LEGALブログ（リーガル社員のここだけの話）

こんにちは。イノベーション開発部の明です。

この１、２年の間、生成AI技術、とりわけChatGPTやBardなどが世の中を賑わせました。
出始めの頃は、単なるチャット形式で、ブラウザに投げた質問に対して自然言語で答えを返してくれるだけだったものが、いつの間にかどんどん進化を遂げて、要求された文章を作成してくれたり、画像を書いてくれたり、
プログラミングをしてくれたり、最近は簡単なテキスト入力でリアルな動画まで作ってくれるようになりました。

最初に世の中に衝撃を与えたのは恐らくChatGPT3.0ではないかと思います。
こういったAI技術においては「パラメーター数」が多いほどより複雑な学習をすることができ、結果高機能とされています。　
例えていうと料理を作るのに利用する食材の数みたいなもので、多ければ多いほど複雑で味わい深い料理ができるようなイメージです。
ChatGPT3.0ではすでに1750億個のパラメーターを扱えるのに、その後に出てきたChatGPT3.5がその倍の3550億個、
さらにChatGPT4.0ではテキスト入力以外に画像の入力もできるようになったことに加え、
数学や化学、法律、経済学、コーディングなどの分野での精度が向上されました。
最近はChatGPT4oがリリースされて、日本語を含む非英語言語の性能向上や返答スピードの高速化が実現しています。

また、最近で一番驚いたのはSoraの発表です。
簡単なテキストを入力するだけで、高品質の動画を生成できるようになるのですが、まさに驚きと感動を感じられました。
具体的にSoraでは以下のようなことができます。
・テキストから動画を作成
・静止画から動画を作成
・動画の拡張・編集
・画像の生成
・高度なシミュレーション
これらのことがすべて動画編集のど素人の自分でも簡単にできてしまうのは、
動画コンテンツの制作や編集に革命をもたらすと言っても過言ではありません。
七色の未来が見えています。。。

ただ、少し落ち着いて考えてみると、その生成されたリアルすぎる画像や動画が本物かどうか、
AIで生成されたものかどうかの見分けもつかなくなると、それはそれで一種の脅威、恐怖かと思います。
全ての生成AIが正義のために動いている訳ではなく、正しくない使われ方も必ず存在するからです。
世の中にフェイク画像やフェイク動画が溢れる日々は耐え難いものだと個人的には思います。

犯罪リスクの高まりによりいつ自分が被害者になってもおかしくありません。
それを防止するために、いろんな法整備であったり、ITリテラシーの向上であったり、
国と個人でそれぞれを取り組んでいく必要があります。

恐らくあと数年もすると、自分の周りはいろんなものがAIに代替えされて、自分もそれに慣れた生活を過ごしているかと思いますが、
あくまで人間主体で、AIを便利に使うことで生活を豊かにする方向で、映画のマトリックスのようなことがありませんように。。。

　6月に入り夏の近づきを感じる暑い日が続いていますが、皆さまいかがお過ごしでしょうか。
　今回は最近気になっているAI創作物について著作権は発生するのか、またAI創作物が既存の著作物と似ていた場合、著作権侵害となるか、ということについて書きたいと思います。というのも最近ネット上で、AI制作物と書かれたイラストや動画等を頻繁に見かけるようになり、これらの著作権等について少し気になったからです。

　まず大前提として「AIが生成した創作物には著作権が発生するか」という点について、著作権法2条1項1号で「思想又は感情を創作的に表現したものであつて、文芸、学術、美術又は音楽の範囲に属するものをいう。」としていますが、AIが自動で作成したものは、「思想」や「感情」がなく創作意図がないため、基本的には著作権が発生しないと考えられています。したがって、人の関与が一切ないAI100％の創作物は著作権が発生せず、生成物があるのに、著作権者不在という中々興味深い状態になります。
　では、人間がAIに学習させ、創作意図をもってAIに創作物を生成させた場合、人の関与があるため、これに著作権が認められるのでしょうか。この場合、そう簡単ではなく、どれくらい人間が関与したのかという点が、著作者・著作権を決定する際の判断材料として重要視されており、AIが作成した部分を除いて人間が関与した個所のみに著作権が認められる等、判断が分かれています。
　したがって、一律にAI作成物に著作権が認められるかというと、現在まだルール策定の段階であるともいえると思いますので、国際的にもルール作りが急務とも言えます。（AIと著作権に関して、文化庁が動画を上げているのも興味深いです。
令和５年度著作権セミナー「AIと著作権」

