授業の目的

生成AI（大規模言語モデル：LLM）は、現代社会において必須のツールとなりつつあります。本授業では、生成AIから意図した回答を引き出すための技術「プロンプトエンジニアリング」の基礎から応用までを習得することを目的とします。単にAIを使うだけでなく、AIの特性や限界（ハルシネーション等）を理解し、主体的にAIと協働する力を養い、そのプロセスを客観的に評価・修正できる「知的な粘り強さ」の習得を目指します。

教育内容

技術文書（一部英語原文を含む）および参考書籍を読み解き、以下の内容を学びます。
1. 生成AIの基礎: LLMの仕組みの概要と、なぜプロンプト（指示）が重要なのか。
2. プロンプト技術の習得: Zero-shot、Few-shot、Chain-of-Thoughtなどの主要な手法。
3. 実践的活用: 文章作成、要約、アイデア出し、データ整理など、大学生活や将来の業務に役立つスキルの実践。
4. 倫理とリスク: AIのバイアス、著作権、個人情報保護、誤情報の見抜き方。

教育方法

【この授業は全て対面で実施します】
本授業は完全な演習形式であり、教員の話をただ聞くだけの時間はほとんどありません。 毎回、課題解決のためのプロンプト作成、検証、そして学生間での相互レビュー（発表・質疑応答）を行います。
【フィードバックの方法】
各授業で課題を出題し、提出結果に対して個別のメッセージという形でフィードバックを行います。

【コンピュータ室を利用します。スマートフォンのみでの受講は不可】

準備学修（予習・復習）

【授業時間外に必要な学習の時間：15時間】
予習：指定されたWebサイトや参考書の該当箇所を読み、専門用語や基本的な概念を確認してくること。（各回30分）
復習：授業内で行った演習課題を完成させる、または授業で学んだテクニックを別のテーマに応用して試行錯誤してみること。（各回30分）

授業内容(シラバス)

到達目標

1. 生成AIの基本的な仕組みと特性、リスクを説明できる。
2. 目的に応じて適切なプロンプト（指示）を設計・修正できる。
3. Few-shotやChain-of-Thoughtなどの主要なプロンプト技術を活用できる。
4. AIの出力を批判的に評価し、事実確認を行う習慣を身につける。

成績評価の方法と基準

- 平常点・演習課題 (50%)： 毎回の授業内課題の提出状況と内容、クラスへの参加姿勢。
- 中間発表 (20%)： プロンプトの工夫点と発表内容。
- 期末レポート・最終発表 (30%)： 最終課題におけるプロンプトの設計プロセス、検証結果、プレゼンテーションの質。
※ 単に「AIが出した答え」を評価するのではなく、「どのように試行錯誤（エンジニアリング）したか」というプロセスを重視します。
※ 他人の内容を写すなど、不正な行為に対しては厳重に対処します。

学生へのメッセージ（その他注意等）

本授業は、流行のツールとしてAIを触って遊ぶものではなく、「言語による論理的指示（プロンプト）」を通じて、自身の思考プロセスを厳密に構造化・最適化する能力を鍛えることを目的とします。 エンジニアリング（工学）と名が付く通り、試行錯誤と検証を繰り返す泥臭い作業が求められます。高い意欲を持ち、全ての課題に真剣に取り組める学生のみ、抽選の希望を出してください。

※ このシラバスは生成AIを使って作成されています。

実務経験の授業への活用方法

ベンチャー企業でマネージャー/プログラマとして働いていました。その経験を活かして、実社会でも使われるようなツールを使って実践的な内容を紹介できる内容にしたいと思っています。

教材