうなってくると、GPTシリーズのうちオ-プンソースで公開されているものを使って
モデル構築の研究をしたりカスタマイズのスキルを、高めておくことは将来を見据えて
大きな意味では業務改革として、小さくは個人のビジネスのスキルとしても重要になってきます。

 

 

なかでも身近で用途が広い転移学習やファインチュ-ニングはニ-ズが高くなることが予想されます。

 

 

ただしGPT-3.5などを使ったモデルのカスタマイズ(ファインチューニング)は、
知っている方もいると思いますけどベ-ス料金に加えてAPI呼び出しに応じ追加料金もかかり有料です。
ですから無料で利用できるGPT-2の日本語モデルでのファインチューニングなどのスキルを磨き、機械モデルに学ばせる学習デ-タセットなどを研究すること。

 

これは、有料のGPT-3.5などをカスタマイズする際の実務等への応用可能性や
特化型モデルを作るのにデ-タセットをどう作成するかなど下地作り(試行錯誤)として、
十分な意義と可能性があると考えます。

 

※モデル構築や評価も大事なスキルですが、モデルに読み込ませ学習させるデ-タの前処理を含めた良質なデ-タセットを、どう作るかは、非常に大事なスキルになります。

 

またGPTのファインチューニング等に取り組むプロセスで、様々なPCスキルが、自然に底上げされますから。

 

それに、あなたが、ある企業の経営者あるいは経営幹部(あるいは、業務改革部門の責任者)だったらデ-タサイエンティストに高額な依頼料を出して
業務改革のために機械学習を駆使した高度なデ−タ分析やファインチュ-ニングを頼むというのも選択肢の一つですけど、、、、

 

依頼するにしろ、ある程度、自分で出来たほうがデ-タサイエンティストに丸投げでなくなって、
前向きなディスカッションが出来るだろうし、デ-タセットの準備など、その後の事業改革(の応用展開)にとっても有利でしょう。

 

 

 

ということで、いろんな意味で、とりわけ機械学習分野のスキルを磨くのに本当に、お薦めです。
     ↓  ↓  
    OPEN AI

 

GPTの出現が、あまりに革命的で機械学習のスキル習得の敷居が思いっきり下がったと思いますから
本当に、こういったスキルの習得が、ちょっとは難しいのか判断は難しい。
こういう記事も数カ月で陳腐化するかもしれないですけど。

 

 

chatGPTなどの生成系AIの出現でコ−ディングの技術スキルより
発想力や柔軟性、俯瞰力や統合力のほうが重要度が増したのかもしれません。
となると、なおさら心身統一法の出番ということになりますね。

 

 

 

なお効率的に加速学習が可能になったのはメルマガでも具体例を挙げて以前に書いていますが
もしかしたら、chatGPTへの質問のし方も、私の場合は世間一般的な質問方法と違っていたことも関係するかもしれません。
pythonのプログラミングや機械学習を学ぶ過程で、GPT3.5(4)への質問のし方もレベルアップしたように思います。
この記事では、どのようにして質問そのものをレベルアップさせるのか?
という実際手順までは、結局自分である程度試行錯誤するしかないとこがあるし
細かくなるし長くなってしまうので書いていません。

 

今回、記事に書いたようにモチベ-ションが低い中で短期間で加速学習できたのは

 

chatGPTに求める結果を明確に示して段階的かつ具体的に質問をし、質問自体をレベルアップできたというのも、よかったのかもしれません。

 

 

なお機械学習分野については今後も心身統一法の実践研究と同様に様々なジャンルについて
私自身も少しずつスキルを磨くつもりではいます。

 

2〜3か月前の自分が、できないかもと思っていたことが、( 出来ない中で )出来ることを押し広げることで、
( モチベ-ション低い中で、やっていくうちに )
気が付いたら出来ていたという体験というのは、結構嬉しいことでした。
Pythonプログラミングで機械学習を学ぶのに、ベ−シックの言語が英語なので
強制的に英語学習にもなり一石二鳥どころか三鳥、四鳥になった気がします。

 

私自身、大きな自信(励み)になりました。

 

よって体験を共有して貰いたくて実際に通信講座の中に組み込んで、苦手意識のあるクライアントさんにも(希望する場合には)将来の為に勉強して貰っています。

 

なぜなら、当時の私と同じく、この記事に書いてるようなことは短期間では到底出来ないと思い込んでいたような方が、
ちょっとしたコツを交えて系統的に取り組むことで、実際にPCスキルの底上げができて、GPT4(3.5)への質問のし方が上手くなり
機械学習のコ-ディング等も出来るようになるというのも私にとって嬉しいことですから。

 

それに、ちょっと背伸びをするくらいの心の負荷になるような新しいことに挑戦し
肉体と同じように心の基盤である脳神経系基盤も適切に鍛えて使ってあげることで、
脳基盤も今まで使ってない領域が使われ脳に繋がった心を進化させることが出来るのではないでしょうか?

