大規模言語モデル（LLM）

ChatGPTやClaude、Geminiの中核にある「文章を扱うAI」の仕組み

大規模言語モデル（LLM：Large Language Model）は、膨大な量の文章で学習し、文章の理解や生成をこなすAIモデルです。ChatGPT、Claude、Geminiといったチャット型AIサービスの中核にあるのがLLMです。ここでは、LLMがどう作られ、何が得意で何が苦手なのかを解説します。

LLMとは何か

LLMは、与えられた文章の続きとして「次に来る可能性が高いトークン（文字や単語の断片）」を予測する仕組みを、非常に大きな規模で実現したものです。「大規模」とは、学習に使う文章の量と、モデル内部の調整可能な数値（パラメータ）の数がどちらも非常に多いことを指します。

文章を細かく区切った単位についてはトークンの記事を参照してください。

どうやって作られるか

一般的に、次の段階を経て作られます。

事前学習（Pretraining）：インターネット上の文章や書籍など大量のテキストで、「次のトークンを予測する」訓練を行います。この段階のモデルは文章の続きを書くのは得意ですが、質問に答えたり指示に従ったりするのは得意ではありません。
追加学習（ファインチューニング）：指示と望ましい回答の例を使って、アシスタントとして振る舞えるように調整します。詳しくはファインチューニングを参照してください。
人間のフィードバックによる強化学習（RLHF）など：人が複数の回答を比べて順位をつけ、その好みに沿うようにモデルを調整します。

得意なこと

文章の要約、言い換え、翻訳
質問応答、説明、アイデア出し
プログラムの作成や修正
文章からの情報抽出、分類
長い資料を読み込んだうえでの分析（コンテキストウィンドウの範囲内）

苦手なこと・注意点

事実の誤り：もっともらしい誤りを出力することがあります（ハルシネーション）。
最新情報：学習データの期限以降の出来事は知りません（知識のカットオフ）。検索機能やRAG（検索拡張生成）で補うのが一般的です。
厳密な計算・数え上げ：長い計算や文字数カウントは間違えることがあります。計算ツールやコード実行と組み合わせると安定します。
出力の揺らぎ：同じ質問でも毎回少しずつ違う答えが返ることがあります。

チャットAIとLLMの関係

「ChatGPT」「Claude」などはサービス名で、その裏で動いているのが各社のLLMです。同じサービスでも、裏側のモデルは定期的に新しい世代へ更新されます。サービスを選ぶときは、モデルの性能だけでなく、データの取り扱い方針、料金体系、社内ツールとの連携なども比べるのが現実的です。

明日から使えるコツ

役割・目的・出力形式を具体的に指示する（プロンプト参照）
判断材料になる資料を一緒に渡す
重要な数字や固有名詞は必ず自分で確認する
うまくいかないときは、指示を分割して段階的に頼む

参考リンク

編集: AI Play 編集部　最終更新: 2026-10-25