　ここまでAI創作物に著作権が認められるかという点を述べましたが、ではAIが生成した創作物が著作権侵害となるのでしょうか。
　基本的には、AI創作物が著作権侵害に値するかは、通常の著作権と同じく、①「類似性」（既存の著作物が独自に持っている創作表現と似ているか）と、②「依拠性」（既存の著作物を参照・認知したうえで自己作品に用いたか）の二点で判断され、これらの項目を満たすと、著作権侵害が認められると考えられます。ただし、既存の著作物とAI創作物が類似していても、認知していない（知らない）ことを証明できれば（依拠していない）著作権侵害にあたらないとされるため、この点が問題となると思います。現状ではこの依拠性にもはっきりとした結論がでていないようです。つまりAIが学習して生成した制作物が既存の著作物に似ているのにもかかわらず、AIを使用した人間がその著作物を見たことがなく、「知らなかった」場合、はたして、これが依拠したといえるかという点に関して、明確な基準がなく複雑です。

　私が考える結論としてはなんとも曖昧ですが、以下の２点。
①もしAIを使用して創作物を生成した場合、著作権が認められるためには、必ず何らかの独自の表現を加えて人間の関与が認められる必要がある
②生成物とそっくりな既存著作物がないかをよく調べることが不可欠であり、最終的には人間の判断が重要なファクターとなる
　調べれば調べるほどまだまだはっきり定まっていない部分が出てきて、AIに特化した法律の整備が待たれるのが現状だと思われます。また、AI使用者が例え知らなかったとしても、AI 生成作品が既存の作品と酷似しているのであれば、争いが生じる可能性があるため、明確な理由がない限り、使用は控えるという判断が大切だとも思えました。

イノベーション開発部の大島です。
今回は個人的に少し思うところがあって調べていた「マクロとRPAとAI」に関してお話したいと思います。

まずはそれぞれの言葉を簡単に確認をしたいと思います。
「マクロ」は一般的にはWordやExcelといった製品に付随する機能で、色々な作業を自動化することを目的としています。私が調べていたマクロはもう少し広い範囲、例えばWindowsのバッチ処理などを含めたものを想定しておりましたが、特定の機能を自動化するといった目的は同じです。
続いて「RPA」ですが「Robotic Process Automation」の略語で普段皆様が行っているPC上の作業を肩代わりすることを目的とし、マクロのような各ソフトでの処理に限らずもう少し大きな処理を目的とします。例えば相談内容が記載されているメールを自動的に読み込んでExcelの帳票に転記するといった形で実現されています。それぞれの機能はマクロなどを活用して動作しますが、その連携をもって目的を果たす点が少し違います。
最後の「AI」ですが、これ自体は近年生成AIが人気ですので皆様もご存じのところではあるかと思います。指示や命令を受けることでその関係する処理を自動的に判断、実行することを目的としています。

どの手法を用いたとしても、その目的は「定型作業の効率化」であるために、行っている処理の違いはありません。
ではなぜ今回これに関して調べていたのかというと、AIの仕組みとも少し関係するのですが、どこまでの作業を効率化できるかといった部分に興味があったからです。
先ほど述べましたマクロやRPAは実は弱点があります。最たるものは「記録した処理以外のことは原則できない」「エラーが発生した場合の対処が原則できない」、つまり開発者（作業者）が記述した内容以上のことは対応できないといったことになります。
Wordなどのマクロがわかりやすい例となりますが、「マクロの記録」を行うと停止させるまでの間の作業を記録し、その後「マクロの実行」を行うことで同じ作業を自動的に実行することが可能となっています。実際に運用しようとすると、意図しないデータが含まれていた場合は、その処理はそこでストップするといったことが発生してしまいます。現実の定型作業を考えた場合、小さな意図しないデータは意外と多く存在しますので、そこを如何に対処するかが開発者の頭の悩みどころとなっています。

