やあ、みんな！AIコンシェルジュのケイだよ！
前回の探求では、生成AIがこれまでのAIとは違って、新しいものを生み出す 芸術家 だという話をしたね。 その芸術家の 頭脳 に当たる部分。 それが、今日探求するテーマ LLM（エルエルエム） だ。
ニュースやSNSで、こんな言葉を見かけないかな？
「OpenAIが新しいLLMを発表！」
「これからは独自のLLMを持つ企業が勝つ！」
「GPT-4というLLMがすごい！」
……正直、こう思わない？ 「また横文字かよ！ アルファベット3文字を見るだけで頭が痛くなる……」
その気持ち、すごくよくわかるよ。 IT用語って、わざと難しく言ってるんじゃないかと思うくらい、とっつきにくいよね。
でも、安心して。 この LLM という言葉の正体がわかると、ChatGPTのようなAIが、 なぜあんなにペラペラと喋れるのか 、そして なぜ時々トンチンカンな嘘をつくのか という謎が、すべて解けるんだ。
今日の記事を読み終える頃には、君はLLMのことを、難しい技術用語としてではなく、ちょっと愛嬌のある 「ある生き物」 としてイメージできるようになっているはずだよ。 さあ、AIの脳みその中身を覗きにいこう！
🧐 「LLM」を解剖せよ！名前の意味からわかる正体
まずは、この LLM という名前を解剖していこう。 これは Large Language Model の略だ。 日本語に直訳すると、 大規模言語モデル ということになる。
これだけだとまだ呪文みたいだよね。 3つの単語に分解して、一つずつ翻訳してみよう。
1. Language（言語）：言葉を扱う専門家
まず真ん中の Language 。これは 言語 だね。 画像でも音声でもなく、 人間の言葉（テキスト） を専門に扱うAIだということだ。 日本語、英語、プログラミング言語。 文字で書かれたものなら何でも読み込むし、書き出すことができる。
2. Model（モデル）：計算の仕組み
次に Model 。これが一番わかりにくいかもしれない。 プラモデルやファッションモデルのことじゃないよ。 ここでのモデルは、 現実の世界を数式で表現した仕組み のことだ。
例えば、天気を予測する 気象モデル というものがある。 「湿度がこれくらいで、風向きがこうなら、雨が降る確率は何％」という計算式のようなものだ。
つまり 言語モデル というのは、「この言葉の次には、こういう言葉が来る確率が高い」ということを計算する 数式のお化け だと思ってくれればいい。
3. Large（大規模）：桁外れのデータ量
そして最後に Large 。 大規模 だ。 ここが一番のポイントなんだ。
昔から 言語モデル はあった。 でも、最近のAIは、読み込んでいるデータの量がハンパじゃない。 インターネット上の記事、ブログ、Wikipedia、書籍、論文、SNSの会話……。 世界中のありとあらゆるテキストデータを飲み込んでいる。
その量は、人間が一生かかっても読み切れない量だ。 何千億、何兆という単語を学習した結果、巨大（Large）な知識の塊になった。 それが LLM なんだ。
まとめると、LLMとは 「世界中の本を読み漁って、言葉のつながりを計算しまくっている、巨大な計算式」 ということになるね。
📱 中身はシンプル？「予測変換」のスーパー進化版
「世界中の本を読んだなんて、すごい知能を持っているに違いない！」 そう思うかもしれない。 でも、実はLLMがやっていること自体は、驚くほどシンプルなんだ。
君は毎日、スマホでメッセージを送るよね？ その時、こんな機能を使っていないかな？
「予測変換（サジェスト）」
例えば、「あり」と打つと、「ありがとう」「ありがとうございます」「ありません」といった候補が出てくる。 「お疲れ」と打てば、「様です」「さまでした」が出てくる。
あれは、スマホの中に小さな 言語モデル が入っていて、「『あり』という文字の後には『がとう』が続く確率が高いぞ」と計算しているからなんだ。
次の言葉を当てる「連想ゲーム」
ChatGPTなどの超高性能なLLMも、基本的にはこれと同じことをやっている。 ただの 「次に来る言葉当てゲーム」 なんだよ。
例えば、 「昔々、あるところに、おじいさんと……」 この後に続く言葉は？
たぶん、100人中99人が 「おばあさんが」 と答えるだろう。 「宇宙人が」とか「iPhoneが」とは答えないはずだ。
