01 / UNDERSTAND
仕組みと使いどころ
視覚推論は、画像を単に識別するだけでなく、画像内の要素や構造、複数画像間の関係を踏まえて結論を導く処理です。OpenAIの資料では、推論モデルo1が、構造の曖昧なグラフや表、画質の低い写真などを扱えると説明されています。また、詳細な建築図面から設備や材料を特定したり、別ページの凡例を他の図面に対応付けたりした例が示されています。ただし、資料中の事例は利用可能性を示すものであり、あらゆる画像で正確な結果を保証するものではありません。
02 / IN PRACTICE
Visual Reasoningの活用例
たとえば、こんな場面で
建築図面と凡例を入力し、図面内の設備や材料、その対応関係を整理させる用途が考えられます。また、構造が分かりにくい表や低画質の写真から、判断に必要な情報を抽出する補助にも利用できます。
03 / GOOD TO KNOW
使うときのポイント
目的と判断条件を簡潔かつ具体的に示し、出力内容は元画像と照合してください。画像の曖昧さや品質によって結果が変わり得るため、重要な判断をモデルの回答だけで確定しないことが大切です。
参考資料
Reasoning best practices | OpenAI API （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。