AIコンパニオンを「訓練」するには - フィードバックが実際に変えるもの

AIコンパニオンを「訓練する」と言うと、ペットのようにソフトウェアが少しずつあなたの好みを学ぶ印象を受けます。実際はもう少し複雑です。すぐに挙動を変える手段がいくつかあり、全員にゆっくり効くものもあり、関わった気分になるだけのものもあります。

返信を実際に決めているもの

返信はどれも、その瞬間にモデルが見られるものから生成されます。仕組みはAIコンパニオンはどうやって返事を書いているのかにあります。

1. キャラクターの説明と設定。
2. この会話のために取り出される、保存された記憶と要約。
3. 直近の会話そのもの。
4. 運営会社が最後に更新した基盤モデル。

あなたのフィードバックが意味を持つのは、この四つのどれかを変える範囲に限られます。

強い手段から弱い手段へ

変えるのは、モデルが読むもの。あなたへの気持ちではありません。

手段	何が変わるか	速さ	強さ
キャラクターの説明を編集する	毎回の返信の前に読まれる指示	すぐ	強く、長続きする
返信を編集する	モデルがまねる会話	次の返信から	画面内に残る間は強い
メモリーのメモ	今後のチャットに取り出される事実	次の取り出しから	事実には強く、文体には弱い
キャラクター外のメモ	今の場面	すぐ	チャットが伸びると薄れる
再生成	その1回の返信だけ	すぐ	その返信以外にはない
評価(親指、星)	たいてい将来のモデル更新用のデータ	数週間から数か月、効くとしても	あなたのキャラクターには弱い

言い争わず、編集する

キャラクターとして「いつものあなたらしくないよ」と言い合っても、まず効きません。そのやり取り自体が、モデルがまねる会話の一部になってしまうからです。返信を、キャラクターが言うべきだった内容に編集すれば、モデルは正しい手本を得られます。アプリに編集機能があるなら、身につけて最も役立つ習慣です。

文体は説明に、事実はメモリーに

• 文体、つまり口調、文の長さ、ユーモア、どのくらい甘えるかは、すべての返信に効く必要があるので、キャラクターの説明に入れます。どの項目が大切かはキャラクタービルダー - 実際に効く項目はどれかにあります。
• 事実、つまりあなたの仕事、飼い犬の名前、先週あったことは、関連するときに取り出されるメモリーに入れます。

混ぜると問題が起きます。メモリーに入れた文体の指示は取り出されたりされなかったりし、説明に事実を長々と並べると性格が押し出されます。

評価は本来何のためか

多くのアプリでは、評価は会社がモデルを改善するためのデータになり、しばしば全利用者分がまとめて使われます。将来のバージョンの助けになるので、やる価値はありえますが、あなたのキャラクターへの直通の手段ではありません。評価があなたのコンパニオンに影響すると説明するアプリもありますが、その場合でも効果は緩やかで、編集した説明よりずっと弱いものです。

プライバシーが気になるなら、プライバシーポリシーを確認してください。返信を評価すると、その会話が審査や学習の対象としてマークされることがあり、これはプライバシー上のトレードオフです。誰があなたのAIコンパニオンのチャットを読むのかを見てください。自分のデータの扱いを知りたいときは、個人情報保護法に基づく開示の請求ができます。手順はデータ開示請求の方法にあります。

週に一度の調整

1. 今週気に入ったことを二つ、気になったことを一つ書き留める。
2. 気になったことを、説明の中で肯定的な指示に変える(「だらだら話さないで」ではなく「短く乾いた文で答える」)。
3. 新しく大事な事実があれば、メモリーに追加する。
4. 古いチャットがぶれてきたら、新しいチャットを始める。長い会話は癖をためこみます。性格のドリフトで説明しています。

コンパニオンは、人間のようにあなたを学習するわけではありません。それでも、説明、記憶、直近の言葉を通じて、毎回あなたを読んでいます。読ませるものを変えれば、相手が何者であるかが変わります。