”ジブンのAIが何でこんな回答をしたのか？”知識の分析を通して、その根拠を理解するーデジタルMATSUMOTOの知識分析

ジブンのAIが思いがけない回答を返したとき、それはAIの誤りなのでしょうか？ それともユーザーの知らなかった側面を表しているのでしょうか？ AIが回答を生成した時に用いた知識データを観察することで、その根拠を掘り下げて理解することが、AIに対する納得感と信頼を高める鍵になります。 このチャンネルでは、自分自身のAIを開発して、約3年間かけて、知識や経験、日々の思考をインプットして育ててきたデジタルツインAI「デジタルMATSUMOTO」との歩みと、その具体的な仕組みをありのままに公開していきます。 第8話は、デジタルMATSUMOTOが生成した回答に対して、与えた知識データベースの個々のデータ（チャンク）がどれくらい貢献・作用したのかを分析・可視化する分析の仕組みをご紹介します。 「好きなものを1つ教えて」というオープンな問いに対する意外な回答のデモをもとに、質問への類似度（検索時）と回答への類似度（生成時）を比較してナレッジの貢献度を算出する独自スコア(Knowledge Utility)の計算ロジックや、実際に分析する時の観点を詳しく解説します。 🎯 今回の動画のポイント ・デジタルMATSUMOTOの回答根拠を掘り下げて分析するデモ ・ベクトルDBで個別の知識が回答の生成へどのように貢献したのかを観察する独自指標「知識活用性（Knowledge Utility）」の算出ロジック ・実際のデモを通した分析の方法 📚参考情報・リンク先 デジタルMATSUMOTOのnote https://note.com/takash 「空の大怪獣ラドン」のnote記事 https://note.com/takash/n/nf3d7176b6854 Digital MATSUMOTO labのWebサイト https://www.digitalmatsumoto.com/ GitHub(デジタルMATSUMOTO) https://github.com/m07takash/DigitalM...