【最新AI情報】OpenAI の１２日間連続新機能紹介１日目はOpenAI o1 pro mode２日目はRFT Reinforcement Fine-Tuning | ★カール経営塾★経営学用語集起業独立成功MBAの為のビジネス力養成サイト

OpenAIは１２月７日から１２日間連続で新機能について発表すると公表しました。

御礼！ついに2冊連続10万部突破しました　PR

Day1　OpenAI o1 and o1 pro mode　

初日は　OpenAI o1 and o1 pro mode　を発表しました。

１日目の内容は以下の通り

① o1 pro mode
数学・コーディング・大学院レベルの物理学、化学、生物学のベンチマークでo1よりもが性能向上している

② o1
o1-preview よりも賢くて高速です。画像にも対応のマルチモーダル。ChatGPT Plus（月額20ドル）で使えます。

③ 課金プラン「ChatGPT Pro」。月額200ドル。無制限の利用とo1 pro mode　が使える。

月額２００ドル　日本円で約３万円　が話題ですね、、、個人だとちょっと、、、ですね

で　OpenAI の１２日間連続新機能紹介の２日目はRFT　Reinforcement Fine-Tuning

従来の微調整とは異なりわずか数十個の例題でもモデルの性能を向上させることができるため
専門家レベルの知識と推論能力を備えた AI アシスタントを作成することが可能になる　とのこと。

RFT の仕組みは
モデルに問題を与え考える時間を与える
モデルの最終回答を採点する
正しい答えに導いた思考パターンを強化し
間違った答えに導いた思考パターンを弱める(強化学習を用いる)

RFT の活用例としては
法務アシスタントとしての活用　たとえば契約書レビュー
希少疾患の原因遺伝子特定の補助ツールとしての活用
科学研究の膨大な論文データからの疾患情報の抽出　など
　詳しくは以下の通りです

従来の微調整 (Fine-Tuning) との違い (Difference from Traditional Fine-Tuning):
- 従来の微調整は、モデルに入力されたテキストや画像の特徴を模倣させるように訓練させるもの。
- RFT は、モデルに新しい思考方法を学ばせ、特定の領域でより良い推論ができるようにする。
RFT の仕組み (How RFT Works):
1. モデルに問題を与え、考える時間を与える。
2. モデルの最終回答を採点する。
3. 正しい答えに導いた思考パターンを強化し、間違った答えに導いた思考パターンを弱める (強化学習を用いる)。
4. わずか数十個の例題でも、新しい分野で効果的に推論できるようになる。
RFT の活用例 (Examples of RFT Applications):
- 法務 (Legal): 法務アシスタントとしての活用 (e.g., 契約書レビュー)
- 医療 (Healthcare): 希少疾患の原因遺伝子特定の補助ツールとしての活用
- 科学研究 (Scientific Research): 膨大な論文データからの疾患情報の抽出
OpenAI の RFT 研究プログラム (OpenAI’s RFT Research Program):
- 複雑なタスクに取り組む専門家チームを持つ組織を対象としたプログラム。
- 限定枠で参加可能 (詳細は動画の説明欄から)
- 公開は来年初期を予定。