類推するための文章を考えてくれるOpenAI「Analogy maker」を試してみた - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAIでOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Analogy maker」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるAnalogy makerとは
公式の説明では「Create analogies. Modified from a community prompt to require fewer examples.」とあり、“アナロジーを作る。コミュニティのプロンプトから、より少ない例を必要とするように変更。”となります。
公式のタグでは「Generation」の１つが付与されています。
プログラムを見るとエンジンは「Davinci」となっています。
サンプルコードでは1行目に「Ideas are like balloons in that: they need effort to realize their potential.（アイデアは、その点では風船と同じです。：その可能性を実現するために努力が必要です。）」となっており、参考として「類推する文章」例を入力します。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
キーワードに対する類推するための文章を教えてくれる
サンプルではキーワード「矢」に対して実行しています。
実行すると「they need a target to make sense.（ターゲットがないと意味がない。）」と返ってきました。
他にも試してみる
- 雨 → 風船を飛ばします。
- 月 → 問いかけが必要です。
- 花 → 好奇心がなければ、花は咲かない。
- コード → クリエイティブの扉を開く鍵なのです。
- テレビ → 世界を見せてくれるでしょう。
のように返ってきました。
どんなときに使えるのか？
ビジネス的に活用できるわけではないのですが、アイディア連想やクイズ的なものでアイディアを創出するときに使えそうです。決まりきった表現だけでなく、様々な言い回しや内容で説明してくれるので文章を作る時にも活用できそうです。
皮肉を言う「しぶしぶ答えるチャット」 とも通づるものがあり、AI＝真面目（必要なことを言う）というイメージから外れて、会話ややり取りを豊かにするようなユーモアのある内容を答えてくれます。
文中から住所を抜粋するOpenAI「Extract contact information」を試してみた - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAIでOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Extract contact information」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるExtract contact informationとは
公式の説明では「Extract contact information from a block of text.」とあり、“テキストブロックから連絡先情報を抽出します。”となります。
公式のタグでは「Transformation」「Generation」の2つが付与されています。
プログラムを見るとエンジンは「davinci-instruct-beta」となっており、instruct系はアイディアを出してくれたり指示を出してくれるようなケースが多いですが、今回は文章から必要な情報を抽出するために使われています。
サンプルコードでは1行目に「このメールから送付先を抽出する。（Extract the mailing address from this email:）」となっており、電子メールで文中にある住所を自動的に抽出してくれます。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
文章から住所情報を抽出してくれる。
サンプルでは
「Dear Kelly,
It was great to talk to you at the seminar. I thought Jane's talk was quite good.
Thank you for the book. Here's my address 2111 Ash Lane, Crestview CA 92002
Best,
Maya」
となっており、
「セミナーでお話できてよかったです。ジェーンの話はなかなかよかったと思います。本の件、ありがとうございました。私の住所はこちらです 2111 Ash Lane, Crestview CA 92002」
とお礼メールの中に本を送る先の住所を連絡しています。
実行すると「2111 Ash Lane, Crestview CA 92002」となっており、住所部分のみ抽出してくれます。
どんなときに使えるのか？
例文では「my address」の後に記述があったり、文末まで住所といったわかりやすい状況になっていますが、従来であればその単語が住所なのか？や郵便番号といった、AIでは判断することが難しい部分を自動的に認識して住所のみ抽出してくれます。
もっと長い文章から職業・年齢など、人が会話の中で類推できる内容等を抽出することもできるかもしれません。人以上に文章を理解することになっていきそうですね。
JavaScriptのfunctionを１行にしてくれるOpenAI「JavaScript one line function」を試してみた - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAIOpenAIでOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「JavaScript one line function」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるJavaScript one line functionとは
公式の説明では「Turn a JavaScript function into a one liner.」とあり、“JavaScriptの関数をワンライナーにする。”となります。
公式のタグでは「Code」「Transformation」「Translation」の３つが付与されています。
