技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

生成AI・ChatGPTの研究現場での具体的活用法・事例

生成AI・ChatGPTの研究現場での具体的活用法・事例

~新規化合物の提案や材料の特性予測など高度な利用事例も増加中 / その能力の実際、限界や最新の技術動向を解説 / ChatGPTから適切な回答を導くためのプロンプトエンジニアリングのコツ / 技術文書作成、アイデア創出、論文解析、AIデータ前処理など、あらゆる研究現場での活用法の実際とは~
オンライン 開催

概要

本セミナーでは、生成AIについて取り上げ、生成したデータの評価について、具体的な活用事例を交えて詳解いたします。

開催日

  • 2023年11月9日(木) 9時30分 17時40分

受講対象者

  • 生成AIの現状を確認したい方
  • 生成AIを業務に活用したい方

修得知識

  • 生成AIの基本
  • 業務活用へのヒント

プログラム

第1部 文献・論文解析への生成AI等人工知能技術の具体的活用

(2023年11月9日 9:30〜10:50)

 ネット環境の普及などとも相まって、公開される論文の件数も年々増加しています。また、論文のみならずネット上で公開される種々のテキストがxmlなど機械可読な形でも整備されるようになってきており、こうしたテキストデータの分析に期待が高まっています。ところで、論文等テキストを分析する場合、当然その「内容」について分析することが期待されますが、テキストの「内容」を分析するには「内容」を「理解」・「解釈」する必要がある場合も多いことからテキストの「内容」についての解析は難しい課題でした。そのため、例えば論文の分析と言った際にも中身そのものを分析する事例は多くはなく、書誌情報に着目した、「どんな文献を引用しているか」、「どんな文献からどののくらい引用されているか」、などの分析が主流でした。ところが昨今、自然言語処理を含む人工知能技術の発展により、「内容」に基づく分析などもある程度実現できるようになってきました。また、生成AIの登場によって、そうした分析がより簡単に実施できるような環境も整ってきたと考えられます。
 本講座においては講師が関与・実施した人工知能関連技術を用いた文献・論文解析の具体的事例について紹介します。

  1. 速習 自然言語処理
    1. 文章を計算機で処理するとは
    2. 類似度:文章が似ている…をどう考えるか
    3. 分散表現
    4. トピックモデル (LDA)
  2. 論文分析等の課題
    1. 分野分類に関する問題
    2. 計算量に関する問題
  3. トピックモデルに基づく分析の例
    1. プレスリリースのトピック時系列分析
  4. 分散表現に基づく分析の例
    1. 曖昧検索:類似度に基づく情報取得の例
    2. 特許分析の事例
    3. COVID – 19に関連した論文分析の事例
  5. LLM (ChatGPT) を用いた分析の例
    1. 引用文脈分析の事例
  6. まとめ
    • 質疑応答

第2部 生成AIを活用したアイデア発想と技術文書作成

(2023年11月9日 11:00〜13:10) ※途中50分の昼食休憩あり

 ChatGPTなどの生成AIは極めて有用な利用がある一方、注意が必要な点も多々あります。有用な対象を理解して十分に使いこなすことが重要になります。
 そこで、技術文書指導と技術発想法指導を担当してきた講師が、ChatGPT (一部New BingやBard) を使用する際の実務的な対応として、使用方法と注意点を述べます。そして、「開発テーマ創出やトラブル対策のための技術発想」および「提出できる技術文書」に利用するためのポイントをわかりやすくお伝えし、そのまま使える具体的な質問文案と、作成作業を進める手順を示します。

