繰り返しチャレンジしている背景技術自動生成チャレンジですが、
www.patent-topics-explorer.com
www.patent-topics-explorer.com
3番目はGoogle Bardの登場です。
Google Bardは日本でもリリースされましたが当初は日本語対応していなかったのですが、満を持して日本語対応してきましたので、登板決定です。
いつも通りの条件で出力してみます。
今回の発明: トランスフォーマーアルゴリズムを用いた専門知識を有するチャットボットの発明。
背景技術: ですます調は用いない。
非特許文献: 日本の非特許文献の記載に合わせる。簡単な要約をつける。
期待の結果はこちらでした。
背景技術
チャットボットは、近年、幅広いアプリケーションで使用されている人工知能（AI）の一種です。チャットボットは、自然言語処理（NLP）を使用して、人間との対話を行うようにプログラムされています。チャットボットは、カスタマーサービス、ヘルスケア、教育など、さまざまな目的で使用されています。
従来のチャットボットは、ルールベースのアルゴリズムを使用して人間との対話を行います。ルールベースのアルゴリズムでは、チャットボットに対して事前に定義された一連のルールをプログラミングする必要があります。これにより、チャットボットの応答は非常に制限的になる可能性があります。
トランスフォーマーアルゴリズムを使用するチャットボットは、従来のチャットボットよりもはるかに自然でインタラクティブな応答を提供できます。トランスフォーマーアルゴリズムは、機械学習を使用して人間の対話から学習します。これにより、チャットボットは、より現実的で役立つ応答を提供できます。
非特許文献
- 非特許文献1: Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Kaiser, L. (2017). Attention is all you need. arXiv preprint arXiv:1706.03762.
この論文では、トランスフォーマーアルゴリズムの概要が説明されています。トランスフォーマーアルゴリズムは、自然言語処理のタスクに使用される新しい機械学習モデルです。トランスフォーマーアルゴリズムは、従来の機械学習モデルよりもはるかに効率的かつ効果的です。
- 非特許文献2: Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I. (2018). Improving language understanding by generative pre-training. arXiv preprint arXiv:1801.06146.
この論文では、生成的事前トレーニング（GPT）モデルの概要が説明されています。 GPTモデルは、テキストとコードの大規模なデータセットで事前トレーニングされたトランスフォーマーモデルです。 GPTモデルは、テキストの生成、言語の翻訳、さまざまな種類のクリエイティブコンテンツの作成、質問への回答を行うことができます。
ChatGPTのWeb browsing機能を入れたときと同じように、ですます調などの追加条件はなかなか聞いてくれなかったです。一方で、論文はhallucinationなく出てきているようです。
2021年以上の情報でもよく、いろいろと制限を付けて出力したい場合は、いまのところChatGPT ProでのGPT-4が背景技術出力では言うことは聞いてくれるなという形です。
最新情報やソースをしっかりと見たい場合は、ChatGPTのweb browsing機能がよいように思えますが、時間がかかるのと、特許だと一番いい情報をひっぱってこないことも多いので、今後に期待という印象をもちました。
Bardについては最新情報も入っていますし、無難な回答を返してきますが、GPT-4のように色々とこちらから制限をかけるのが難しく、あくまでチャットボットの印象です。特許関係ではこちらも今後の機能向上に期待という印象を持ちました。