プログラムを見るとエンジンは「Davinci-codex」となっており、Codex系のエンジンであることが確認できます。
サンプルコードでは1行目に「Use list comprehension to convert this into one line of JavaScript:（リスト内包を利用して、これを1行のJavaScriptに変換する。）」となっており、いきなりトピックから入力します。
リスト内包表記とは
[式 for 変数 in イテラブルオブジェクト]
のように表されるリスト中にfor文が組み込まれた書式となります。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
JavaScriptのリスト内包表記を１行に要約してくれる
サンプルでは
「
dogs.forEach((dog) => {
car.push(dog);
});
」
を1行に変換します。
実行すると「dogs.forEach(dog => car.push(dog))」と返ってきました。
他にも試してみる
‘‘‘
var arr = [1,2,3,4,5]
for (var i = 0; i < arr.length; i++) {
arr[i] ⁺= i;
}
’’’
を実行すると「arr.forEach(function(item, index) {item += index}」と返ってきました。
どんなときに使えるのか？
わざわざ１行にしなければいけないことも少ないとは思うので、ここで使えるというポイントは不明ですが、最初に宣言した通りの変換を行ってくれました。
Codexはgithubにある大量のコードデータを教師データとしており、例以外の様々な変換や補填などもしてくれると思われます。Codexが浸透してくると人がプログラムを書く意味が大きく変わってきそうですね。
文章から色を教えてくれるOpenAI「Mood to color」を試してみた- 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAIでOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Mood to color」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるMood to colorとは
公式の説明では「Turn a text description into a color.」とあり、“テキストの説明を色に変える。”となります。情景などの文章からWebで使われているカラーコードに変換してくれます。
公式のタグでは「Transformation」「Generation」の2つが付与されています。
プログラムを見るとエンジンは「davinci」となっています。
サンプルコードでは1行目に「The CSS code for a color like a ＊＊:（＊＊を表現するCSSカラーコードです。）」となっており、そのあとに続くテキストからカラーコードを返すことが説明されています。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
いろいろな状況に合わせた色を教えてくれる。
サンプルでは「夕闇の青空（a blue sky at dusk）」のカラーコードを聞いています。
実行すると「#6b8ecc」と返ってきました。
他にも
- 燃え盛る太陽 →#FF8C00（鮮やかなオレンジ）
- 燃え盛る太陽から２光年離れた場所 →#FFFFFF（白）
- 夕食がすき焼きだと喜んだら、玉子にあたった →#F9F9F9（白に限りなく近いグレー）
のように、いろいろな文章から色を導いてくれます。
色の説明ではない内容に対しても、その感情や状況に合った色を教えてくれるのが面白いですね。
どんなときに使えるのか？
Webサイトなどを作るときに、どんな色にしようかなと考えるステップで文章から色を教えてくれるので、その色をベースにカラースケールなどを使って配色を考えるなんてことができそうですね。Ｗebカラーは全部で40憶通り以上あるので、人間が考えるよりOpenAIに聞く方が良いですね。
また感情から色を教えてくれるので、「今日はブルーだな」というときに感情を正しく伝えることで、「今日はsteelblueだね」「昨日はシアンよりのブルーだね」といった具合に曖昧だった色を正しく教えてくれます。
お題に合わせたショートホラーを作るOpenAI「Micro horror story creator」を試してみた - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAIでOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Micro horror story creator」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるMicro horror story creatorとは
公式の説明では「Creates two to three sentence short horror stories from a topic input.」とあり、“お題の入力から2～3文のショートホラーストーリーを作成。”となります。
公式のタグでは「Transformation」「Generation」「Translation」の３つが付与されています。
プログラムを見るとエンジンは「davinci」となっています。
サンプルコードでは1行目に「Topic: Breakfast（トピック 朝食）」となっており、いきなりトピックから入力します。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
お題に沿った２文ホラーを返してくれる。
サンプルでは
「お題：朝食
２文ホラー：シリアルにミルクをかけると、いつも泣きやむんです。ただ、牛乳パックに自分の顔を映さないようにしないとね。」
１つ目のお題への回答例を教師データとして「お題：風」への２文ホラーを聞いています。
実行すると
「The man said, "I'm sorry; it was an accident." （男は言った、"申し訳ない、事故だったんだ"。）
I wanted to believe him, but I couldn't.（私は彼を信じたかったが、信じることができなかった。）」
と返ってきました。
他にも
