大規模言語モデル

  • 7 分

生成 AI のしくみを理解することは、教育者が教育における技術的な進歩の最前線に留まり続けるのに役立ちます。 AI ボキャブラリについてさらに詳しく見てみましょう。

大規模言語モデルとは

大規模言語モデル (LLM) とは、OpenAI の GPT-5.6 (および将来のバージョン) のような AI モデルを指します。膨大な量のテキストでトレーニングされ、パズルを組み立てるなど、フレーズ内の次にどのような単語が来るかを予測することで、その場で会話の応答を生成できます。 大規模言語モデルでは、次のようなさまざまな自然言語タスクを実行できます。

  • 分類
  • 概要作成
  • 変換
  • コンテンツの生成
  • ダイアログ (仮想アシスタントなど)

大規模言語モデルは、書籍、記事、Web サイトなどの多様なソースから、数十億の言語例に基づいてトレーニングされています。これは、事実、文法的に正しいテキスト、論証、創造性のようなもので応答するのに役立ちます。

OpenAI の人気のある ChatGPT システムは、この種の生成 AI の一例です。 ChatGPT は、GPT-5.6 (Generative Pretrained Transformer) モデルに基づいて OpenAI で発明された大規模言語モデルを利用しています。 ChatGPT は、インタラクティブなチャット用に微調整された大規模言語モデル上に構築されたアプリケーションと考えてください。

大規模言語モデルを利用したアプリを使用するPeopleは、プロンプト(アプリのインターフェイスに入力したテキスト)を通じてモデルの出力を指示できます。 プロンプトには、自然言語の文や質問、コード スニペットやコマンド、テキストやコードの任意の組み合わせを指定できます。

プロンプトが具体的で詳細な場合、LLM はテキストを生成し、主要なポイントを拡張し、情報を重要なポイントに集約し、質問に効率的に回答できます。 LLM プロンプトを創造的に定義する技術は、 プロンプト デザイン と プロンプト エンジニアリングとして知られる新しい分野です。 これには、望ましい応答を得るために効果的かつ効率的なプロンプトを作成するプロセスが含まれます。 教育者と学習者は、モデルが高品質で関連性の高いテキストを生成するための適切な単語、フレーズ、記号、形式を選択することを試す必要がある場合があります。

効果的なプロンプトを記述するためのヒントは次のとおりです。

  • 具体的に指定します。
  • タスクに適したモデルを使用します。
  • 特定の視点から結果を求めます。
  • モデルをガイドして目的の長さを生成します。
  • トピックを変更する場合は、[ 新しいトピック] ボタン を使用する

その他のヒントについては、以下を参照してください。

Microsoft は、大規模言語モデル テクノロジを使用して Copilot Chat の機能を強化しています。

Copilot Chat は、Web を検索するたびに、研究アシスタント、パーソナル プランナー、クリエイティブ パートナーがそばにいるようなものです。 この AI を利用した一連の機能を使用すると、次のことができます。

  • 実際に質問してください。 複雑な質問をする場合、Copilot Chat は詳細な回答を提供します。
  • 実際の回答を取得します。 Copilot Chat は、Web 全体の検索結果を見て、要約された回答を提供します。
  • 創造力を発揮しましょう。 インスピレーションが必要な場合、Copilot Chat は詩や物語を書いたり、まったく新しいイメージを作成したりするのにも役立ちます。
  • チャット エクスペリエンスでは、"もっと簡単な言葉で説明できますか" や "その他のオプションを教えてください" などの フォローアップの質問をして 、検索でさまざまな詳細な回答を得ることもできます。

注:

常にファクトチェックの結果を確認する。 LLM の応答は説得力があるように見えますが、不正確、不完全、または不適切である可能性があります。 LLM は応答の正確性を理解または評価できません。 Copilot Chat は、応答のデータとして使用するオンライン コンテンツのソースを教育者と学習者に提供するため、信頼できるソースとして使用する前にそれを評価できることに注意することが重要です。

実際の例を次に示します。

大学の教職員は、都市計画に関するコースの新しいシラバスを作成する必要があります。 まず、都市計画に関する大学レベルのコースの概要を作成するように Copilot Chat に依頼します。 要約は詳細ですが、コースのすべての要素が含まれているわけではありません。 教員は、コースの概要を含めるようにプロンプトを変更し、概要がコース シラバス用であることを指定します。 2 回目のイテレーションは、シラバスに必要なものに近づいています。 テキストをコピーし、Word 文書に貼り付けて、いくつかの単語だけ変更します。 要約は完了です。 次に、概要と概要に基づいてコースの学習目標を作成するように Copilot Chat に依頼します。 数分でこのタスクが完了し、コース教材の作成に進むことができます。

LLM は多くの点で素晴らしいものですが、大規模なデータセットから特定の詳細を取得するのではなく、分類、新しいアイデアの生成、またはテキストの要約を含むタスクに最適です。