今更だがカスタムGPTとは何なのか？

カスタムGPT、すなわち特定の目的のためにカスタマイズされたChatGPT。

しかし、「カスタマイズ」とは具体的に何なのか。何がどうなっていれば「カスタマイズ」できたことになるのでしょうか。
おそらく次の2つが要件になると思います。

• 特殊で複雑なプロンプトを保存できる

• GPTsでなければ利用できない機能を活用できる

GPTsでなければ実質的に実現できない機能とは？

カスタムGPTがカスタムでない一般のChatGPTと様相を違えている理由は、次の3つを有効活用できるように工夫されている点にあると思います。

• アップロードファイル

• Pythonコード

• WebAPI

アップロードファイル

特定のテーマに沿って纏められたデータをGPTに教え込むことができます。はっきりわかりませんが、与えることの出来るデータは1ファイル辺り512MBに及びます。また最大20ファイルまでアップロードできるようです。テキストであれば、かなり使いでのある容量です。512MB*20ファイルで合計10GBですよ。ちなみにhttps://www.gizmodo.jp/2019/07/dna-strage-wikipedia.htmlによるとウィキペディアの容量が16GBだそうです。

専門分野の知識をがっつり仕込んで専門的なアウトプットを成し遂げさせるには必要不可欠な要素でしょう。

Pythonコード

ときにはデータを定型的に処理してほしいこともあります。妙になにか忖度してほしくないとか、ケースバイケースでぜんぜん違うテイストのアプトプットをされては困るという局面。

こういうときにはプロンプト内にデータ処理用のプログラムコードを書き、「まずはデータをこのプログラムで処理しろ。しかる後に…」という感じで指令を出すのが有効な場合があります。

私が公開したGPTs「いかがバスター」では、pythonによって「いかがですか」で始まるテキストを問答無用で削除する中間処理を取り入れています。

WebAPI

上で述べたような処理は（事実上非常にやりにくいとはいえ）GPTsの枠でなくても不可能ではありませんでした。しかし、APIの利用はまさしくGPTsならではでしょう。

これによって、利用のたびごとに最新の情報を取得して利用できるようになります。時事問題や最先端科学技術を扱いたいなら絶対に使いたい機能です。

従来だとAPIを利用した処理ルーチンを書くのはそれなりに面倒でした。とくにプログラミング初心者にはつらい作業だったと思います。しかし、GPTsではややこしいところは全部ChatGPTがやってくれます。我々としては「パラメーターを書くだけ」でいいのです。そのパラメーターの書き方そのものもChatGPTに聞いて教えてもらえます。これにより、システムを組むことの難易度はChatGPT以前に比べると劇的に低くなっていると言えます。むしろ、一番面倒なのは、利用可能なAPIがどこで公開されているのかを探すことです。

次に考えるべきことは？

こうしてみてきたGPTsの特徴を活かせば、より複雑な知的作業をAIに任せられるようになるというわけです。
検討すべきは、どんなデータとサービスを組み合わせるかという問題です。新規性あふれる組み合わせをどんどん発案し、実装していきましょう。