LLMは、膨大なデータ学習によって、この 確率 を極限まで正確に知っている。 「日本の首都は」と来たら「東京」が来る確率が99.9％だ。 「美味しいカレーの」と来たら「作り方」や「レシピ」が続く確率が高い。
これを、ものすごいスピードで連続して行っているだけなんだ。 「昔々」→「あるところに」 「あるところに」→「おじいさんと」 「おじいさんと」→「おばあさんが」 …… こうやって、確率の高い言葉をつなげていくことで、まるで人間が書いたような文章が出来上がる。 これが、AIが文章を書く仕組みのすべてだよ。
🦜 意味はわかっていない？「物知りなオウム」の正体
ここで、とても重要な事実に触れなければならない。 LLMは、言葉の 確率 は知っているけれど、言葉の 意味 は理解していない、という説があるんだ。
これを説明するために、よく使われる例え話がある。 「確率論的オウム（Stochastic Parrots）」 という話だ。
部屋の中にいる天才オウム
想像してみてほしい。 鍵のかかった部屋の中に、一羽の オウム がいる。 このオウムは超天才で、部屋にある何億冊もの本をすべて丸暗記している。
君がドアの隙間から、「リンゴの色は？」と書いた紙を差し入れる。 オウムは、その紙を見て考える。 「ふむふむ。『リンゴ』と『色』という記号が並んでいるな。私の記憶にある膨大なデータによると、この記号の並びの後には、『赤』という記号が続く確率が一番高いぞ」
そしてオウムは、「赤」と書いた紙を隙間から返す。 君はそれを見て、「すごい！この部屋の中には、リンゴを理解している知性がある！」と感動する。
でも、オウムはどうだろう？ オウムは、本物のリンゴを見たこともなければ、食べたこともない。 「赤」という色がどんな色かも知らない。 ただ、「リンゴ」という記号と「赤」という記号がセットで使われることが多い、という 統計的なルール を知っているだけなんだ。
「理解」しているように見えるだけ
今の生成AI（LLM）は、このオウムとよく似ている。 AIに「悲しい物語を書いて」と頼むと、涙が出るような物語を書いてくれる。 でも、AI自身は「悲しみ」という感情を感じてはいない。 「悲しい」という言葉と一緒に使われやすい単語（涙、別れ、雨、暗い……）を、確率に基づいて組み合わせているだけなんだ。
これが、AIには 心がない と言われる理由だし、同時に 恐れる必要はない と言われる理由でもある。 彼らは思考しているのではなく、 計算 しているだけなんだよ。
🎛️ 「パラメータ」って何？オウムの脳みそのシワの数
LLMの話をすると、必ず パラメータ数 という言葉が出てくる。 「数億パラメータ」とか「数千億パラメータ」とかね。 これも難しそうだけど、簡単にイメージできるよ。
これは、さっきのオウムの 「脳みそのシワの数」 だと思ってほしい。 あるいは、ラジオの 「調整つまみ」 の数だと思ってもいい。
つまみが多いほど、複雑なことができる
言葉のつながりというのは、単純じゃない。 「銀行」という言葉は、「お金」とつながることもあれば、川の「土手」とつながることもある（Bankの意味）。 文脈によって、つながる言葉の確率は変わるよね。
この複雑なルールを記憶・調整するための つまみ（パラメータ） が多ければ多いほど、AIは賢くなる。 数十億個のつまみがあれば、子供のような会話ができる。 数千億個のつまみがあれば、博士のような専門的な会話ができる。
最近のLLM競争は、いかにこの パラメータ（脳のシワ） を増やして、より賢いオウムを育てるか、という競争だったんだ。 （最近は、ただ増やすだけじゃなくて、質を高めようという流れもあるけどね！）
🤖 「GPT」って何の略？オウムの種類だと思えばいい
ついでに、一番有名な GPT についても翻訳しておこう。 ChatGPTの「GPT」だ。 これも略語なんだけど、ここまで読んだ君なら、なんとなく意味がわかるはずだ。
Generative Pre-trained Transformer （ジェネレーティブ・プリトレインド・トランスフォーマー）
- Generative（生成する）： これは前回の記事でやったね。新しいものを生み出す、ということ。
