大規模言語モデル

大規模言語モデルとは

大量のテキストデータを使って学習し、入力文脈に続く言葉を確率的に予測することで、文章生成や要約、翻訳、質疑応答などを行うAIモデル。英語ではLLM（Large Language Model）と呼ばれる。

何ができるか

文章を扱うタスク

• 文章生成（メール文案、説明文、企画のたたき台）
• 要約、翻訳、言い換え、校正
• 質問応答、分類（タグ付け）、情報整理

コードや構造化出力

• プログラムコードの生成・修正案
• JSONや表など、指定形式での出力（指示次第）

仕組みのイメージ

「次の単語」を予測する

• 入力された文章の流れから、次に来やすい単語（トークン）を予測し、連ねて文章を作る
• 長い文脈を扱うために、注意機構（アテンション：文中の重要部分に注目する仕組み）などが使われることが多い

学習と利用の段階

• 事前学習（ジゼンガクシュウ：大量データで言語パターンを覚える）
• 追加学習（指示対応や安全性の調整など）：人のフィードバックや追加データで振る舞いを整えることがある

強み

• 幅広い文章タスクを1つのモデルでこなせる
• 文脈に合わせた自然な文章が作れる
• 例示や制約を与えると、出力品質が上がりやすい

限界・注意点

ハルシネーション

ハルシネーション（ハルシネーション：もっともらしい誤情報を作ること）が起こり得る。

• 固有名詞、数字、出典が必要な内容は必ず検証が必要

最新情報に弱い場合がある

• 学習データの時点で止まっているため、直近の出来事は誤ることがある
• 外部情報を参照する仕組み（検索や社内文書参照）で補う場合がある

機密・個人情報の取り扱い

• 入力内容が外部提供に当たる可能性があるため、社内規程やサービス設定に従う

推論・計算の苦手さ

• 論理は得意でも、厳密な計算や長い手順の正確さは誤ることがある
• 重要な数値は別手段で検算するのが安全

関連用語

• 生成AI（セイセイエーアイ：指示から文章や画像などを生成するAIの総称）
• プロンプト（プロンプト：AIへの指示文）
• RAG（ラグ：外部資料を検索して回答に反映する手法）
• ファインチューニング（ファインチューニング：追加データでモデルを調整する手法）

使いどころ（実務）

• 下書き作成、問い合わせ対応の一次案、社内文書の要約、ナレッジ整理
• 重要資料は「根拠の提示」「不確実点の明示」「人による最終チェック」をセットにすると安全