ここで「AI」の出番となりますが、上記の問題に対してある程度賢く対応できないのか、もっと言えば「私」は何も考えずに勝手に処理してくれるようなことはできないのかといったことを考え始めます。
当然同じことを考える人は多くいますので、現在では「EPA（Enhanced Process Automation）」などと呼ばれている複雑な非定型の処理の研究が始まっています。これは個別の処理はRPA（あるいはマクロ）で行い、そこで記述された処理をAI技術を活用して呼び出すことである程度の処理の自由度を持たせるものです。また、より高度なAIと連携することでその背景にある膨大なデータの分析に基づいた処理の自動化に関する研究も進んでいます。実際、先日3月には、AIソフトウエア会社のUiPath社とGoogle社のGoogleCloudとの連携を行うことが発表されておりますので、今後この分野がより活発化していくことは間違いないかと思います。

今回は詳しくお話しませんでしたが、この分野はLLM（大規模言語モデル）の活用やML（機械学習）など、生成AIの基本モデルと多くの共通する技術が用いられています。
今後皆様のパソコン、、といわず生活全般に色々な形で取り込まれていくかもしれませんので、それこそ「あれやっといて」とある程度ぞんざいな指示だけで色々な処理が自動化される未来も案外近いのかもしれません笑。

最後にちょっとしたコーヒーブレイク的な話題となりますが、実はリーガルの本社がある愛媛県はシルクの数少ない生産地であります。
その資料館に見学にいった際に買った繭玉の人形が家族に大層喜ばれまして、ちょうど咲いていた花と一緒に記念撮影されていました。
皆様もぜひ愛媛に来た際はシルクの繭玉を探してみてはいかがでしょうか？

こんにちは！
イノベーション開発部の橋村です。
ここ数年、Web3.0というワードを耳にすることが多くなってきました。自民党でも2022年にWeb3.0プロジェクトチームが組まれて、NFTに関する提言がなされたようなのですが、恥ずかしながら当時はNFTってなんですか～という状態でした。
自民党web3プロジェクトチームでは昨年から資料をnoteに公開しているそうで、注目度の高まりを感じます。
（自民党web3プロジェクトチームのnote：https://note.com/akihisa_shiozaki/n/n8c7ce077e068）
web1.0は読むだけで一方通行、web2.0は読み書きで双方向の情報受発信、web3.0はさらにそれぞれが分散してデータを保持するということのようです。（経済産業省「Web3.0」：https://www.meti.go.jp/policy/economy/keiei_innovation/sangyokinyu/Web3/index.html）
いつか真面目に勉強せねばと思っていたところ、愛媛県主導で Web3.0のセミナーを開講すると聞きまして、勢いで受講を申し込んでしまいました。（愛媛Web3.0カレッジ2023：https://ehimeweb3college.dhwschiba.com/）
もともと技術的な理解を深めることを期待して覗いてみたセミナーだったのですが、蓋を開けてみると全然そんなことはなく。さまざまな立場の方が参加されていて、知識やノウハウというよりは、新しい技術や考え方が、それぞれの業界の方にどのように受け止められているのか、どのように活用しようと考えているのか、実際にお話ししてみることができるという、たいへん得難い機会でした。
Web3.0の特徴としてよく挙げられるのは下記のようなものとされています。
• 自律分散・双方向・脱中央集権・DAO
• ブロックチェーン・デジタルアセット・NFT
• メタバース
全６回の講座の締めくくりに、Web3.0を今後の生活にどのように活かしていくか？というプレゼンを各自発表することになったのですが、私のほうからはメタバースとNFTに着目して、市区町村の公民館・集会所を繋いだ双方向メディア配信プラットフォーム、という提案をさせていただきました。利用者の平均年齢をおよそ70歳と見込んだプランです（笑）
さて、コロナ禍以来、テレワーク・オンライン会議・ペーパーレス化など、遠隔・非接触で業務を行うことに対して、さまざまな取り組みがなされました。また実際にWebカメラやコミュニケーションツールが大いに活用され、時間と場所を問わない働き方が社会に受け入れられる大きなきっかけとなったように思います。
いずれ法律分野においても、この影響は避けられないと考えています。さすがに、現在のVRヘッドセットを装着して業務を、という形にはならないと思いますが・・・

