AI、機械学習、LLM の整理 — 非開発者のための全体像

このごろは、どこでも AI の話が聞こえてきます。ところが、AI、機械学習、LLM、生成 AI といった言葉が混ざって使われるので、互いにどう違うのか分かりにくくなりがちです。会議で「これは AI でやれるんじゃないですか」という言葉が出るとき、その AI が正確に何を指すのかはっきりしない場合も多いのです。

今回の記事では、これらの言葉の関係を全体像として整理し、いまの道具が何を得意とし何を苦手とするのかを、コードなしで解きほぐしていきます。技術の中身を深く掘るよりも、非開発者が会話に加わるための地図を描くことに集中します。

AI の中に機械学習、その中に LLM があります #

まず三つの言葉の関係から押さえます。三つは横に並んだ競合語ではなく、大きな円の中に小さな円が入っている包含関係です。

一番大きな円が AI、つまり人工知能です。人の知能がしていたことを機械にやらせようとする分野全体を指す広い言葉です。その中の一つの枝が機械学習です。規則を人がいちいち決めてやる代わりに、たくさんのデータを与えて機械が自分でパターンを身につけるようにする方法です。そして機械学習の中でも、言語を扱うように巨大な規模で学習したモデルが LLM、日本語では大規模言語モデルです。私たちが使うチャットボットが、まさにこの LLM にあたります。

整理すると、AI が最も広い分野で、機械学習はそれを成り立たせる中心的な方法であり、LLM はその方法で作った言語特化のモデルです。

LLM は、次に来る言葉を確率で選びます #

LLM が賢そうな答えを出す仕組みは、意外にも一つの文に要約できます。これまでの文を見て、次に来る最もそれらしい言葉を確率で選んでつなげる、ということです。この過程をとても速く繰り返しながら、長い文ができあがります。

膨大な文章を学習しながら「こういう言葉のあとには、ふつうこういう言葉が来る」というパターンを身につけたので、人が書いたように自然な文を作り出します。この予測がどう行われるのかはLLM はどうやって次の単語を予測するのかでより深く扱いました。ここで覚えておく点は、LLM が意味を理解して答えるというより、それらしい言葉をつなぐことにとても長けている、ということです。

だから、得意なことと苦手なことが分かれます #

この仕組みが分かると、いまの道具の強みと弱みが自然に見えてきます。

得意なのは言葉を扱う領域です。文章を要約し、翻訳し、下書きを作り、ぎこちない文を整え、コードの大枠を組むことに長けています。似たパターンが世の中にたくさん積まれている仕事ほど得意です。

逆に弱い部分もはっきりしています。最もよく出会うのがハルシネーションです。事実でない内容を、事実であるかのようにもっともらしく作り出す現象です。次に来るそれらしい言葉をつなぐのが本来の動作なので、真偽を吟味するより、なめらかな文を優先するところから生じます。また、学習した時点より後の最新情報は知らず、正確な計算や厳密な論理でもしばしば間違えます。だから LLM が出した結果は、そのまま信じるより、人が事実を確認する段階を経るべきです。

なぜ非開発者が知っておくと仕事が楽になるのか #

• 道具を正しいところで使えます。 下書きや要約のような得意なことに任せ、事実確認や正確な数値が必要な仕事は人が検証すれば、無駄足を減らせます。
• ハルシネーションにだまされません。 もっともらしい答えがいつも正しい答えではないと分かれば、大事な内容はもう一度確認する習慣がつきます。
• 現実的な期待を持てます。 「これは AI でやれるんじゃないですか」という言葉に対して、何が可能で何がまだ難しいのかを一緒に見積もれます。

まとめ #

今日は、AI、機械学習、LLM の関係を全体像として整理しました。AI が最も広い分野で、機械学習はデータでパターンを身につける方法であり、LLM はその方法で作った言語モデルです。LLM は次に来る言葉を確率でつなぐことに長けているので、言葉を扱う仕事は得意ですが、ハルシネーションのようなはっきりした弱みも併せ持ちます。この強みと弱みを知って使うことが、道具をうまく扱う第一歩です。

LLM が次の単語を選ぶ仕組みがもっと気になればLLM はどうやって次の単語を予測するのかを、こうしたモデルを誰が作って運用するのか気になれば開発者は実際に何をしているのかを一緒に読んでみることをおすすめします。