 

サイトや講座などの実践を通じて、読者の方々が、自己統御の力を高めて、様々なスキルを獲得し、それぞれの自己実現を目指し豊かにするための前向きなヒントを見つけていただければ幸いです。

 

PS

 

chatGptがpythonのプログラミング学習や機械学習を加速させたのは間違いないでしょう。

 

ただし上記記事で、やんわり指摘しているように、
本当に、嘘偽りなく、まったくのプログラミング初心者だったので、

 

そこから始めて、上記のようなことがモチベ-ションも大して高くない中で
事実として独習かつ短期間で、ある程度のことが出来るようになったのは、
chatGptだけではないと自己分析しています。

 

生成系AIの登場により、紹介したような機械学習のコ-ディングは、
どんどん敷居が下がっています。

 

その性能も、当時より爆発的に進化しています。

 

よって2023年初頭くらいからプラスアルファで取組んで独学で短期間にスキルの習得が出来たからとは言え、
これは、本当に、ほんのちょびっとは難しい事なのか?
心身統一法凄いよの証明に信憑性が薄れるのが、残念ですけど、

 

少なくとも心身統一法の実践継続で向上を促す高次の意志力渙発や信念強化および潜在意識を積極化し
前向きにし味方に付けていない、以前の自分だったら、

 

いくら実在意識でモチベ-ションを高めてやろうとしても

 

 

自らの潜在能力に対する信念もなく萎縮してるがゆえに勇気もなく
(信念を強くしフィ-ドバックしながら習慣化し育てていく方法も知らないのだから)
挑戦すらしてなかったか、挑戦しても、すぐに諦めて投げ出していたかもしれません。

 

以前とは真逆のパタ-ンです。

 

以前は、よ-しやるぞ!!と実在意識で決意しモチベ-ションも高くするように、いろんな工夫をしても
すぐに、しょ気て諦める。

 

以前は、そういう事のオンパレ-ドだったのですが、

 

 

今回もモチベ-ション低く、「こんなことしてどうする」。「できれば、やりたくない」。
みたいなひねくれた思いが実際湧いても
いつしか雑念が消え

 

気が付いたら、面白くなっていき割に短期間でスキルを身に着けていたという塩梅でした。

 

口述書の心身統一法で潜在意識を薫習する以前と以後を比べたら、以下のようになるでしょう。
これは、サイトでも書いてますけど。こういう簡潔なもので、比較的に表すことも出来ます。

 

 

潜在意識の薫習( ビフォア、アフタ−)

 

ささやかな体験ですが、こういう小さい事だって以前だったら、このような記事にも出来てなかったかもしれません。

 


※このあたりの詳しい説明については、心の積極性についての素朴な問い(潜在意識の秘密)に詳述しています。

 

 

PSのPS

 

90%くらいはchatGPTの力で、これが凄いのは間違いないですけど、
その一方で、過去の自分と比べて見ても、どう転んでも、やはり心身統一法が普通に凄いというのを今回の体験でも再認識する結果になったということも添えておくべきだと思いました。

 

なぜなら心身統一法の継続実践による発展軌道に乗せるための習慣化で、能力分野に限っても以下を可能にしたと考えられるからです。

 

1、視覚心身統一法や安定打坐法などを身近な仕事や生活に組み込んで積算実践することで見えない心と脳神経系のうち背外側前頭前皮質の機能が活性化し易くなった可能性がある。
それゆえモチベ-ションが、めっちゃ低くても雑念整理がし易く、ゾ−ンに入りやすくなり、かつ記銘力が高まることで基本的能力の底上げがされたことが推定できるということ。
これによりpythonなどのプログラミング学習が私の場合は加速した(のかもしれません)
※前頭前野(背外側前頭前皮質)の活性化などは仮説にすぎませんが。

 

2、潜在意識を前向きかつ積極に高めて、自らの生命生存力に対する確信を少しずつ強めることで、無意識の力が高まったということ。
以前の自分なら、実在意識でモチベ-ションをバリバリに上げたって、すぐにしり込みし、諦めていたことが、
潜在意識が、ある程度薫習されてるので、いつものようにモチベ-ション低く、決意もさほどなくても、
出来る領域をじわじわ押し広げるやり方で恬淡と取り組むことで
雪だるまのように加速化が進み、
ある心理的一点で、ポ−ンと高い領域に遷移するという体験を経て出来ないことが出来てしまう可能率が高まった(としか思えないということ)

 

少なくとも靜かな信念が弱かったら、ChatGPTの存在を知らなかった時期もあるので、こういうのは、めんどくさすぎて、挑戦すらしてなかったかもしれない。

 

3、安定打坐などで空の境涯に入ることを続け向上発展に向け習慣化することで
気が付いたら否定や肯定からも超越した、ぐだぐだと考えない領域に、すっと入りやすくなったこと。
これにより、プログラミングのコ-ドを組み立てたりする際に高度な判断や方向付け(および統合)の力が増した(としか思えないということ)

 

よって、口述書を発見できるという、すごい運に恵まれ、
口述書経由で解説された心身統一法が普通に、単純に凄いのかもしれない

という、いつものオチになることは、強調しといたほうがよいと思うわけです。

 

 

あと、、ちゃぶ台返しみたいなことを最後に書いてしまいますけど、、(;^_^A

 

 

こういうのは、出来ないより、出来るにこしたことはない、、それは、多分そうでしょう。

 

 

ですけど、

 

( 私自身も実際に取り組んで、サイト読者にも
将来を見据えて機械学習のことやプログラミング・スキルを修得することを薦めておきながら、
記事の最後に言う事じゃないかもしれないですけど、、 )

 

機械学習の高度なプログラミングが出来たからって
結局STEP1にも述べたようなことになる方は結構いらっしゃると思うからです。

 

奥底に溜まった発展を阻害する不要残留本能由来の消極的な邪念を生じる材料を掃って
心を積極化し現実対応の底力を上げ運も良くし、
充実を感じやすい生活への架け橋にする心身統一法は、やはり最優先で研究する価値が、あるのではないかと。

 

あと、、断っておかないといけないのは、独学かつ短期間で機械学習の知識やプログラミングスキルを自身が獲得出来たのは、
ChatGPTや心身統一法の積算実践以外にも、他のファクタ-もあるのかもしれません。

 

私自身が心身統一法に恩義を感じ過ぎてて、そっちに原因を求めるバイアスが、かかり過ぎてるという偏り傾向の指摘( 批判 )は
正直、免れそうにはないですね。これは、反省しています。