LLMによる知的生産性向上勉強会

単なる検索、単なるベクトル検索よりも組み合わせた方が精度が高い

こういうものが利用可能になっていく時代

リランカー≒「200件の検索結果を見て良い順に並べ替える小人さん」

Fusion in Decoder≒「100件の検索結果を読んで文章を書く小人さん」

「医療38兆 福祉他24兆 合計120兆」と書いた情報に、「社会保障費 科学研究」でヒットする

「進む先に壁があることは進まない理由にはならない」ページに、「壁の穴、近づかないと見えない」でヒットする

「こういう『文字列』を書いたはずだ」ではなく「こういう『意味』のことを書いたはずだ」で検索することが可能になってる

ChatGPTとは違う

ユーザが「自炊の経験について教えて」と入力して「あっ、使い方を全然理解してないな」と思った

ChatGPTがそうであるからという理由で似た入力をしてしまう

ChatGPTはInstruction Tuning

ベクトル検索だけで完結する？

Ans: いいや

HelpFellみたいに表記ゆれに先手撃つアプローチもあるよね

今は文章全体から埋め込みベクトルが作れる時代なので文意が一意になるように文章を書けばいい。1単語だけを見たときに語義が複数あっても問題にならない。

多義語も扱いたいなー、に対するカウンター

人間が「この話題を発展させたいな」と思ったメモをシードとして書いて、それをAIノート扱いにする(当時の実装ではタイトルに「🤖🔁」を付ける)

赤リンクによる延伸の話

hints

「AIによる赤リンクの延伸」は人間が「検索の意図」を書き込み、AIが「検索して、それを読んで解説の叩き台を書く」までやるので、検索後の人間の行動はオプショナルになる

検索結果は編集をアフォードしない（発生させない）、と表現している

通常の検索と違うのは、

AIがその場で検索結果をつくること（ベクトル検索が使われている。意味的に似たやつをつくってくる）

生成された検索結果（ページxxxの中身）はいじれる

ChatGPTとomniのユースケースの違い

ChatGPTは後者

omniは前者

非公開omni

publicにできない情報も検索対象にした

書籍情報とか他人のベクトルとか

ベクトル検索だけでかなり面白い

「本棚の前で語ると本が飛び出してきて関連したページが開く仕組み」をイメージしてもらえれば、そりゃ面白いよねという気持ちはわかってもらえるのではないか

他人のScrapboxがヒットした場合は「Xさん、こんなことを書いてたのか〜」と面白く読んでる、その後のコミュニケーションにつながるかも

前提として、

ベクトル検索は切り出しの機会になる

要は時系列で並んだノートを人間が見て切り出しを考えるのは負担が高い（し普通はいちいちそんなことしない……）が、ベクトル検索するとサクッと要点や重要なとこを出してくれる

切り出しという行動をしやすくなる

時系列で並んだノート？

日記、チャットログ、講演資料、会話の文字起こしなど「時間軸で並んだ記述」がある

ベクトル検索は認知の解像度を高める道具として機能する

ベクトル検索により「似た情報」が提示される

知的生産者の目線では「一般化・抽象化するためのヒント」が増えてくる感じ

「似た話題」と「似た意見」は違う

似たトピックに関する異なる意見はベクトル検索的には割と近い