思考連鎖プロンプトが ChatGPT 出力を改善する方法

Google は大規模なコンテンツの不正行為を取り締まっている。 ただし、コンテンツ エンジンのスケーリングを停止する必要があるという意味ではありません。 スケーリングをサポートするために AI の使用をやめる必要があるという意味でもありません。 それは、スパム的で内容の薄いコンテンツに頼って競争することはできないということを意味します。

では、ペナルティを受けずにコンテンツ量を増やすために AI を活用するにはどうすればよいでしょうか?

それは簡単です。AI を人間のクリエイターに代わるものではなく、拡張ツールとして受け入れるのです。

コンテンツ作成の取り組みを強化する 1 つの方法は、高品質のコンテンツをより迅速に作成するよう促す思考連鎖などの新しい AI 戦術を使用することです。

CoT の世界と、CoT がコンテンツ エンジンの改善にどのように役立つかを詳しく見てみましょう。

思考の連鎖とは何ですか?

思考の連鎖 (CoT) は、大規模言語モデル (LLM) の推論能力を向上させるために使用される手法です。 中心的なアイデアは、モデルが複雑な問題をより小さく、より管理しやすいステップに分解し、最終的な答えにつながる明確な推論の連鎖を提供することを奨励することです。

これは、学校で数学や推論の問題の解き方を学んだ方法と似ています。 これがどのように機能するかの簡単な (非常に単純化された) バージョンを次に示します。

• 問題の変換: LLM に単にタスクや質問を提示するのではなく、一連の思考プロンプトによって入力が再構築され、「段階的に考えてみましょう」というフレーズが含まれます。この合図は、中間の推論ステップを生成するようモデルに信号を送ります。
• 中間推論:モデルは、解決策につながる思考プロセスを段階的に明示的にレイアウトすることが奨励されます。これには、計算、論理的推論、または関連情報の想起が含まれる場合があります。
• 最終的な答え:モデルは、理想的には、モデルが生成した透明な推論チェーンによってサポートされて、最終的な答えに到達します。

このタイプのプロンプトは、以下の例に示すように、単一のプロンプトで配信することも、複数の連続したプロンプトに分割して相互に構築することもできます (これについては後で詳しく説明します)。

このアプローチは、 Jason Weiと Google Research Brain Team の専門家チームによって2022 年の論文で初めて考案されました。 以下の例は、CoT を紹介した論文からのものです。

• 標準プロンプトには、問題と解決策の例、および AI が答える必要がある質問が含まれています。
• CoT プロンプトには、同じ問題と解決策のセット、その解決策に到達する方法を概説する一連のステップ、そして AI が答えるための新しい質問が含まれています。

ご覧のとおり、モデルは最初の問題に正しく答えることができませんでしたが、そこに到達するための「思考の連鎖」をたどるプロンプトが表示されると成功します。

このペーパーでは、この迅速なエンジニアリング戦術がさまざまな推論問題にもたらすいくつかの重要な利点を特定しました。

• 段階的なプロセスにより、AI はより徹底的に考え、ロジックの飛躍を避けるようになり、結果の向上に役立ちます。
• CoT は AI の意思決定プロセスへの窓を提供し、ユーザーとモデル設計者にこれらのモデルがどのように機能するかについてのより多くの洞察を与えます。
• AI が特定の出力を選択する理由についての説明を要求することで、CoT は LLM が陥りがちなバイアスの一部を軽減できる可能性があります。
• AI ユーザーは、感情プロンプト戦術と同様に、「段階的に見てみましょう」や「推論を説明してください」などのステートメントを含めるだけで、出力を改善できます。

最も重要なことは、この戦術には、 ChatGPT 、 Gemini、 Jasper 、またはその他の LLM ベースの AIに供給する言語ベースのタスクの結果を向上させる可能性があるということです。 実際、Google は 2022 年から CoT を使用してモデルをトレーニングしています。

Pathways Language Model (PaLM) は、思考連鎖と呼ばれる手法を使用して、数学の文章問題を解くなどの複雑なタスクを実行し、推論プロセスをステップごとに説明する新しい高度な AI モデルです。 #GoogleIO pic.twitter.com/YHLsnqNemv

