LLMとは？大規模言語モデルをわかりやすく解説

LLM（大規模言語モデル）は、膨大な量の文章で学習し、言語を理解して生成できるようにしたAIの一種です。文章が与えられると、その続きに来るものを、少しずつ一つの断片ずつ予測します。この単純な能力だけで、質問への回答、文章の作成、要約、翻訳、コードの作成まで行えるようになるのです。ChatGPT、Claude、Geminiの背後にあるモデルは、すべてLLMです。

AIでアプリを作る場合になぜ重要なのか

AIアプリビルダーで作るとき、あなたはLLMと二重に関わっています。第一に、アプリを作っているのがLLMです。依頼を読み、変更を計画し、コードを書きます。第二に、アプリの 中に LLMを組み込みたくなるかもしれません。チャットボット、要約ボタン、文章作成の補助などです。

基本を理解しておくと、どちらの場合にも役立ちます。AIがあいまいな依頼を誤解するのはなぜか、なぜ自信満々に間違ったものを生成してしまうのか、長い会話では前に話した細部を見失うことがあるのはなぜか、そして、アプリにAI機能を追加すると利用するたびに費用がかかるのはなぜか、が説明できます。数学を知る必要はありません。確かな頭の中のモデルがあれば十分です。

身近なたとえ

とてつもなく膨大な図書館を読み尽くした人を想像してください。本、ウェブサイト、マニュアル、コード、フォーラムなど、あらゆる文章を読んでいて、どんな文章の続きでも、それに合うように書くことが驚くほど上手になっています。メールの書き出しを渡せば、あなたの口調で書き終えてくれます。質問をすれば、そうした質問の後に続きそうな答えを書いてくれます。

しかし、確認するためのメモはありません。そして、その図書館は、ある日付で閉館しています。その人は事実を調べているのではなく、パターンを思い出しているのです。ほとんどの場合、パターンは正しいものです。ところが、ときには、ただ 正しそうに聞こえる だけのものを、まったく同じ自信で埋めてしまうことがあります。

それがLLMです。非常によく読んでいて、とても流暢に書くけれど、記憶は不完全で、事実確認をする仕組みは組み込まれていない書き手なのです。

LLMの仕組みを平易に説明すると

1. 学習。 モデルは膨大な量の文章を見せられ、何十億もの内部の数値（パラメータ）を調整することで、次に来る文章を予測できるように学習します。ほとんどのLLMが使う設計は トランスフォーマー と呼ばれ、2017年にGoogleの研究者によって発表されました。
2. 調整。 生のモデルは、指示に従い、会話を続け、有害な出力を避けるように、多くの場合は人間のフィードバックを使って磨き上げられます。
3. 利用（推論）。 プロンプトを送ると、モデルはそれを読み、トークン 単位で1つずつ返信を生成します。そのたびに、それまでのすべてを踏まえて、もっともらしい次のトークンを選びます。

モデルの中には事実のデータベースがあるわけではなく、あなたとの会話から学習し続けるわけでもありません。会話の中でモデルが「知っている」ことは、学習によるものか、いま目の前にあるもの、つまり コンテキストウィンドウ から来たものだけです。

具体例：顧客対応の返信

あなたがオンラインの植物ショップを運営していて、LLMに次の文章を貼り付けたとします。

お客様からのメッセージ：「注文番号 #4412 の商品が、割れた鉢の状態で届きました。どうしていただけますか？」当店の方針：破損した商品は、写真を送っていただければ14日以内に無料で交換いたします。感じのよい返信を書いてください。

このとき、次のことが起きます。

• 文章はトークンに分割されます。おそらく百個ほどです。
• モデルは全体を読みます。お客様のメッセージ、あなたの方針、あなたの指示です。
• 返信をトークン単位で生成します。「ご注文の鉢が割れた状態で届いてしまい、大変申し訳ございません…」と書き、写真を求め、無料交換について触れます。

では、同じ依頼を、方針 なし でしてみましょう。モデルは、やはり自信のある感じのよい返信を書くでしょう。しかし、返金を約束したり、30日の期間を提示したりするかもしれません。サポートのメールでよくあるパターンを見てきたからです。これが ハルシネーション であり、LLMについての最も実践的な教訓を示しています。LLMの正確さは、あなたが与える情報の正確さに依存します。 信頼できる答えが必要なアプリは、毎回、適切な根拠資料をモデルに渡しています。これは RAG と呼ばれる手法です。

主な用語の説明

よくある間違いと誤解

• 「モデルは情報を調べている」。 単独のLLMは調べません。ウェブ検索や文書の検索を加えるアプリもありますが、モデル自体はパターンから生成しています。
• 「自信がありそうなら正しい」。 自信と正確さは無関係です。名前、数字、日付、価格、法律や医療に関わるものは必ず確認してください。
• 「私が言ったことはすべて覚えている」。 覚えているのは、コンテキストウィンドウに収まる範囲だけです。非常に長い会話では、前の細部が抜け落ちたり、注目されにくくなったりします。大事なことは言い直しましょう。
• 「人間のように考えている」。 印象的な推論をすることはありますが、目標や信念、結果を意識する仕組みはありません。出力は、確認すべき下書きとして扱いましょう。
• 「大きいものや新しいものが常によい」。 単純で大量に処理する作業には、小さく、安く、速いモデルのほうが適切なことがよくあります。
• 確認せずに個人データを送る。 顧客データをAIサービスに貼り付けたり、アプリに組み込んだりする前に、提供元のデータ利用と保存に関する規約を確認してください。

AIビルダーへの頼み方

LLMがアプリを作っているとき：

• 「何かを変える前に、私が何を理解したか、そしてこれから何をするかを教えてください。」
• 「正確な方針の文言がこちらです。想像で細部を作らず、そのまま使ってください。」
• 「価格や日付などの事実は推測しないでください。プレースホルダーを残して、一覧にして私に教えてください。」

アプリの中にLLMを組み込みたいとき：

• 「サーバーから [提供元] のAPIを呼び出す [要約] ボタンを追加してください。APIキーはシークレットに保存し、ブラウザには決して出さないでください。」
• 「回答が方針に沿うように、私たちの方針をプロンプトに入れてください。確信がないときは『わかりません』と答えるようにしてください。」
• 「回答の長さに上限を設けて、1人のユーザーが1日に行えるリクエストの数も制限してください。」
• 「リクエストごとの費用を記録して、利用状況が見えるようにしてください。」

ステップごとのガイドは、アプリにAI機能を追加する方法 をご覧ください。

LLMとMythex

Mythexの構築エージェントはLLMで動いています。すべての人が同じStandardエージェントを使い、モデルを選ぶ画面はありません。構築にはMythexのクレジットを使います。ただし、あなたが作るアプリの 中 のAI機能は別物です。OpenAIやAnthropicなどの提供元のAPIキーを自分で用意し、プロジェクトのシークレットとして保存すると、その利用料金は提供元から直接請求されます。ドキュメントのレシピ アプリにAIを追加する に、使うべきプロンプトが載っています。

よくある質問