LLMとは？ChatGPTが文章を作る仕組みを初心者向けに解説｜「次の単語を予測する」がAIの本質だった
「ChatGPTってどうやって文章を書いているんだろう？」
AIを使い始めると、一度はそんな疑問を持ったことがあるのではないでしょうか。
実は、その答えは驚くほどシンプルです。
LLM（Large Language Model：大規模言語モデル）は、『次に来る単語を予測する』ことを何千回も繰り返して文章を作っています。
この仕組みを理解すると、「なぜプロンプト次第で回答が変わるのか」「なぜAIが期待どおりに答えてくれないことがあるのか」が自然と見えてきます。
今回は難しい数式や専門用語は一切使いません。 旅行先で友達に「実はAIってこういう仕組みなんだよ」と話すような感覚で、一緒に学んでいきましょう。
LLM（大規模言語モデル）とは？
LLMとはLarge Language Model（大規模言語モデル）の略称です。
現在利用されている多くの生成AIは、このLLMを中心に動いています。
例えば次のようなAIサービスも、この技術を利用しています。
- ChatGPT
- Gemini
- Claude
- Microsoft Copilot
- Perplexity AI
これらはインターネット上に存在する膨大な文章や書籍、ニュース記事、論文、Webサイトなどを学習し、人間らしい自然な文章を作れるようになっています。
しかし、その内部で行われていることは、実は想像以上にシンプルです。
AIの本質は「次の単語を予測する」こと
LLMが行っていることを一言で表すなら、
「次に続く言葉は何か？」を予測すること
これだけです。
少し例を見てみましょう。
例：「今日の天気は ○○」
この文章を見た瞬間、多くの人は次のような言葉を思い浮かべます。
- 晴れ
- 曇り
- 雨
- 快晴
逆に、
- 机
- ギター
- 宇宙船
- 青色
このような単語が続いたら違和感がありますよね。
AIもまったく同じことをしています。
文章全体の流れ（文脈）を見ながら、 「次に来そうな単語」を予測しているだけなのです。
LLMは確率で次の単語を選んでいる
ここで重要なのは、 AIには「唯一の正解」があるわけではないということです。
例えば、
今日の天気は
という入力が来たとします。
LLMの内部では、イメージとして次のような確率が計算されています。
- 晴れ：35%
- 曇り：25%
- 雨：20%
- 雪：8%
- その他：12%
このように複数の候補に確率が割り振られ、その中から一つが選ばれています。
つまり、 AIは毎回「最も可能性が高い言葉」を予測しているだけなのです。
なぜ毎回少し違う回答になるの？
ChatGPTを使っていると、
「同じ質問なのに昨日と少し違う答えだった」
そんな経験はありませんか？
これはAIが確率を利用して文章を生成しているためです。
候補が複数存在するため、 毎回まったく同じ単語を選ぶとは限りません。
その結果、
- 言い回しが変わる
- 例え話が変わる
- 説明の順番が変わる
- 表現が少し違う
という違いが生まれます。
これが生成AIらしい柔軟な文章を生み出している理由でもあります。
長い文章はどうやって作られるのか？
ChatGPTは最初から完成した文章を頭の中に持っているわけではありません。
実際には、
- 次の単語を予測する
- その単語を文章に追加する
- 新しい文章を見てまた予測する
- さらに次の単語を予測する
この流れを何百回、何千回と繰り返しています。
例えば、
今日の
↓
今日の天気
↓
今日の天気は
↓
今日の天気は晴れ
↓
今日の天気は晴れです。
このように、一語ずつ積み重ねながら文章が完成していきます。
まるでレゴブロックを一つずつ積み上げるようなイメージです。
LLMは知識を覚えているのではなく「パターン」を学んでいる
ここは非常に重要なポイントです。
多くの人は、
「AIは全部覚えている」
と思いがちですが、実際は少し違います。
LLMが学習しているのは、 言葉の並び方や出現パターンです。
例えば、
- 「今日の天気は」の後には「晴れ」が来やすい
- 「美味しいラーメン」の後には「食べた」が来やすい
- 「Pythonの変数」の後には「データを保存」が来やすい
こうした膨大なパターンを学習しています。
だから未知のテーマや学習量が少ない内容になると、 回答精度が下がることがあります。
プロンプトが重要になる理由
ここまで理解すると、 プロンプトの重要性が一気に見えてきます。
プロンプトとは、 AIに最初の文脈を与えるものです。
つまり、 AIの予測をスタートさせる出発点になります。
出発点が曖昧なら、 AIは無数の可能性を考えなければなりません。
逆に、 方向性がはっきりしていれば、 AIはかなり精度高く答えを作れるようになります。
悪いプロンプトと良いプロンプトの違い
悪い例
書いて
これだけでは、 AIは何を書けばいいのか判断できません。
- 誰向け？
- どんな文章？
- 長さは？
- 専門レベルは？
- 目的は？
情報が不足しているため、 予測が広がってしまいます。
良い例
初心者向けにPythonの変数について、3つのポイントで300文字以内に説明してください。
このプロンプトなら、 AIが考える範囲は大幅に狭くなります。
結果として、 ユーザーが期待する回答に近づきやすくなるのです。
良いプロンプトを書くコツ
AIの性能を最大限に引き出したいなら、 次のポイントを意識しましょう。
- 役割を指定する
- 対象読者を書く
- 目的を伝える
- 文字数を指定する
- 出力形式を決める
- 具体例を入れる
- 必要なら条件を箇条書きにする
この一工夫だけで、 AIの回答品質は驚くほど向上します。
この記事のまとめ
最後に今回の内容を整理しましょう。
- LLMは「次の単語」を予測して文章を作っている
- AIは確率に基づいて単語を選択している
- 文章は一語ずつ積み重ねて生成される
- LLMは知識ではなくパターンを学習している
- プロンプトはAIの予測を導くスタート地点になる
- 具体的なプロンプトほど期待どおりの回答になりやすい
AIを上手に使いこなすためには、 最新のテクニックを覚える前に、 まず「AIはどう考えているのか」を理解することが何より大切です。
今回学んだ「次の単語を予測する」という考え方は、プロンプトエンジニアリングの基礎そのものです。
この仕組みを知っているだけで、AIへの指示の出し方が変わり、より質の高い回答を引き出せるようになります。
次回は、AIが一度にどれだけの情報を覚えながら会話できるのかを左右する「コンテキストウィンドウ」について学んでいきましょう。 これを理解すると、さらに思いどおりの回答を得られるようになります。
0 件のコメント:
コメントを投稿