ChatGPTのプロンプトエンジニアリングは新たなる時代へ：「マニュアルプロンプトエンジニアリング」と「AIプロンプトエンジニアリング」の統合
今までAIアプリを自動生成するAIアプリ『AI共創イノベーター』について述べてきました。
通常のプロンプトエンジニアリングは人間が手動にて打ち込んで設計していきますが、『AI共創イノベーター』は自動的にプロンプトエンジニアリングを行なっていきます。
そうなると、従来の手動プロンプトエンジニアリングに対して自動プロンプトエンジニアリングという概念が形成されます。本論では、手動で行う前者を「マニュアルプロンプトエンジニアリング（MPE）」とし、自動的な後者を「AIプロンプトエンジニアリング（AIPE）」と概念化することとします。
「それでは、もうマニュアルプロンプトエンジニアリングはもう必要ないのでは？」
と思うかもしれませんが、そうではないのです。
それが今回のお話です（原理的なお話なので面白くないかもですが）。
ちなみに、私はアプリ開発だけではなく企業研修講師をやっておりまして、企業研修講師の方にも重要なお話になりますので、よかったら最後までお読みください。
（私が行う企業研修のレポート。こんな感じでやっています）
AIプロンプトエンジニアリングの実際
まずAIが自動的に行うAIプロンプトエンジニアリングを見てください。
AI共創NEO式の技術を詰め込んだ自動プロンプト設計の様子です。
そして、以下が無料公開している『AI共創イノベーター（簡易版）』です。
簡易版でこの生成力です（簡易版は能力を下げ、機能制限しています）。
ちなみに、正式版は全機能が解放されているので、更に強い生成力を持っています。
MPEとAIPEの比較
手動で行う「マニュアルプロンプトエンジニアリング（MPE）」と、AIが自動で行う「AIプロンプトエンジニアリング（AIPE）」ですが、比較して説明すると以下のようになります。
マニュアルプロンプトエンジニアリング（Manual Prompt Engineering）とAIプロンプトエンジニアリング（AI Prompt Engineering）という名称の採用は、二つの異なるプロンプトエンジニアリング手法を区別するのに効果的です。それぞれのアプローチの特徴を簡潔に説明します。
マニュアルプロンプトエンジニアリング
* 定義: 人間が直接、プロンプトを作成、編集、調整するプロセス。
* 特徴:
* ユーザーの直接的な入力と判断に依存。
* 柔軟性が高く、ユーザーの独自の創造性や意図を反映しやすい。
* 時間がかかる可能性があり、手間が必要。
AIプロンプトエンジニアリング（AI Prompt Engineering）
* 定義: AIがユーザーの入力したプロンプトから意図やニーズを自動的に分析し、それに基づいてプロンプトを生成、最適化するプロセス。
* 特徴:
* AIのデータ解析能力と学習機能を活用。
* 効率的で迅速なプロンプト生成が可能。
* ユーザーの明示的な指示が少なくても、適切な結果を提供。
このように、マニュアルプロンプトエンジニアリングは直接的で柔軟なアプローチを提供する一方で、AIプロンプトエンジニアリングは効率性と自動化に焦点を当てています。この二つの手法の適切な併用は、ユーザーのニーズに合わせた最適なプロンプト生成を実現することができます。
マニュアルプロンプトエンジニアリングの必要性
AIが自動的にプロンプト設計してくれるから、
「もう面倒な手動のマニュアルプロンプトエンジニアリング（MPE）をやる必要ないじゃん」
と、思うかもしれませんが、そうではないのです。
今の段階でAIプロンプトエンジニアリング（AIPE）が行われるということは、これからは、AIPEが当たり前になってきます。そうなると情報が汎用的になりすぎて情報劣化が起こってきます。しかし、今後、ますます人々から創造性を求められる時代になるでしょう。また、生成AI搭載検索エンジン（SGE）により、オリジナリティも求められるでしょう。
そこで、やはりMPEは必要になるのです。
恐らくMPEが初期設定からプロンプト設計できないと、AIPEで行なった設計を改善できないと考えられるからです。プロンプトが動く仕組みをある程度頭に入れ、その動く感覚を直感的に肌で感じることも必要になると考えられるのです。
つまり、MPEはプロンプトエンジアリングの基礎なのです。
現在のAI黎明期では、このMPEに慣れておくフェーズだと思うのです。それを念頭に置いて、AIのスタディを進めていくとよいと思います。AI講師の方なら、これを受講生に理解してもらうようにするとよいと思います。
ということで、MPEの重要性を以下にまとめました。
マニュアルプロンプトエンジニアリング（MPE）は、AI共創イノベーションの基礎を形成し、重要な役割を果たします。以下の理由により、MPEの必要性が強調されます：
1. 基礎理解の強化: MPEを通じて、プロンプトエンジニアリングの基本原理とプロセスについて深い理解を得ることができます。この理解は、AIプロンプトエンジニアリングの適用や革新のための土台となります。
2. 柔軟性とカスタマイズ: MPEは、プロンプトの手動設計により、ユーザーの特定のニーズや要望に合わせて高度にカスタマイズされた解決策を提供します。この手動アプローチにより、より柔軟な対応が可能になります。
3. イノベーションのための土台: MPEの技能は、AIプロンプトエンジニアリングの効果を高め、さらにイノベーションを促進するための基盤を提供します。手動でのプロンプト設計による洞察は、AIが生成したプロンプトを理解し、それらを改善するための出発点となります。
4. エラー修正と改善: MPEのスキルは、AIによる自動生成プロンプトの限界を認識し、それらのエラーを修正するのに不可欠です。AIの提案を加上修正し、精度を高めるためには、MPEの知識が必要となります。