  1. ChatGPTの基本
    1. ChatGPTの主な機能
    2. GPT-4の威力例
  2. ChatGPTを扱う上での注意点
    1. 質問の理解不足
    2. 知識と学習の限界
    3. 入力情報の記憶
    4. 情報の偏り
    5. 柔軟性の乏しさ
    6. 情報源の取り扱い
    7. 誤りの懸念と防止
    8. 日本語の問題
  3. 意図に近い回答を引き出す工夫
    1. 問いかけの形式の違いを意識する
    2. 論理を追って解答すべき問題の提示
    3. 質問文での形式の指定
    4. 回答文のわかりやすさの指定
    5. 特定の読者層を意識した指示
    6. 回答の続きを求める指示
    7. 質問する上での注意点
    8. 不正確な答えを出すことへの対応
  4. 文章を作成するための利用
    1. 文書を作成する機能
    2. 文書の作成手順
    3. 文章の要約やタイトル作成
    4. AIを読者と見立てて論点を確認
    5. 翻訳への利用
    6. 文書作成での問題点
    7. さまざまな用途の文書作成
  5. アイデアを求めるための利用
    1. 情報収集
    2. アイデアの生成
    3. アイデアを次第に掘り下げる手順
    4. テーマ探索への利用
    5. トラブル対策への利用
    6. トラブル対処マニュアル作成
    7. トラブル対処教育
  6. 発想法と組み合わせたアイデア創出
    1. ブレインストーミングの補助
    2. 新しいアイデアを求める指示
    3. 連想法と生成AIの利用
  7. AIを取り入れたシステムの構築
    1. GPTの応用例
    2. 今後期待される生成AI利用の技術支援および教育システム
    3. 今後進められていく組織内システム
  8. 生成AIの倫理と対応
    1. 構築する上での倫理問題
    2. 利用する上での倫理問題
    3. 今後の日本のシステム構築の問題<私見>
  9. 生成AIの提供・利用についての規制など
    1. EUの規制
    2. 日本政府の生成AI対策概要
    3. 日本ディープラーニング協会 「生成AIの利用ガイドライン」
    4. 文部科学省 生成AI向の国公私立小中高向けガイドライン
    5. 文化庁が公開した著作権の考え方
    6. 高等教育 (大学等)
  10. ChatGPT以外の生成AI
    1. Microsoft New Bing
    2. Bingの利用法
    3. GoogleのBard
    4. 日本における生成AI構築の取り組み
  11. 生成AIの利用まとめ
    • 質疑応答

第3部 ChatGPTをはじめとする生成AIの研究DXへの活用

(2023年11月9日 13:20〜14:50)

 本講演では、自然言語処理、生成AIの基礎から始め、研究現場での具体的な応用方法を紹介し、最新の生成AI技術の活用法までを解説します。
 ChatGPTの登場を契機に、生成AIはAI技術の中で急速に注目を集める分野として進化しています。自然言語処理技術は、化学実験や材料開発など多岐にわたる領域で新たな可能性を開拓しています。従来、特許や文献の情報収集、文書の抽出、要約、分類などを中心に活用されていましたが、生成AIの進化により、これらのタスクの精度向上だけでなく、新しい化合物の提案や材料の特性予測など、高度な用途での利用事例が増えてきました。
 プロンプトエンジニアリングは、ChatGPTを活用する際に、生成AIの能力を最大限に引き出すためのキーとなるテクニックです。適切な回答を見出すためには、効率の良い質問の仕方が求められます。ChatGPTは分野にも依存しますが、少なくとも大学教養並みの知識は有しているため、さらにプロンプトの一部に使用する知識や情報を組み込むことで、正しい推論の出力を得られる可能性が高まります。
 さらに、生成AIの現場への導入方法も重要な要素です。ChatGPTだけでなく、多くのサービスやオープンソースモデルが登場しています。コストを考慮すると、従来の自然言語処理との組み合わせも有効です。生成AIを単なる「打ち出の小槌」と見なさないためには、その能力と限界を正確に理解することが必要です。技術の進化に伴い、適用範囲や制約も変わる可能性があるため、最新の情報を常に取得し、適切にアップデートすることが求められます。

  1. 自然言語処理の概要
    1. 研究開発における自然言語処理の活用事例、よくあるケース
    2. 研究開発でよく使われる特許や文献の文書の特徴
    3. 自然言語処理の流れ
    4. 自然言語処理の技術変遷
  2. 文章生成の汎用的な大規模言語モデル
    1. 大規模言語モデル (LLM)
    2. ChatGPT
    3. GPT-3、GPT-4の登場 (GPT-5?)
    4. 生成AI活用のリスク
  3. 生成AIの導入方法
    1. 生成AIモデルの選択と調整
    2. 人材育成
  4. 研究開発での自然言語処理、生成AIの活用事例
    1. 特許調査・分類の自動化
    2. 化学・生物分野での生成AI活用
  5. プロンプトエンジニアリングと生成AIの最適活用
    1. プロンプトエンジニアリングの基礎
    2. 研究開発タスクでの応用
    3. 説明可能AIへの挑戦
  6. 研究開発におけるさらなる生成AIの応用と展望
    1. 生成AI技術の今後の進化予測
    2. 安全性と信頼性の確保、情報の扱い方
    • 質疑応答