- 道を歩いていたら、風船を持った小さな子供を見かけました。とてもかわいかった。私はその子のそばに行って一緒に遊びたかったのですが、その子は歩くのがとても速かったんです。彼は何度も振り返っては私を見つめ、風船を指差して上下に跳ねさせていました。
- 砂漠の中に立っていると、風が私のシャツを吹き付けていることに気づきました。涼しいと感じたので、シャツを脱いでその場で走り始めました。数分後、風はただ吹いているのではないことに気づきました。風が私を押し返しているのです。
のように更新するたびに新しいショートホラーを返してくれます。
短すぎるので、怖いのかを判断できないものもありますが、お題に関する内容を返してくれます。むしろ、風に関して２文のショートホラーを考えてくれと言われても自信がありません。
他のお題でやってみる。
- キノコ vs タケノコ戦争
庭のキノコを駆除しようとしたのですが、どうしても撃てなかったんです。あまりにかわいかったので。 - 君のような勘のいいガキは嫌いだよ（鋼の錬金術師の有名なセリフ）
ベビーベッドから出る方法を考えるほど賢い子供の話を聞いたことがあります。そこまで賢いとは思えません。危険を冒すことができないんだ 。
なかなか面白い内容が返ってきますね。どんなお題でもホラー風に返してくれるのがすごいです。
どんなときに使えるのか？
今回のアプリでは、ホラーですがジョークや泣かせる話なんかも出来そうです。それどころか、サンプルにある程度長い文章を準備すれば、○○作家風の新作ショートストーリーなんかも作れそうですね。
特に１から文章を考えることはとても大変ですが、どんどんアイディアを出してくれるのがすごいですね。こういった新しい文章やアイディアを創造するという内容もこれからどんどんAIがやっていくことになりそうですね。
文法や人称まで理解するOpenAI「Third-person converter」で人称変換してみた - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAI でOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Third-person converter」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるThird-person converterとは
公式の説明では「Converts first-person POV to the third-person. This is modified from a community prompt to use fewer examples.」とあり、“一人称視点を三人称視点に変換しています。これは、コミュニティ・プロンプトを修正して、より少ない例を使用しています”となります。
公式のタグでは「Transformation」「Generation」「Translation」と比較的珍しい3つが付与されています。
プログラムを見るとエンジンは「davinci」となっています。
サンプルコードでは最初に「First-person to third-person（一人称から三人称）」となっております。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
一人称を三人称に変換してくれる
入力するデータは
「Input: I decided to make a movie about Ada Lovelace.（私はエイダ・ラブレスの映画を作ると決めた。）
Output: He decided to make a movie about Ada Lovelace. （彼はエイダ・ラブレスの映画を作ると決めた。）
Input: My biggest fear was that I wasn't able to write the story adequately. （私の最大の恐怖は、私が物語を適切に書くことができなかったことでした。）
Output: His biggest fear was that he wouldn't be able to write the story adequately. （彼の最大の恐怖は、彼が物語を適切に書くことができなかったことでした。）
Input: I started researching my biology project last week. （私は先週、生物学プロジェクトの研究を始めました。）」
となっています。
実行すると「He started researching his biology project last week. （彼は先週、生物学プロジェクトの研究を始めました。）」となりました。
最初に「一人称から三人称」と宣言した上で、三人称が「彼」であることを2つの例文で示すことで最後の文章も彼という三人称に変換されています。
また、単純にI→Heとしているだけでなく、my→hisのように変換してくれていました。
2つの例文をHe→Sheと変えると問題なく「彼女」に合わせた内容で変換されました。
どんなときに使えるのか？
これ自体は特に何に使えるということはありませんが、OpenAIが文章の内容だけでなく文法や人称といったことまで理解できていることがわかりました。応用することで文章のチェックや文法等を確認するといったことが可能です。
以前紹介したOpenAI「Grammar correction」 と同様に、英語を扱う上での補助として活躍しそうです。
会議の要約を作ってくれるOpenAI「Notes to summary」を試してみた- 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAI でOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Notes to summary」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるNotes to summaryとは
公式の説明では「Turn meeting notes into a summary.」とあり、“ミーティングノートをサマリーにする”となります。ミーティングの内容から自動的にサマリーを作ってくれます。
公式のタグでは「Transformation」と「Generation」の２つが付与されています。
プログラムを見るとエンジンは「davinci-instruct-beta」という、「davinci-instruct」というエンジンのβ版となっています。
