「ChatGPTを有効活用したい！」「Self-Consistency（自己整合性）って何？」そう思う方もいるのではないでしょうか。
Self-Consistency（自己整合性）を理解することで、思考連鎖型プロンプティングの効果の向上が見込めます。
今回PROMPTYでは、Self-Consistency（自己整合性）とは何か、活用事例について詳しく紹介していきたいと思います。
Self-Consistency（自己整合性）とは
複雑な推論を行う際には、中間的な推論のプロセスが重要となります。
特に、プロンプトエンジニアリングにおける進歩した技術としてSelf-Consistency（自己整合性）注目されています。主な考え方は、「Few-shot プロンプティング」「思考連鎖型プロンプティング」を通じて多様な推論パスを生成し、それらの中から最も整合的な回答を選び出すというものです。これによって、高度な問題解決が可能となります。
「Few-shotプロンプティングって何？」「Few-shotプロンプティングの効果は？」そう思う方もいるのではないでしょうか。 Few-shotプロンプティングは生成AIを効果的に活用する方法の一つで、複雑なタスクに対応することが[…]
「思考連鎖型プロンプティングって何？」「思考連鎖型プロンプティングの効果は？」そう思う方もいるのではないでしょうか。 思考連鎖型プロンプティングは生成AIを効果的に活用する方法の一つで、推論を要する複雑なタスクに対応することが可能で[…]
例文①：年齢の計算
一つ目の例文として、年齢の計算問題を解かせてみます。
入力文：
GPT-3.5の出力：
誤った回答が出力されました。これは、計算の過程が与えられておらず、入力文では「妹は私の年齢の半分」という情報しか与えられていないためだと考えられます。
この問題を解決するには、例を提示します。Few-shotプロンプティングと、思考連鎖型プロンプティングを活用した中間の推論ステップ例を入力します。
入力文：
GPT-3.5の出力：
6歳のときと現在の年齢との差を計算し、これを妹の年齢に足すことで正しい解答が出力されました。
例文②：お金の計算
次の例文として、お金の計算問題を解かせてみます。
入力文：
GPT-3.5の出力：
チョコレートの値段と袋の値段との区別がつけられていない為、間違った答えも出力されてしまいます。
例文①と同様に、例を提示してからチョコ1個の値段を解かせました。
GPT-3.5の出力：
合計金額から袋の値段を差し引くことができ、正しい解答が出力されました。
まとめ
今回PROMPTYでは、Self-Consistency（自己整合性）とは何か、例文を使ってその活用法を紹介しました。
Self-Consistency（自己整合性）を使って入力を改善することで正しい出力が得られることが分かりました。ぜひ今後のプロンプトエンジニアリングの知識習得に役立てていただければ幸いです。
