本記事は、LLMのデザインパターンを一つずつ紐解いています。最初は「Re-stating」（再表現）です。
原文：https://www.uxforai.com/p/llm-design-patterns-re-stating-auto-complete-talk-back-suggestions-nest-steps-regen-tweaks-and-guard
Re-Stating CopilotのベストプラクティスやCopilotのレポート機能について語るうえで、Copilotをここまで便利で人気のある存在にしている、LLMの「デザインパターン」*に触れないわけにはいきません。
※「デザインパターン」とあえてカギ括弧にしたのは、厳密にはデザインパターンというよりも「機能」に近いと考えているからです。現在（2023年執筆時）のLLMのUIはまだ発展途上で、決まった型が確立はありません。だからこそ、この領域のUXデザインとリサーチは非常にエキサイティングなのです。
現代のAIが示す「理解しているように見える力」
今の言語モデル（LLM）で特に印象的なのは、異なる情報や文脈を組み合わせて、人間のように深い理解を示す点である。
たとえば、あなたが運転中にAIに向かって「Park（パーク）」とだけ言ったとしよう。
最新のAIなら、カレンダーや位置情報などを参照し、あなたがサンフランシスコ市内のナイトクラブに向かっていて、すでに夜9時を過ぎ、日が暮れているという状況を理解することができる。
つまり、ChatGPTのような最新のLLMは、「国立公園の案内」や「植物園での休憩プラン」などの他の可能性ではなく、「目的地周辺の駐車場を探している」というあなたの意図を正確に判断できるというわけだ。
これに比べて、従来の音声アシスタント（Siriなど）は、こうした文脈理解を行うことができない。
むしろ、Siriは「どの“Park”のこと？」と聞き返してくるだけで、今となっては少し「Silly（まぬけ）」に見えてしまうほどである。
ただし、ここでSiriやCortana、Alexaといった過去のアシスタントを批判したいわけではない。
むしろ、現代のLLMがいかに進化し、ユーザーの意図に沿った行動を取れるようになっているかを示したいのだ。
そしてこの能力をうまく引き出すためには、AIに適切に「理解」させるためのデザインパターンが欠かせない。
“Park” 出典: Siri
技術は「召使い」にも「主人」にもなる
1921年のノーベル平和賞受賞者、クリスチャン・ランゲ（Christian Lange）はこう語っている。
“Technology is a useful servant but a dangerous master.”
技術は有能な召使いにもなれば、危険な主人にもなり得る。
私たちはAIを「召使い」として上手に使いこなす必要がある。
そのために欠かせないのが、以下のようなLLMデザインパターンである。
- Re-stating（再表現：言い換え）
- Auto-Complete（自動補完）
- Talk-Back（フィードバック）
- Suggestions（提案）
- Next Steps（次のステップ）
- Regen Tweaks（再生成の微調整）
- Guardrails（ガードレール）
今週はその第1回目、「再表現（Re-stating）」から始めます。
Re-stating：AIが「どう理解したか」を見せるデザイン
「再表現：言い換え（Re-stating）」とは、AIがユーザーの入力をどのように解釈したかを、ユーザーに伝え返す仕組みのことである。
この仕組みを取り入れることで、AIが誤った方向に進むのを防ぎ、ユーザーが意図通りの結果を得やすくなる。
出典元: YouTube
Power BIにおける自然言語クエリ（Q&A）の使用方法 – 詳細レビュー【2022年更新版】by Enterprise DNA
たとえば、Microsoft Power BI の「NLP Ask」機能がその代表例だ。
ユーザーが「…where is 2017」と入力すると、システムはそれを自動的に補完し、「2017（注文日）」という形で再表現してくれる。
このように、曖昧な入力を補い、文脈から正しい意味を導くことができる。
人間がタイプミスをしたり、急いで入力しても、AIが自動的に文脈を推測して補正してくれるのだ。
「再表現」はいつ必要か？
では、すべての場面で再表現を行うべきだろうか？
答えは「場合による」。
前回の記事「AIの精度なんてクソくらえ：UXがやるべきこと」で触れたように、判断には次の2つの軸がある。
- AIが間違える頻度
- 誤りが与える影響の大きさ
これらを掛け合わせて、ROI（投資対効果）を考える必要がある。
たとえば、Power BIのように「Askクエリ」を実行しても、誤解釈による損失が小さいケースでは、即実行しても構わない。せいぜいAzureの計算コストが少し増える程度だ。
一方、SMS送信のように、誤った動作が致命的な結果を招く場合は話が違う。
たとえば、AIが「go duck yourself（くたばれ）」という誤変換をそのまま上司に送ってしまったら大変である。
このようなリスクを避けるためには、「このメッセージを送信します。よろしいですか？」といった確認ステップが欠かせない。
— Greg