- Pre-trained（事前学習した）： 「Pre（あらかじめ）」「Train（訓練した）」。つまり、世界中の本を読んで勉強済みの、ということだ。生まれたての赤ちゃんじゃなくて、すでに教育を受けた状態だよ、という意味だね。
- Transformer（トランスフォーマー）： これはロボットアニメの名前……ではなく、Googleが発明した画期的な AIの深層学習モデル（仕組み） の名前だ。 この仕組みのおかげで、AIは「長い文章の文脈」を理解できるようになった。 「彼は昨日、店でリンゴを買った。それを食べた。」 この「それ」が「リンゴ」を指していることを理解できるのは、Transformerのおかげなんだ。
つまりGPTとは、 「トランスフォーマーという仕組みを使って、あらかじめ猛勉強させた、文章生成AI」 ということ。 犬の中に「プードル」や「柴犬」がいるように、LLMという大きな枠組みの中に、「GPT」という種類のAIがいると思えばいいよ。
🤥 なぜAIは嘘をつくの？オウムだから仕方ない？
LLMが「確率で喋るオウム」だとわかると、AIが抱える最大の問題点 「ハルシネーション（幻覚）」 の理由も見えてくる。
AIは、事実を知りたいわけじゃない。 「話のつじつまが合うように、確率の高い言葉をつなげること」 が目的なんだ。
例えば、「桃太郎の家来になった動物は？」と聞けば、「犬、猿、キジ」と答える。 これは、その組み合わせの確率が圧倒的に高いからだ。
でも、「桃太郎が持っていたスマートフォンの機種は？」と聞いたらどうだろう？ 事実としては、桃太郎はスマホなんて持っていない。 でも、AIは「桃太郎」＋「スマートフォン」という言葉から連想して、 「……きっと、オニ退治に役立つ機能がついているはずだ」 と計算し始める。
そして、 「桃太郎は、特製の『オニ・バスターPRO』というスマホを使っていました」 なんていう大嘘を、もっともらしい顔で出力してしまうんだ。
AIに悪気はない。 ただ、 「その文脈において、一番自然につながる言葉」 を選んだ結果、嘘になってしまっただけなんだ。 オウムに「嘘をつくな」と言っても無理だよね。 だって、オウムは言葉の意味（真実かどうか）なんて気にしていないんだから。
🚪 私たちは「超・物知りなオウム」とどう付き合うべきか
さて、LLMの正体がだんだん見えてきたかな？ 世界中の知識を詰め込んだ、計算高いオウム。 それが現在のAIの姿だ。
こう聞くと、「なんだ、中身は空っぽなのか」とガッカリしたかもしれない。 でも、僕はそうは思わないんだ。
意味を理解していなくても、これだけ人間に寄り添った会話ができる。 僕たちの悩みを聞いて、励ましの言葉（確率的に最も慰めになる言葉）をかけてくれる。 それって、すごいことじゃないかな？
大切なのは、 「AIは完璧な神様ではない」 と知っておくことだ。 彼らは計算機であり、確率論で動くパートナーだ。
- 知識の引き出し（アイデア出し） には、最高の相棒になる。
- 文章の要約や翻訳 は、人間よりも速くて正確だ。
- でも、 「真実かどうか」 の判断は、人間がやらなきゃいけない。
「オウム君、いいアイデアだね！ でも、事実は僕が確認しておくよ」 そんなスタンスで付き合える人が、これからの時代、AIを一番上手に使いこなせる人なんだと思う。
さあ、AIの脳みその仕組みがわかったところで、次はもっと実践的な話に進もう。 この優秀なオウム君に、どうやって話しかければ、最高の答えを引き出せるのか？ 次回は、AIへの指示出しテクニック 「プロンプト」 について、 「注文の多い料理店」 を例に翻訳していくよ。 ただ話しかけるだけじゃダメなんだ。コツがあるんだよ。
それじゃあ、また次の探求で会おう！ AIオウム君と一緒に、君を待っているよ！
関連記事はこちら！
僕と、もっと深く「探求」しないかい？
こんにちは！探求者のケイです。 君と、もっと密に、もっとリアルタイムに繋がるための、僕の「秘密基地」…それが、公式LINEなんだ。
この秘密基地では、
- 毎朝届く、世界のAI最新ニュース
- 週末限定、僕の考察付き「週刊AIトレンドレポート」
といった、探求の最前線の情報を、仲間である君にだけ、こっそり共有しているよ。
君も、僕の探求仲間になって、一緒に未来を覗きに行かないかい？ 下のボタンから、秘密基地の扉を開けてみてね！
コメント