現在、弊社の登記用電子署名サービスRSS-SRでは、リモート環境で複数人が書類に対して署名を行う（署名リレー）を実現する機能が装備されています。
今後、非対面・非接触状態で業務を行うような世界になったときに備えて、まずはその基盤になるであろう電子署名をサポートしよう・・・というものです。できる限り皆様の業態に寄り添った形でサービスを提供できるよう、製品開発に努めて行きたいと思います。
いやぁ、いっぱい覚えないといけないことがありますね(^▽^)/

こんにちは。イノベーション開発部の西山です。

桜の開花が待ち遠しいこの時期、皆様いかがお過ごしでしょうか。
この冬は暖冬傾向で、本社のある愛媛も暖かい日が多かったように思います。
とはいえ桜の開花に必要な一定の寒さもあり、今年の桜の開花予想は平年より早くなるところが多いようです。
ソメイヨシノの開花を楽しみにしたいと思います。

さて、皆様ご存じと思いますが、先日３月１日から、戸籍を本籍地以外でも取得することができるようになりました。

戸籍謄本など戸籍に関する証明書は、これまで基本的には、本籍地の市区町村役場でないと取得することができませんでした。
本籍地が遠い場合や、相続手続で被相続人や相続人の本籍地が複数各地にある場合などは、各地の役場に郵送請求して取り寄せることになり、時間や手間がかかっていました。
今後は、最寄りの市区町村の窓口で、まとめて取得することができるようになります。

ただし、郵送や代理人による請求はできない、一部事項証明書等は請求できない、コンピュータ化されていない一部の戸籍・除籍等は取得できない、戸籍の附票は対象外、などの制限があります。

戸籍法改正について詳細は、法務省のＨＰをご参照ください。
参照）法務省HP－戸籍法の一部を改正する法律について（令和６年３月１日施行）

なお、各市区町村から法務省の戸籍情報連携システムにアクセスが集中し、戸籍証明書の交付がしにくい状況になっているようです。法務省で改善作業を行っているとのことですので、早く改善されて広域交付を利用できるよう願っています。

間もなく４月１日から相続登記の義務化が施行予定で、今後相続登記が増加することが予測されます。
戸籍収集は相続手続で手間がかかる作業の１つかと思いますが、広域交付により便利になるのではないでしょうか。
司法書士が相続案件を受任する際は、予め依頼者自身が取得できるものは最寄りの役場でまとめて取得していただき、不足する分を司法書士が代理請求する等で、時間や手間を省くことができるのではないかと思います。

今後も、様々なものが、より便利に利用できる仕組みになっていくことを期待したいですね。

お久しぶりです。アース(接地)がearthだったことに最近気が付いたイノベーション開発部の長野です。

早速本題です。
インターネットでサービスを受ける際、インターネットに接続するために使ったケーブルや電波の中をデータが通っていきます。
私たち人間にはそのデータは見えませんが、接続された機械には電圧の大小を０や１と解釈してその内容は丸見えです。
例えばあなたが"ABC"と入力して「決定」した場合、操作した端末は"ABC"を０と１に変換して、LANケーブルやWiFiの電波等で送出します。
受け取ったサーバは０と１を元に戻して"ABC"を得るのです。
あなたの操作した端末とデータを受け取って処理するサーバの間には、ルーターやリピータなどデータを中継する機器が介在しています。
これらの機器はデータを右から左に移動させることが仕事ですので、その処理中にデータの内容が否が応でも見えてしまいます。
あなたの個人情報をサービス提供者にインターネットで送る際、どのような通信経路で届くか分からない以上、「なんとなく気持ち悪い」という感情は同感頂けるのではないでしょうか。

