イキサツ

私が書いた記事にもありますが，ChatGPTなどのAI技術の発展が最近目まぐるしく，様々なサービスが展開されています．

その中でも，Notionというノートやカレンダーといった、あらゆるタイプの情報を統合できる作業ツールがあります．このNotionからChatGPTと似た性能を持つNotion AIが展開されたました!
Notion AIではブログやエッセイ，営業メールなどといった日常で使われる文章の生成が行えるようになっています．そこで，以前に私が書いた凸クラスタリングについてNotion AIで記事を書いてもらい，比較しようと思います．
下記が私の書いた記事になります．

Notion AIによる記事生成

イントロダクション

凸クラスタリングは、データサイエンスの分野でよく使われるクラスタリング手法の一つです。この手法は、データが正規分布に従うという仮定を前提としており、そのために正規分布を用いたクラスタリングが可能となります。本記事では、凸クラスタリングの仕組みやプログラムの実装方法について解説します。

確率分布を用いた凸クラスタリングについて

凸クラスタリングは、データが正規分布に従うと仮定した上で、その分布を用いてクラスタリングを行います。具体的には、各クラスタの平均と共分散行列を求め、その分布を正規分布と仮定します。そして、各データ点がどのクラスタに属するかを、正規分布の密度関数を用いて確率的に決定します。このようにして、クラスタリングを行います。

プログラムの実装

凸クラスタリングのプログラムを実装するには、Pythonのscikit-learnライブラリを使用することができます。以下のコードは、scikit-learnを用いた凸クラスタリングのプログラム例です。

from sklearn.datasets import make_blobs
from sklearn.mixture import GaussianMixture

#データ生成
X, y = make_blobs(n_samples=1000, centers=3, random_state=42)

 #凸クラスタリング gmm = GaussianMixture(n_components=3)
gmm.fit(X)

#クラスタリング結果の描画
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-10, 10)
y = np.linspace(-10, 10)
X, Y = np.meshgrid(x, y)
XX = np.array([X.ravel(), Y.ravel()]).T
Z = -gmm.score_samples(XX)
Z = Z.reshape(X.shape)

plt.scatter(X[:, 0], X[:, 1], c=gmm.predict(X))
plt.contour(X, Y, Z)
plt.show()

このプログラムでは、make_blobsを用いて、ランダムなデータを生成しています。その後、GaussianMixtureを用いてデータをクラスタリングします。最後に、matplotlibを用いてクラスタリング結果を描画します。

プログラムの実行結果の描画

上記のプログラムを実行すると、以下のようなクラスタリング結果が得られます。データが3つのクラスタに分かれていることがわかります。

結論

正規分布を用いた凸クラスタリングは、データサイエンスの分野でよく使われるクラスタリング手法の一つです。Pythonのscikit-learnライブラリを用いることで、簡単にプログラムを実装することができます。また、プログラムを実行することで、クラスタリング結果を視覚的に確認することができます。

記事に対する感想

まず，日本語が異常なまでに流暢ですね(私よりうまい…) ．章の構成や各章の文もまとまっており，簡潔です．簡単な記事生成にはとても便利そうです．特に，ホットワードをツイッターやニュースサイトから抽出してきて，その記事を自動生成するといったことに関してはもうできるでしょう!

Notion AIの不向き

この記事はとてもうまく要約されています．一方，正規分布などの技術的・数学的な詳しい文章は出ず，原理を知りたい方には不向きでしょう．このため，私の書くような技術的な記事には向きません．特にプログラムの部分が顕著にその特徴を示しています．このプログラムですが実行していただくとエラーになります．このため，プログラムの生成はChatGPTに軍配が上がりそうです．

プログラムの訂正と結果

クラスタリング結果の出力部分を修正したものと，出力結果を示します．

from sklearn.datasets import make_blobs
from sklearn.mixture import GaussianMixture

#データ生成
X, y = make_blobs(n_samples=1000, centers=3, random_state=42)

 #凸クラスタリング gmm = GaussianMixture(n_components=3)
gmm.fit(X)

#クラスタリング結果の描画
import matplotlib.pyplot as plt
import numpy as np

plt.scatter(X[:, 0], X[:, 1], c=gmm.predict(X))
plt.show()

クラスタリング自体はうまくいっていることが確認できます．

まとめ

今回はNotion AIという文章生成に適しているAI技術について触れてきました．記事の生成自体は10数秒ととても早く，簡易な記事の生成にはもってこいのサービスですね．文章についてはNotion AI，プログラムはChatGPTを併用すればよさげな技術記事が書けそうな気がします．
皆様も仕事や日常の頼まれごとなどに活用してみてはいかがでしょうか．
ちなみに，私の記事はプログラム含め1週間くらいかかっています．このため，Notion AIに10数秒で私の記事より高いクオリティのものを生成されたら，立ち直れなかったので結果的にはよかったです．
次回は，2つのAI技術を組み合わせた記事でも書こうかと思っております．
この記事が面白ければ，スキとシェアをよろしくお願いいたします．