Hugging Face、表計算型データセット処理ツール「AI Sheets」公開

AI Sheetsは、Hugging Faceが公開したオープンソースのノーコードツールだ。スプレッドシートの操作感そのままに、膨大なオープンAIモデルを使ってデータセットの作成、加工、評価を一括で行える。

何ができるのか

AI Sheetsの仕組みは極めて直感的だ。基本的には行と列でデータを扱い、新しい列の生成ルールをプロンプトとして記述する。

手持ちのデータを扱う場合は、XLS、TSV、CSV、Parquet形式のファイルを最大1,000行までインポートできる。手元にデータがない場合でも、自然言語で指示を出すだけでゼロから合成データを生成可能だ。例えば架空のスタートアップ企業一覧を指示すれば、カラム構成と初期サンプルが作成され、あとはセルの端をドラッグして引き伸ばすだけで行数を増やせる。画像生成モデルと組み合わせることも可能だ。

新しい列を追加する際は、既存のカラム名を埋め込んだプロンプトを入力する。テキストの要約や分類だけでなく、Web検索トグルを有効にすれば、住所から最新の郵便番号を調べるといった事実情報の補完も行える。

特に実用的なのがフィードバックの仕組みだ。AIが生成したセルの内容がイメージと少し違う場合、セルを直接ダブルクリックして書き換えるか、良い出力に高評価ボタンを押すだけでいい。システムがその修正セルや高評価セルを自動的にFew-shotの具体例として認識し、次回の生成プロンプトに組み込んでくれる。

モデル同士の比較にも便利だ。Qwenやgpt-ossなど異なるオープンモデルを別々の列に割り当てて出力を並べ、さらに別の列でLLMを審判役（LLM-as-a-judge）として配置すれば、どちらの回答が優れているかを自動判定させることもできる。

導入と使い方

導入のハードルは非常に低い。

環境構築なしですぐ試したいなら、Hugging Face Spaces上で公開されている公式デモ（huggingface.co/spaces/aisheets/sheets）にアクセスすれば、ブラウザ上でそのまま無料で利用できる。

ローカル環境で動かしたい場合やプライベートデータを扱いたい場合は、GitHubの「huggingface/sheets」リポジトリからコードを取得してデプロイ可能だ。Hugging Face Hub上の推論プロバイダ経由で無数のモデルを叩けるほか、ローカルで動いているモデルとも連携できる。

編集したデータセットはHugging Face Hubへ直接エクスポートできる。このときプロンプトや修正によるFew-shot例がYAML設定ファイルとして一緒に出力されるため、万単位の大規模データに同じ処理を適用したい場合は、提供されているHF Jobsスクリプトに設定を渡すだけでバックグラウンド処理を実行できる。

なぜ重要か

これまではLLMを使ったデータのバッチ処理やモデルの比較といえば、Pythonでスクリプトを書くか、複雑なワークフローツールを組むのが普通だった。AI Sheetsはそれを普段使いの表計算インターフェースに落とし込んだ点が優れている。

特に、セルを手動修正するだけでプロンプトの調整が完了するアプローチは直感的で、プロンプトの微調整にかかる時間を大幅に削ってくれる。画面上で扱えるのは1,000行程度までという制限はあるものの、小規模なプロトタイプ作成、プロンプト検証、オープンモデルの選定には間違いなく重宝するツールだ。