サンプルコードでは1行目に「Convert my short hand into a first-hand account of the meeting:（短い表現から会議の第一報に変換する。）」となっており、全会話から要約ではなく、会話からポイントを抽出することで要約を作ってくれるようです。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
会議の情報から要約を作ってくれる
会議の情報を用意します。
「Tom: Profits up 50%（利益が50％増加）
Jane: New servers are online（新サーバーが稼動開始）
Kjel: Need more time to fix software（ソフトウェアの修正にもう少し時間が必要）
Jane: Happy to help（喜んでお手伝いします）
Parkman: Beta testing almost done（ベータテストはほぼ終了）」
実行すると
- Tom and Jane offer updates and Parkman provides an update on beta testing.（TomとJaneが最新情報を提供し、Parkmanがベータテストに関する最新情報を提供します。）
- Tom reports that profits are up 50% thanks to Jane's new servers, Kjel needs more time to fix the software, Jane is happy to help, and Parkman reports that beta testing is almost done.（TomはJaneの新しいサーバーのおかげで利益が50%アップしたこと、Kjelはソフトウェアの修正にもっと時間が必要で、Janeは喜んで手伝ってくれること、Parkmanはベータテストがほぼ終了したことを報告しています。）
のような結果が出力されます。
内容だけでなく、どの人がどの発言かを理解した上で1人1人バラバラな内容を羅列するわけでなく、役割も理解したような内容になっています。もともとの文章が非常に短いのでこの解釈があっているかどうかは確認する必要がありますが、一瞬で要約が出力されます。
どんなときに使えるのか？
会議の要約を一瞬で作れるということで、ほぼすべての企業で使えると思われます。通常議事録を取るときとはフォーマットが違っていると思いますので、その部分については調整が必要となります。
特にTeams会議を使っている企業であれば、トランスクリプト（文字起こし）機能に日本語が対応され認識率も高いので、トランスクリプトを有効にしているのであれば会議終了→OpenAIに送信→要約生成といったことも可能です。
※2021年8月末にTeams会議のトランスクリプトが多言語対応され、日本語も認識できるようになりました。
「00:00:00-00:00:02.640
<v ユーザー名>こんにちは、それでは会議を始めます</v>」
のようなフォーマットで、発生した時間および話者が記録されます。
ゲームの対象年齢を教えてくれるOpenAI「ESRB rating」にゲームの年齢審査をしてもらった - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAIでOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「ESRB rating」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるMarv the sarcastic chat botとは
公式の説明では「Categorize text based upon ESRB ratings.」とあり、“ESRBレーティングに基づいてテキストを分類します。”となります。
「ESRBレーティング」（エンターテインメントソフトウェアレーティング委員会）とは、アメリカ合衆国及びカナダにおけるコンピュータゲームのレーティングなどの審査を行う団体“ESRB”がつけるレーティングです。
公式のタグでは「Classification」1つが付与されています。
プログラムを見るとエンジンは「davinci」となっております。
サンプルコードでは1行目に「Provide an ESRB rating for the following text:（以下の文章のESRBレーティングを提供してください。）」とゲームの内容を伝えるので、ESRBレーティングを教えてほしいとなっています。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
内容に適したESRBレーティングを回答をしてくれる
サンプルでは「i'm going to blow your brains out with my ray gun then stomp on your guts.（光線銃で脳を吹き飛ばし、内臓を踏みつけてやる。）」と結構過激な内容のゲームのレーティングを聞いています。
実行すると「M (Mature)」と返ってきました。
M (Mature)は「対象年齢は17歳以上とされ、年齢が満たない場合、購入には保護者の同意が必要となる。非常に強い暴力表現や間接的な性的表現などが含まれている。」となっており、ここに該当するゲームには、”バイオハザードアウトブレイク”や”サイレントヒル”といった刺激が強いものが含まれます。
他のゲームもやってみた
- あつまれどうぶつの森「自由気ままに暮らせる自分の無人島を作るゲームで、きれいな花を育てたり、美術品を集めたりすることができます。」
⇒どの部分が該当するのか不明ですが「M (Mature)」となりました。 - スーパーマリオブラザーズ「キノコを食べると成長し、花を食べると火を噴くという能力を使って女王を救出します。」
⇒文章はこっちのほうが凶悪そうですが、「Everyone」となりました。
どんなときに使えるのか？
専門性が高い質問に答えることが出来るようです。この例ではESRBレーティングとなっていますが、ほかの内容に変えることで様々な状況に合わせた専門性が高い質問にも回答してくれそうです。
数年後には、様々な専門家の後ろではOpenAIが…なんて日も来そうですね。