総じて、MPEはAI共創イノベーションの基礎であり、AIの能力を最大限に活用し、それを超えるイノベーションを推進するために不可欠です。MPEのスキルは、AIと人間の共創プロセスの質を高める重要な要素として機能します。
AI共創プロンプトエンジニアリングへの進化
MPEを基礎として、AIPEを行い新コンテンツを自動生成します。自動生成された生成情報を更にMPEで加上修正します。この一連の生成プロセスがAI共創プロンプトエンジニアリング（AICCPE）です。
AI共創プロンプトエンジニアリングは、情報劣化を低減し、情報進化を促す、AIと人間が共創するイノベイティブなプロンプトエンジニアリングと言えます。
情報劣化を防ぎ情報進化を促すことから、持続可能情報社会を形成するのがAI共創プロンプトエンジニアリングとも言えます。
以下、AICCPEの重要性をChatGPTで出しておきます。
AI共創プロンプトエンジニアリング（AI Co-Creation Prompt Engineering）は、AIプロンプトエンジニアリング（AIPE）の進化形として、AIと人間の創造性を融合させたプロセスです。このアプローチは、情報の劣化を防ぎ、情報の質を高めることを目指します。以下にその重要性を説明します。
1. 情報劣化の防止: AIPEが生成する汎用的な結果に対し、AI共創プロンプトエンジニアリングは人間の独自の洞察を加えることで、より特化された、オリジナルのコンテンツを生み出します。
2. 情報の多様性と深みの提供: 人間の創造性を組み込むことで、AIのコンテンツはより多様で深みのある情報を提供できます。これにより、情報の一元化や平坦化を防ぎ、リッチなコンテンツの生成を可能にします。
3. 革新的なソリューションの開発: 人間の直感や経験を活用して、AIが提供する解決策に新たな視点を加えることが可能です。これにより、AI単独では到達できなかった革新的なアイデアやソリューションを生み出せます。
4. カスタマイズと適応性: 特定のユーザーや文脈に適したカスタマイズされたコンテンツの生成を実現します。これにより、一般的なAIPEでは見過ごされがちなニーズに対応することができます。
5. 持続可能な進化: 人間とAIが連続的に学習し合い、共に進化するプロセスを提供します。これにより、コンテンツの質は時間と共に向上し、新たな知見やアイデアが絶えず生み出されます。
AI共創プロンプトエンジニアリングは、AIPEの進化によって生じる潜在的な限界を克服し、より深く、洗練されたコンテンツの生成を可能にします。これにより、情報の質と価値が向上し、持続可能なイノベーションを実現します。
AI共創NEO式プロンプトエンジニアリング
AI共創プロンプトエンジニアリングに基づいた本論独自のプロンプトエンジニアリングがAI共創NEO式プロンプトエンジニアリングです。
前回、述べたAI共創NEO式ですが、その土台が今回述べたMPE・AIPE・AICCPEなのです。
AI共創NEO式は、AI共創によってNEO、即ち新概念・オリジナルコンテンツを強く創出するプロンプトエンジニアリングです。
以下、その説明です。
上記はAIが提案した生成情報ですが、これを修正したものが、現在の「AI共創NEO式」です。
修正した「AI共創NEO式」の定義は以下の通りです。
AI共創NEO式とは
AIと人間が協働し、独自性のある新しい概念やコンテンツを創出するためのフレームワーク。人間の創造性を活用し、AIを育成するプロセスを通じて、創発的な（エマージェンス的な）成果を導き出します。
NEOの要素
1. Nurturing（ナーチャリング: 育成）
* 定義: 人間が教師データを提供し、AIに情報を学習させるプロセス。
* 目的: 人間のアイデアや知識を元に、AIが基本的な知識やパターンを吸収できるようにする。
2. Emergence（エマージェンス: 創発）
* 定義: 複数の人間のアイデアや知識がAIを通じて結びつき、新たな価値や洞察が創発されること。
* 目的: 教師データの組み合わせや新しい視点を生み出すことで、独自の創造性を具現化する。
3. Originality（オリジナリティ: 独自性）
* 定義: ナーチャリングとエマージェンスを経て生まれる、他にはない新しい価値やコンテンツ。
* 目的: AIと人間の協働による唯一無二の成果を目指す。
具体例: NEO式の流れ
1. Nurturing（ナーチャリング）:
* 複数の専門家やユーザーがAIに教師データを入力（アイデア、視点、過去のデータ）。
2. Emergence（エマージェンス）:
* AIが教師データを統合・分析し、新しいパターンやアイデアを生成。
* 人間の思考では気づかない発見や独自性が浮かび上がる。
3. Originality（オリジナリティ）:
* 創発された結果を人間が再評価・磨き上げ、最終的に独自の成果として完成させる。
このフレームワークにより、AIは人間のサポート役を超えて「創造的パートナー」として機能し、新たな価値創造が可能になります。
このようにAI共創イノベーションのAI共創NEO式では、AIの自律性にまかせるだけではなく、人間の創造性を加えた新たな創造性を目指します。
ということで、全然、面白くない話でしたが、もし最後まで読んでくれた方いましたら、ありがとうございました。
では、また。
SNSプロフィール
Facebook
https://www.facebook.com/motohiko1977
旧Twitter
https://twitter.com/wish_society
Youtube
https://www.youtube.com/channel/UCdTPEIIbAjcmik4Pp8UmU1A