第4部 生成AIを活用した、AIモデル構築のための学習データ前処理の効率化

(2023年11月9日 15:00〜16:30)

 生成AIをいかに活用していくか?の議論が盛んです。その中で、生成AIの成果物を、さらにAIモデルの学習データとして活用していく方法に関しては、まだまだ未知数です。
 この講座では、学習データとしての、生成AIの成果物の活用方法に関して、論点整理を行い、検討していきます。
 一般的には、AIモデルを作成するための学習データは、現実世界で採取されたデータに対し、「特徴量エンジニアリング (前処理) 」と言われるデータ整理・加工を経て完成されます。この「特徴量エンジニアリング (前処理) 」は工数がかかり、ひとつのAIモデル構築のネックとなっていました。この過程が生成AIを活用することで、効率化できるとすれば、大きな武器となります。その方法を探ります

  • AIモデルの作成に関する学習データの位置づけ
  • 自然言語処理における学習データの特徴量エンジニアリングの例
  • 生成AIで出力されるデータの特徴
  • 生成AIで出力されるデータを、そのまま再帰的に学習データとして使用はしない!
  • 別AIモデルからのデータを、活用できるか?
  • 論点整理
  • 生成AIと学習データのこれから
  • 質疑応答

第5部 創薬への生成AIの活用法

(2023年11月9日 16:40〜17:40)

 生成AI技術の急速な進歩により、創薬においてもタンパク質、並びにリード化合物のデザインに生成AIが活用されている。最近発表されたRFdiffusionは、画像生成で大きな成功を収めた拡散モデルを基にタンパク質のデザインを可能とした手法である。また、リード化合物のデザインにおいては、GAN, VAE, RNN, RL等を基にした複数の手法が提案されている。現在では、生成AIでデザインされた化合物を化学合成、並びにバイオアッセイを行い、実際に強い阻害活性を持つことを示した研究成果が複数報告されている。また、創薬の現場においてもリード化合物の探索、最適化のための手段として利用されるに至っている。
 本講座では、はじめに、生成AIによるタンパク質、並びにリード化合物のデザイン法について解説する。主に、RFdiffusionの利用方法、並びにファーマコフォアを指標とした生成AIによるキナーゼ阻害剤のデザインを事例として紹介する。次に、リード化合物の最適化で利用されている生成AIについて解説する。活用法として、DeepSARMによる共有結合型キナーゼ阻害剤のデザイン法について紹介する。最後に、生成AIを用いたSAR Transferについて解説する。SAR Transferは、活性の向上に伴う側鎖構造の変化の共通性を利用したリード化合物の最適化法である。事例として、MMP-1阻害剤の最適化について紹介する。本講座を通して、創薬における生成AIの具体的な活用のイメージを掴んでいただきたいと思います。

  1. 創薬における生成AI技術の概要
  2. 生成AIを用いたペプチド/タンパク質のde novoデザイン
    • オープンソースのプログラム (RFdiffusion) の紹介
    • 創薬における活用法
  3. 生成AIを用いたリード化合物のde novoデザイン
    • De novoデザインで利用される生成AIの概要
    • オープンソースのプログラム紹介
    • ファーマコフォアを指標とした生成AI手法 (Deep Quartet)
    • 創薬における活用法
  4. 生成AIを用いたリード化合物の最適化
    • リード化合物の最適化で利用される生成AIの概要
    • SAR Matrixを基にした生成AI手法 (DeepSARM)
    • 創薬における活用法
  5. 生成AIを用いたSAR Transfer
    • SAR Transferの概要
    • AS alignmentによるSAR Transfer
    • DeepASによるSAR Transfer
    • 創薬における活用法
    • 質疑応答