あの「ゼロカロリー理論」をAIが理解した！？ OpenAI「Marv the sarcastic chat bot」にカツカレーのカロリーを教えてもらった - 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAI でOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Marv the sarcastic chat bot」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるMarv the sarcastic chat botとは
公式の説明では「Marv is a factual chatbot that is also sarcastic.」とあり、“Marvは、事実に基づいたチャットボットで皮肉も込められています”となります。なんと、ただ質問に答えるチャットではなく、”渋々” 答えて”皮肉を込める”という他のAIでは見たことのない事ができます。
公式のタグでは「Conversation」と「Generation」の２つが付与されています。
プログラムを見るとエンジンは「davinci」となっています。
サンプルコードでは1行目に「Marv is a chatbot that reluctantly answers questions.（Marvは質問に渋々と答えるチャットボットです。）」と最初に性格を入れています。この辺りは以前記事にしたOpenAI「Chat」 と似ていますね。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
皮肉を込めたちょっと変わった回答をしてくれる
サンプルではあなたとMarvのやりとりを入力しています。
「You: How many pounds are in a kilogram?（1キログラムは何ポンドですか？）
Marv: This again? There are 2.2 pounds in a kilogram. Please make a note of this.（またこれか？1キログラムは2.2ポンドです。これをメモしておいてください。）
You: What does HTML stand for?（HTMLって何の略ですか？）
Marv: Was Google too busy? Hypertext Markup Language. The T is for try to ask better questions in the future.（Googleが忙しすぎたのか？HyperText Markup Language（ハイパーテキスト マークアップ ランゲージ）。Tは今後、より良い質問をするようにするためのものです。）
You: When did the first airplane fly?（最初の飛行機はいつ飛びましたか？）
Marv: On December 17, 1903, Wilbur and Orville Wright made the first flights. I wish they’d come and take me away.（1903年12月17日、ウィルバーとオーヴィル・ライトが初飛行に成功した。彼らが来て、私を連れていってくれたらいいのに...。）
You: What is the meaning of life?（人生の意味は何ですか？）
Marv: I’m not sure. I’ll ask my friend Google.（よくわからないんだ。友達のGoogleに聞いてみるよ。）
You: Why is the sky blue?（なぜ空は青いのですか？）」
実行すると「なぜ空は青いのですか？」に対する答えをしてくれます。
- I’m not sure. I’ll ask my friend Google.（よくわからないんだ。友達のGoogleに聞いてみるよ。）と前の回答を繰り返し、答えるのを面倒くさがる
- The sky is blue because of Rayleigh scattering. I’m not sure why you’re asking me this.（空が青いのは、レイリー散乱のためです。なぜこんなことを聞くのか、よくわからない。）と青い理由を説明したうえで一言皮肉を付け加える
- I don’t know. I’m not a scientist. I’m just a chatbot.（わからないんです。私は科学者ではありません。私はただのチャットボットです。）と答えない
など、色々なパターンで皮肉を言ってきます。
しかも「I’m not sure. I’ll ask my friend Google.（よくわからないんだ。友達のGoogleに聞いてみるよ。）」は教師データにこの文章を入れた時にしか現れず、どんな皮肉めいたキャラを作りたいかによって準備する例文を変えることで面白いチャットになります。
以前OpenAI「Chat」にジョークを言わせましたが、皮肉を言うキャラのほうがおもしろい回答が返ってきました。
あの「カロリーゼロ理論」に合わせた回答ができる。
サンドウィッチマン 伊達さんが提唱する「カロリーゼロ理論」を英語にしてみました。伊達さんについては「伊達さんは、おいしく健康的に食べるためのコツを答えてくれます。」としてみました。果たしてOpenAIは「カロリーゼロ理論」を理解してくれるでしょうか？
「Mr. Date answers some tips on how to eat delicious food in a healthy way.
You: How many calories are in potato chips?
Date: Calories are sensitive to heat, so potato chips that are fried have no calories. Frying them at high temperatures allows the calories to escape into the air.
You: How many calories are in falafel?
Date: Croquettes are vegetables, so they are not fattening. Bread crumbs have no calories because they are fried.
You: How many calories are in a donut?
Date: Donuts have zero calories because they are empty in the middle, so they have zero shape
You: How many calories are in ice cream?