で、今回説明します「セキュアな通信路」になるわけです。
「セキュアな通信路」とは、通信内容を途中で見られても大丈夫な通信路になります。実際は安全な通信路を別に用意するのではなく、通信する内容を見られても大丈夫な様に暗号化して送るということで実現します。
そう、皆さんご存じのhttpsという訳です。httpsのsはSecureのsです。
httpsを使って安全にサービスを受けましょう、で終わればここまでなのですが、もう少し踏み込んでみます。
このSecureのsですが、実は色々な暗号化の方式があり、既に危険な暗号化方式もあります。
例えばSSL3.0、TLS1.0等がその暗号化方式の種類になります。
IPAでは「TLS 暗号設定ガイドライン」(https://www.ipa.go.jp/security/crypto/guideline/ssl_crypt_config.html より)で
TLS1.2以上【のみ】の使用を推奨しています。
では、サービスを利用する私たちはどうすれば良いのでしょう。
TLS1.2という暗号化方式は、サービスをする側と受ける側の両方が対応して初めて機能します。
サービスする側のリーガルは既にTLS1.2に対応した経路を準備しています。
サービスを受ける私たちはTLS1.2に対応したウェブブラウザを利用すれば良いのです。
例えば、次のURLからその対応状況がわかります。（https://jp.globalsign.com/support/ssl/confinfo/tls.html）
ご覧いただければ直ぐに分かりますが、普通に使うウェブブラウザは全てTLS1.2に対応しています。
TLS1.3という次代の暗号化方式も出てきております。自然にそれに対応できるようウェブブラウザのバージョンを時々は気にしてください。
今回もお付き合いくださりありがとうございました。では、また。

こんにちは、イノベーション開発部の森です。
今回は最近私が学んだ面白いトピックについてお話ししたいと思います。それは「Embedding」（エンベディング）です。
そもそもEmbeddingって何でしょうか？
簡単に言うと、これはデータをコンピュータが理解しやすい形に変換する方法の一つです。
Embeddingとは、単語や文、画像などの情報を、その単語や文の意味を表現するベクトル空間に配置することです。配置することで、その位置関係から要素同士の関係性を数値で扱える様になり、検索エンジンやレコメンド機能、チャットボットなど様々なものに利用できます。
例えば検索エンジンで利用する場合、キーワード検索では、キーワードが含まれている文しか検索できませんが、キーワードの持つ意味で検索をすれば、近接する意味の単語を含む文も検索できます。ネットショッピングのとき、「これもおすすめです」という商品の推薦を見たことがあるかと思います。これはEmbeddingの一例で、コンピューターが私たちの購買履歴や好みを分析して、新しい商品を提案してくれます。
今日では、上記のネットショッピングのレコメンドのほかにも様々なサービスにおいてEmbedding技術は利用されています。

では次に、Embeddingではデータの関連性をどのように導き出しているのでしょうか。実際にEmbeddingを使って画像データを3D空間にマッピングしてみました。
今回の目的は3つのジャンル、動物、乗り物、キッチン用品の画像からそれぞれ特徴抽出させて、各ジャンルがどのように分布するかを図示することです。手順としては画像の情報を単純化したベクトルデータに変換し、そのベクトルに沿ってマッピングするという手順になります。
通常、画像からベクトルデータに変換する際にはもっと高次元の複雑なデータが得られますが、今回はデモンストレーションのために3次元に次元削減してみました。
そして実際にマッピングしてみた結果が以下の画像です。

