大規模言語モデル（LLM）・生成系AI 確認テスト

Transformerは2017年に登場したモデルで、Attention（自己注意）の仕組みで文の中の単語どうしの関係をとらえます。GPTをはじめ、今の大規模言語モデルの土台になっています。

復習する：Transformerとは

Hugging FaceにはTransformerをベースにした事前学習済みモデルがたくさん公開されていて、transformersライブラリから簡単に使えます。Pythonのコードを動かすクラウドのノートブックはGoogle Colabです。

復習する：GPT-2をPythonで使ってみよう！

temperatureは出力のランダム性を決めるパラメータで、小さいほど決定的になり、大きいほど答えがばらつきます。レッスンでも0では2回とも同じ答え、1では毎回違う答えになりました。

復習する：GPTのAPIを利用してみよう！

画像生成は計算量が多く、レッスンのコードはモデルをGPU（cuda）に載せて動かします。そのためランタイムをGPUにしておかないとエラーになります。準備としては、Hugging Faceのアクセストークンも使いました。

復習する：画像生成系AIのStable DiffusionをPythonで実装してみよう！

Whisperは音声をテキストに変換する（文字起こしする）モデルです。レッスンでは音声ファイルを書き起こし、その文章をGPTに渡して英語に翻訳もしました。テキストを読み上げて音声にするのは音声合成で、逆の向きです。

復習する：音声toテキストAIのWhisperのAPIを呼び出して利用してみよう！

モデルは質問に合わせて使う関数と引数を選んで返すだけで、関数を実行するのはこちらのプログラムです。その結果をモデルに渡すと、結果をふまえた答えが返ります。関数に関係のない質問には、ふだんどおりに答えてくれます。

復習する：Function Callingで簡単なAIエージェントを作ってみよう！