講師

  • 小柴 等
    文部科学省 科学技術・学術政策研究所 データ解析政策研究室
    主任研究官
  • 小波 盛佳
    フルード工業 株式会社
    執行役員 / 研究開発室長
  • 向田 志保
    三井化学株式会社 DX推進本部 DX企画管理部
    主幹研究員
  • 太田 桂吾
    株式会社LINK.A
    代表取締役
  • 吉森 篤史
    株式会社 理論創薬研究所
    代表取締役

主催

お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 65,000円 (税別) / 71,500円 (税込)
複数名
: 60,000円 (税別) / 66,000円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、1名あたり 60,000円(税別) / 66,000円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 65,000円(税別) / 71,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 120,000円(税別) / 132,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 180,000円(税別) / 198,000円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 他の割引は併用できません。

アカデミック割引

  • 1名様あたり 30,000円(税別) / 33,000円(税込)

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

  • 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
  • 病院などの医療機関・医療関連機関に勤務する医療従事者
  • 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
  • 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方
  • 支払名義が企業の場合は対象外とさせていただきます。
  • 企業に属し、大学、公的機関に派遣または出向されている方は対象外とさせていただきます。

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は郵送にて前日までにお送りいたします。
  • 開催まで4営業日を過ぎたお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
    ライブ配信の画面上でスライド資料は表示されますので、セミナー視聴には差し支えございません。
    印刷物は後日お手元に届くことになります。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。

これから開催される関連セミナー

開始日時 会場 開催方法
2024/8/7 AIやxRを活用した機械設計製図の最新動向と将来展望 オンライン
2024/8/7 機械学習による物理代替モデル構築の考え方と実践 オンライン
2024/8/7 医療機器QMSにおける統計手法の適用とサンプルサイズ決定方法 オンライン
2024/8/8 回帰モデルを用いた化学データの特性予測と実験条件探索 オンライン
2024/8/9 労働生産性向上による人手不足解決方法 オンライン
2024/8/13 Pythonを用いたスペクトルデータ解析 オンライン
2024/8/21 電子実験ノートの導入と共有・利活用ノウハウ オンライン
2024/8/23 機械学習の基本と回転機器の異常検知への応用 オンライン
2024/8/23 ChatGPTによる丸投げ統計解析 オンライン
2024/8/26 設計標準化の基本と効果的な進め方 オンライン
2024/8/26 点群レジストレーションとオブジェクト認識 オンライン
2024/8/26 「感性・感情・印象」の評価・定量化・モデル化手法と技術開発への可能性 オンライン
2024/8/26 機械学習モデルの性能最大化とハイパーパラメータのチューニング オンライン
2024/8/27 積層型CMOSイメージセンサの開発 オンライン
2024/8/27 PPK/PD 解析・E-R解析の基礎および薬剤応答の予測への活用 東京都 会場・オンライン
2024/8/29 ディープニューラルネットワークモデルとMTシステムの基礎 オンライン
2024/8/29 マテリアルズ・インフォマティクスの基礎と実践事例 オンライン
2024/8/30 研究開発における「生成系AI」 活用のヒントと落とし穴、その使い分け オンライン
2024/8/30 「感性・感情・印象」の評価・定量化・モデル化手法と技術開発への可能性 オンライン
2024/9/2 音による故障検知および故障予知 オンライン

関連する出版物

発行年月
2024/4/8 画像認識技術・システム 技術開発実態分析調査報告書
2024/4/8 画像認識技術・システム 技術開発実態分析調査報告書 (CD-ROM版)
2024/3/4 対話型生成AI (人工知能) 利活用技術 技術開発実態分析調査報告書 (CD-ROM版)
2024/3/4 対話型生成AI (人工知能) 利活用技術 技術開発実態分析調査報告書
2023/12/27 実験の自動化・自律化によるR&Dの効率化と運用方法
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2022/4/28 研究開発部門へのDX導入によるR&Dの効率化、実験の短縮化
2022/4/28 プラントのDX化による生産性の向上、保全の高度化
2022/1/13 DXを未来のビジネスに結びつけるための情報収集利活用ノウハウ
2022/1/12 製造DX推進のための外観検査自動化ガイドブック
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/7/14 AIビジネスのブレークスルーと規制強化
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術