動物、乗り物、キッチン用品といった異なるカテゴリの画像が、それぞれ固まっている様子が3Dマッピングで視覚化されました。
Embeddingでは、それぞれの点の近さがその類似性を表します。近ければ近いほど類似性があるということになります。
そのため動物同士でもいろんな種類がありますが、乗り物やキッチン用品に比べれば動物内の座標の方がより近いように見えます。
これは乗り物やキッチン用品と比べれば、動物同士のほうが類似性があるという結果です。

今回は単純に画像データをベクトルデータに変換してマッピングしましたが、それだけで画像の類似性がわかりやすくマッピングされたかと思います。
しかも、Embeddingでは画像に限らずテキスト、音声、動画をベクトルデータによって表現するためファイルの形式、データの形にとらわれることなく類似性を測ることができるのです。

このEmbeddingの技術は、近年私たちが利用している多くのデジタルサービスにおいて非常に重要な技術です。
さらに話題の生成AIにおいてもEmbeddingは活用されており、テキストや画像、音声データから特徴を抽出して、新しいコンテンツの生成をしています。

今回はEmbeddingについて紹介しましたが、弊社においてもお客様に便利だと思っていただけるようなサービスの開発のため、今後も勉強を重ねてまいります。
株式会社リーガルを今後ともよろしくお願いいたします。

　こんにちは、イノベーション開発部の浅海です。
　涼しくなったり暑くなったりの秋も過ぎて、今度は寒い冬がやってきました。秋に一時期寒くなった時の影響でペット達は毛がモフモフからモッフモフくらいになり、ほとんど冬毛の状態で暑い時期を過ごすことになってしまいました。昼間は暑そうにしていたので、まさかの冬目前に扇風機を出すことになり秋の消滅を感じていました。今年は桜が咲いていたり、過ごしやすい気温だったりと春を感じることは出来ていたので、来年以降も春は残ってほしいなと思っています。

　話題は変わりますが、先日カラオケに行った際に設備が古めの部屋に案内されました。
ここ数年、ゲームのロード時間が短くなってきたことやデータの送受信も多少のことであれば数秒程度で終わるようになってきていることもあり、通信速度の遅さや送信の際の遅さにストレスを感じるようになってしまいました。同じように感じていらっしゃる方は多いのではないかなと思っています。そんな中案内されたカラオケの部屋ですが、曲を入れる際に端末をモニターの方に向けないと曲が送信されない上に、ボタンをタッチした後も送信されるまでに10秒弱かかってしまうほどでした。これまでタッチ後はすぐに送信されるカラオケに慣れていたので、とてもストレスでした。貯まるストレスをその場で歌って解消できるという点では、それはそれでいい…なんてことがあるのかもしれません。（笑）快適になっていくのはもちろんいいことですが、それに伴って少し前のものに対するストレスや耐性もだんだん弱くなっていくものだなと実感した日でした。
今はいろいろな周辺機器やデータ通信が快適になっているこの世の中ですので、私も開発を行っていく際には、そういった最新の技術のトレンドなどをしっかりと押さえて製品やサービスに反映させていき、使用する際に感じるストレスを少しでも軽減できるよう努力していきます。これからもリーガルの製品、サービスをよろしくお願いいたします。

こんにちは、イノベーション開発部の大西です。

我が家の子供達がだんだんと大きくなり、大人が食べている食事にも興味を示すようになるにつれて、私も自宅で頑張って料理を振る舞う機会が増えてきた、今日この頃です。

思い返せば、自分が子供の時にカレーやハンバーグなどの基本的な料理は何度か作ったことがあるので、最低限の料理の知識は持っていました。
しかし、若い頃に一人暮らしをしている間はコンビニ弁当やファーストフードで食事を済ますことが多く（その結果、体重が大幅に増加）、また、結婚した後はずっと妻に任せっぱなしで、本当にここ１～２年くらいの前までは、料理を作ることから完全に遠ざかっていました。

しかし妻が週末に仕事のため外出し、家には私と子供たちで留守番という機会が多くなると、「やはり、ここは出来立ての食事を出してやった方が良いだろうなあ」という気持ちが、自然と生まれてきました。
すると、ご飯だけ炊いてスーパーのお惣菜や冷凍食品を買ってきて添えて出すことに対する抵抗が自分の中でだんだんと強くなり、ついに錆び付いた料理の腕前を再び取り戻そうと、一念発起することとなりました。