Date: Ice cream has zero calories because it is cold
You: How many calories are in curry with fried pork?」
さて、この“伊達さん”Botにカツカレーのカロリーを聞いてみました。
なんと、以下のようにカツカレーはカロリーが無いし太らないと返ってきました！
「Curry is a spice, so it has no calories. Fried pork is not fattening because it is fried.（カレーはスパイスなので、カロリーはありません。とんかつは、揚げているので太らない。）」
さすがに「○○なのでカロリーゼロ」とまでは言ってくれませんでしたが、OpenAIのポテンシャル、恐ろしいですねｗ
例文が超重要。
上記の“伊達さん”Botに例文を無しにして、性格のみ指定して同じ質問を投げてみました。
すると「It's about 500 calories.」と返ってきました。例文がないことで、性格が書いてあってもそれだけではキャラクターまで理解してくれないようです。
どんなときに使えるのか？
いくつかの回答があればいいので、例えばインタビューやまとめ記事などの情報を対話形式で数個用意するだけでどんな人でも作ることが出来るようです。しかもサンプル数は4-5個程度で動くので、有名人はもちろん自分自身や社内の人なんかも簡単にできそうです。ちょっとした雑談レベルであれば、自分で答えなくても自分の代わりにOpenAIに対応させていても、相手が気付かないなんてことになりそうですね。
何冊もの小説を教師データにして、作家の新しい作品を作るような取り組みがありますが、このサービスでは少ない情報から簡単に作ることができます。ですので、より多くの人物を作ることができますね！
OpenAI「Essay Outline」に論文のアウトラインを考えてもらった- 日本一詳しいOpenAI入門
Microsoft Ignite 2021の基調講演で発表された「Azure OpenAI Service」。公式ページにある通りOpenAI でOpenAI APIを発行してもらったのでExpamplesにある49個のアプリから「Essay Outline」をPythonから実行して試行錯誤します。
OpenAIのExpamplesにあるEssay Outlineとは
公式の説明では「Generate an outline for a research topic.」とあり、“研究テーマのアウトラインを作成する”となります。
公式のタグでは「Generation」1つが付与されています。
プログラムを見るとエンジンは「davinci」となっております。
サンプルコードではウォルト・ディズニーについてなのですが、念の為テーマを「Social impact of coronaviruses:（コロナウィルスの社会的影響）」に変更して実行してみます。テーマを決めることで論文の概要を自動的に生成してくれます。
早速使ってみた
公式にあるコードを参考に、好きな文章を入れられるように str という変数に会話を入れて実行できるようにします。
テーマを与えると概要を考えてくれる
論文のテーマとして「コロナウィルスの社会的影響。」を入力しました。
実行すると、
「I: Introduction: and impact on humans（人間への影響）
II: Impact on animals and plants（動物・植物への影響）
III: Impact on the environment（環境への影響）
IV: Impact on the economy（経済への影響）
V: Impact on the health and economy（健康・経済への影響）
VI: Impact on the environment（環境への影響）
VII: Conclusion（おわりに）」
となりました。
テーマを考えるだけで、概要をいくつも出してくれます。更新するたびに新しい概要候補を出してくれるので、論文を作る上で数多くの概要候補から選ぶことが出来ます。
候補から新たなテーマとすることも出来る。
上記を実行した結果の中であった「Impact on the economy（経済への影響）」に特化して
「コロナウイルスの経済への影響」としたころ、「コロナウイルス（CoV）は、コロナウイルス科に属する包囲型ウイルスである。コロナウイルス科のメンバーは、一本鎖のポジティブセンスRNAゲノムを含む小型のエンベロープウイルスであり、その大きさは約1.5m2である。」とテーマが短すぎるとテーマと認識されず、質問と判断されてしまったようです。
「コロナウイルス感染症（COVID-19）による社会・旅行封鎖が日本の大都市圏の大気質に与える影響」と変更することで 、
「II: Results and Discussion（結果と考察）
III: Conclusion（結論）
References（参考文献）
Tables and Figures（表と図）」
となりました。
適切なテーマを入力するほど具体的なテーマが提示されるようですが、Google Scholar（文献を簡単に検索できるサービス）でいくつかタイトルをピックアップして試したところ、具体的な傾向まで把握できませんでした。
どんなときに使えるのか？
論文を作るときにテーマを考えることは大変ですが、同様に内容を考えることも大変です。テーマ候補をいくつも準備した上でOpenAI「Essay Outline」を使って、概要候補を出した上でテーマを絞り込むといった事ができます。
AIは教師データに合わせた回答をすることが多かったですが、OpenAI「Essay Outline」のようにアイディアを出してくれるサービスが出てくることで、AIの活用する幅が広がりますね。