実践 LLMアプリケーション開発 ―プロトタイプを脱却し、実用的な実装に迫るための包括的な手引き

監訳者まえがき

モデルの気持ちになりきる

　機械学習モデルでどうしても精度が出ないとき、なかなか思い通りに動かないときに、皆さんはどのように対処するでしょうか。私は「モデルの気持ちになりきる」ことにしています。少し抽象的で感覚的なプラクティスですが、自分がモデルだったら与えられたタスクを解くためにどんな言葉に着目するだろうか、とか、どんな特徴を捉えたくなるだろうか、とか、この間違いはそもそも解くのに必要な情報が不足しているのが原因だ、とモデルの仕組みやモデルに与えられた情報を踏まえた上で、その気持ちになりきって考えてみるのです。この手法は、LLM（Large Language Model、大規模言語モデル）でも変わらず、むしろ内部的な解析が困難であるがために、より有効な手法だと考えています。

　さて、本書にはそんなLLMの気持ちになりきるために役立つ、さまざまな情報が含まれています。例えばLLMが学習に用いるデータや、その内部処理、コンテキストについての説明などです。一見するとLLMをゼロから構築するのでなければ知らなくともよさそうに思えるものも含まれていますが、これらはLLMの気持ちになりきるためには、非常に役立つ情報になります。本書のこの先を読み進めるにあたり、モデルの気持ちになりきろうと思いながら読み進めていただければ、きっと新しい発見があるはずです。

アイデアは時代を超えてリサイクルされる

　もう一つの本書を読み進める上で重要な視点は、LLM関連の技術は日進月歩で進化する分野であり、絶え間なく新しい研究・技術トレンドが出てくる、そんな動きの早い分野だということです。そして同時に、長年研究されてきた情報工学（Computer Science）、NLP（Natural Language ...