最近は、何か作りたいと思い立ったら直ぐにYouTubeで様々な人たちの料理レシピを好き放題見ることができるので、本当に便利な世の中になったものです。例えば「野菜の切り方」と検索して表示された動画を見ると、自己流で適当に済ませてきたような包丁のテクニックについてもお手本を目で見て学ぶことができるので、昔よりもかなり上達が早くなったように思います。
個人的には、手が込み過ぎたレシピだとすごく美味しそうで試してみたいと思っても、「えっそんな食材がいるの？」となって断念することが多いので、お手軽な食材で美味しいものを作ろうというコンセプトの動画をよく見ています。

昨年の冬にはとうとう、何とかしてラーメンのスープを自宅で作ってみたいと思い、本当に鶏ガラを買い込んで出汁を取るところまでたどり着きました。しかし「次は豚骨スープかな…」と思ったところで、さすがに本格的過ぎてなかなか手が出せないうちに、この夏の猛暑のため、スープ作りは一旦中断となりました。
この頃はようやく気温が下がり始めましたので、そのうち人生初の一から豚骨スープ作りにチャレンジするかも知れません。
まずは、大きめの寸胴鍋を入手するところから検討しなければいけませんが…

しかしなぜ突然このように料理作りが面白いと感じるようになったか、我ながら不思議だったのですが、もしかしたらプログラミングやシステム開発と共通する点があるのではないかと思いました。
料理のレシピ＝設計図とみなせば、料理作りとコンピュータシステムの開発は、モノづくりという観点では同じようなもの、
というのは少々言い過ぎかも知れませんが、レシピ＝設計図がしっかりしていれば、まず間違いなく良いものを作ることができます。
また料理の場合は、食材等のコンディションが変わってくると程よい感じで試行錯誤することになるのですが、これがシステム開発で疲れた頭をちょうどリラックスさせてくれるような、そんな気がしています。

これからも、しっかり練り上げたレシピのようなシステム設計を心掛けながら、皆様のお役に立てる製品やサービス作りに取り組んでいきたいと思います。今後ともよろしくお願いいたします。

こんにちは、イノベーション開発部の万場です。

世間では昨年頃から生成AIが話題ですね。
既にリーガルブログでも活用されている方の記事がありましたが、
文章を書く事が苦手な私も日々AIの恩恵を受けております。

今回は生成AIを使用してブログ記事を作成出来ないかと考え、実際に生成させてみようと思います。

記事は「GPT-3.5 Turbo」、画像は「DALL·E 2」というAIで生成し、以下の流れで記事作成を試してみたいと思います。
①：プロンプト（指示文）を作成
②：プロンプトから記事を生成
③：記事に合う画像を生成するためのプロンプトを生成
④：③のプロンプトから画像を生成

まずは記事を生成させるため以下のようなプロンプトを作成します。
今回は後ほどレイアウトを調整できるようにプログラムで解析可能な形式で出力するようにします。

実際に生成されたものがこちらになります。
期待通りに記事の形式で生成され、文章の方も指示通りに記事生成AIについて説明しています。

生成された文章から画像生成用プロンプトを生成します。

画像生成用プロンプトから画像を生成します。
今回は想定外のものが生成されました。

記事の方は期待しているものが生成されたように思いますが、画像は関連性が不明なものになりました。
これは画像生成のプロンプトが不足していた事が原因ではないかと思われます。
今回は簡単なプロンプトを使用しましたが、生成AIは適切なプロンプトで指示を出していく事で精度を高めていくことが出来ます。
AIが生成した記事にも書かれている通り、AIだけで完全にものを作る事は難しいですが、
活用方法次第では仕事の効率化や製品の品質向上のため今後も成長が期待される技術です。
私も今後の製品開発に活かせるようにAIとの共存を図っていきたいと思います。