LLM
大規模言語モデル - 膨大なテキストで学習され、言語を理解・生成します。ChatGPT、Claude、Geminiの中核です。
LLM（大規模言語モデル）とは、大量の言語データで学習し、テキストを処理して、与えられた文脈に基づいて続きを生成できるAIモデルです。
日常業務での例を見てみましょう。東京のマンション管理組合の担当者が、エレベーターの改修に関する長いお知らせを、住民に読みやすい文面に短縮したいと考えています。完成した文章をモデルに渡し、日付と電話番号を残すよう依頼してから、要約を原文と照らし合わせます。LLMは情報の伝え方を整えるのに役立ちますが、改修日を勝手に作り出したり、施工業者が時間どおりに来ると保証したりするべきではありません。
LLMの実際の仕組み
テキストはトークンと呼ばれる単位に分割されます。トークンは、単語の一部や単語全体、文字に相当する場合があります。モデルは文脈をもとに、次に続く可能性のあるトークンを予測します。現在のLLMでは、入力内の各部分の関係を考慮できるトランスフォーマーアーキテクチャがよく使われます。これは、用意された回答一覧から一つを選ぶ仕組みではありません。
学習によってモデルのパラメーターが決まります。その後、指示を入力しても、通常はそのパラメーターを使うだけで、学習をやり直すわけではありません。モデルが前のメッセージに言及したとしても、会話履歴が文脈として渡されたためかもしれません。あなたの発言がモデルを恒久的に変えた証拠にはなりません。この仕組みの基礎については、Googleの大規模言語モデル入門コースで解説されています。
LLM、チャットボット、検索エンジンは別物
チャットボットは、あなたが会話するアプリケーションです。LLMはその構成要素の一つです。アプリケーションには、インターネット検索やファイルの読み取り、計算、ユーザー設定の保存などの機能が追加されている場合もあります。そのため、似たモデルを使うサービスでも、異なる結果が返ることがあります。
モデル単体では、最新の電車の時刻表や今日の商品の価格を把握しているとは限りません。アプリケーションに検索機能がある場合は、実際に検索したか、どこから情報を取得したかを確認しましょう。表示されたリンクは検証の出発点であり、終点ではありません。ページを開き、記述を本当に裏付けているか確かめてください。モデルが文書を正しく読み取っても、そこから誤った結論を導くこともあります。
言語モデルに適したタスク
まずは、元になる資料があり、結果を自分で評価できる作業から始めるのがおすすめです。手順書の短縮、メモの整理、規約の2つの版の比較、メッセージ案の作成などが挙げられます。案ごとに、条件や例外、重要な注意事項が抜けていないか確認しましょう。
LLMは、テキストの分類や情報の抽出、コード作成の補助にも使えます。こうした用途では、許容する回答形式と正確さの確認方法を決めておきましょう。解決策の説明が流暢でもプログラムの動作テストにはならず、表の形式が正しくても、記載された数値の正しさは確認できません。
最初の実用的な指示を準備する方法
-
元になる資料を示します。マンション管理組合の例では、処理する必要のない個人情報を除いて、お知らせを貼り付けます。「改修のお知らせを書いて」と頼むのではなく、お知らせの根拠となる事実を提示しましょう。
-
タスクと読み手を指定します。「住民向けのお知らせを6文に要約してください。日付、時刻、問い合わせ先の電話番号はすべて残してください」。これで、広告文なのか要約なのか正式な通知なのかをモデルに推測させずに済みます。
-
情報が不足している場合のルールを加えます。「元の資料にない情報は補わないでください」と指定できます。不明点を別のリストにまとめるよう頼むこともできます。回答の自由度は下がりますが、確認作業が不要になるわけではありません。
-
結果を入力内容と照らし合わせます。日付、金額、約束が含まれる文に印を付けます。間違いがあれば、具体的に指摘してやり直します。モデルが謝ったというだけで、次の案を正しいと判断しないでください。
-
確認済みの指示を、簡単なチェックリストと一緒に保存します。別のお知らせでも試し、日程が書かれていないケースも検証しましょう。そうして初めて、同じように安定して使えるかを評価できます。
より大きなモデルより文書が必要な場合
回答が社内の手順書に左右されるなら、まず適切な手順書を用意しましょう。RAGシステムは資料から関連箇所を検索し、質問に添えて提示します。これは再学習とは異なり、誤りがなくなる保証もありません。古い文書を選んだり、重要な例外を見落としたりすることがあります。実際には、回答の長さよりも、参照元の版や日付が重要な場合があります。
よくある誤り：自信に満ちた口調を知識とみなす
LLMは、正しい手順も、作り話の説明も、同じように流暢に書けます。断定的な表現と内容の正しさに、単純な相関関係はありません。結果を確認できる場面で使い、重要な判断は確認済みの情報に基づいて行いましょう。検証できない事実については、説得力のある推測よりも「わかりません」という回答のほうが適切です。