— Google (@Google) 2022 年 5 月 13 日

さて、思考の連鎖についてもう少し理解できたところで、コンテンツ作成の効率を向上させるためにそれを使用する方法を見ていきましょう。

思考連鎖プロンプトがコンテンツ作成にどのように役立つか

思考連鎖プロンプトを使用してタスクを書くための出力を改善することは、単純な数学や常識的な推論よりも複雑です。 数学や文章の問題には 1 つの正解に導く特定のルールがありますが、戦略やコンテンツの作成にはさまざまな方法があります。

SEO コピーライティング、コンテンツ マーケティング、配信にはコツがあります。 とはいえ、特にエンタープライズ規模では、これらのタスクには多くの推論が関係しています。

Google による元の CoT 研究では、このプロンプト スタイルが、人間の問題解決プロセスを模倣した段階的で構造化されたアプローチを提供することにより、LLM の推論能力を大幅に向上させることが強調されています。

ライティングタスクにそれが適用できる根拠は、複数のステップの推論、計画、思考の組織化、および一貫性のある論理的な方法でのアイデアの開発を必要とするプロセスとしてのライティングの性質にあります。

執筆タスク、特に物語、議論的なエッセイ、または技術レポートの作成を伴うタスクでは、最終的な作品の開発につながる思考プロセスの概要を説明する CoT アプローチの恩恵を受けることができます。

ここでは、思考の連鎖を促し、思考プロセスを構築し、複雑な問題を分解し、論理的な進行を導く基本原則が、効果的な文章の要件とどのようにうまく調和するかを説明します。

1) トピックリサーチ

B2B SaaS スペースには、クラウド インフラストラクチャから機能管理、そして AI に至るまで、高度な技術的なニッチがたくさんあります。

フリーランサーとして働いている場合でも、代理店で働いている場合でも、API を多数統合している大規模なブランドで働いている場合でも、新しいトピックを迅速に消化することが仕事の中心となる可能性があります。

思考の連鎖を促すことは、このタスクに有益です。 新しいトピックを理解しようとするとき、学習プロセスを一連の質問と回答に分割し、それぞれが最後の質問に基づいて構築されると、そのトピックの包括的な理解を徐々に構築するのに役立ちます。

CoT は、トピックのさまざまな側面を順番に探索するようにモデルをガイドし、複雑な情報を理解しやすくします。

あなたが代理店で働いていて、 Hashicorp の Terraform のようなクラウド インフラストラクチャ製品に割り当てられたばかりだとします。 対処している複雑さの例として、Wikipedia からの製品の説明を次に示します。

コードとしてのインフラストラクチャ (IaC)。 宣言型構成言語。 JSON。 いきなりですが、これらは 3 つの非常に複雑なトピックです。

これら 3 つのキーワードに関連する最も関連性の高い概念を特定することで、ChatGPT を使用して学習プロセスを高速化できるかどうかを見てみましょう。

「選択した概念の背後にある理論的根拠を説明する」という項目を追加することで、(理論的には) ChatGPT がより意図的な回答を提供するように指示しています。

以下に示すように、IaC の主要な概念にはそれぞれその重要性の説明が付いています。

このアプローチを通じて、Terraform や Ansible などのツールについて知ることだけが重要ではないことを学びます。 前者はプロバイダーに依存せず、後者はエージェントレスの構成管理を提供することを知っておくことも重要です。

これは、複雑なコンテキストをより迅速に分解して理解するのに役立つタイプのコンテキストであり、私のようなクラウド インフラストラクチャの初心者にとって非常に役立ちます。

ここで、AI にその「思考プロセス」を説明するよう指示せずに、通常のプロンプトを与えた場合に得られる指示を見てみましょう。

ここで、番号付きの各箇条書きの下に含まれる情報は確かに重要ですが、同じレベルのコンテキストが含まれているわけではありません。

したがって、「推論を説明してください」または「これを段階的に説明してください」などのステートメントを追加するだけで、AI との各対話から得られる価値を高めることができます。

2) 概要および草案の作成

私は主に長文コンテンツの作成に重点を置いている人間として、創作プロセスの複雑さ（そして狂気）についてはよく知っています。 アイデアから完成品に至るまでの過程は、同じチェックポイント（テーマの計画、調査、ブリーフィング、ドラフト）を通過しますが、それらのポイントの間の道は、一部の人にとっては他の人よりも曲がりくねっています。

私がこれまでのところ生成 AI から得ている最大のメリットの 1 つは、クリエイティブ ワークフローの側面を合理化できることです。 AI は、クリエイティブなブリーフやラフドラフトにボールを転がすのに役立ちますが、CoT プロンプトはさらに役立つ可能性があります。