超初心者向け：AI/LLMって何？やさしく解説する人工知能の基礎（基礎編） | First byte Blog

超初心者向け：AI/LLM って何？やさしく解説する人工知能の基礎

この記事が想定する読者：AI・LLMの言葉は知っているが、何ができて何に気をつければよいか、最初の一歩を押さえたい方。

判断を誤るとどうなるか：できることと限界を理解せずに業務に使うと、事実誤認を信じる・個人情報を渡す・過度に依存するなどリスクが増える。先に「どこまで信じてよいか」「何は人が確認するか」を決めてから使い始めると失敗しにくい。

AI や LLM（大規模言語モデル）という言葉をよく耳にするようになりましたが、「結局何ができるの？」「どう機能しているの？」と疑問に思っている方も多いのではないでしょうか。

近年、生成AI/LLMは急速に進化しており、モデル名・機能・制約は短い周期で更新されています。特に「いつ時点の情報か」によって、できること・できないことの境界が変わるため、業務で使う場合は各社の公式発表やドキュメントで最新情報を確認するのが安全です。

この記事では、IT 技術に詳しくない方でも理解できるよう、AI と LLM の基本をわかりやすく解説します。その仕組みが効果的な理由も詳しく説明します。

AI とは何か？

AI（Artificial Intelligence：人工知能）とは、簡単に言えば「人間のような知能を持つコンピュータシステム」のことです。

しかし、今日の AI は、SF のような「意識を持つロボット」ではありません。現実の AI は特定のタスクを人間のように、あるいは人間以上に効率的に行うために設計されたプログラムです。例えば：

画像の中の物体を認識する
言語を理解して文章を生成する
データから傾向やパターンを見つける
戦略ゲームで対戦相手に勝つ

などの能力を持っています。

AI の基本的な仕組みとその効果

AI が機能する基本的な仕組みを、例えを使って説明しましょう。

小さな子どもが「犬」を認識できるようになる過程を考えてみてください。最初は親が「これは犬だよ」と教えます。そして子どもは多くの犬を見ることで、「四本足があって、尻尾があって、特定の形の顔をしているものは犬だ」という「犬のパターン」を頭の中に作り上げていきます。その結果、初めて見る犬でも「これは犬だ」と認識できるようになります。

AI も基本的には同じような学習プロセスを経ます。大量の例（データ）を見せることで、パターンを見つけ出し、新しいデータに対しても適切な判断や予測ができるようになるのです。これが「機械学習」という技術の基本的な考え方です。

この仕組みの特徴：

大量のデータからパターンを発見することで、新しいデータに対しても適切な判断ができる可能性があります。例えば、大量の猫の画像から「猫のパターン」を学習したAIは、初めて見る猫の画像でも「これは猫だ」と認識できる可能性があります。ただし、学習データに偏りがある場合、AIも偏った判断をしてしまう可能性があります。

大量のデータから学習することで、効率的に知識を獲得できる可能性があります。例えば、言語モデルは、大量のテキストデータから、文法、語彙、文脈理解などの知識を効率的に学習する可能性があります。ただし、学習データの品質や量によって、学習の効果は変わります。

新しいデータに対しても適切な判断ができる可能性があるため、適応性が高い場合があります。例えば、画像認識AIは、学習データに含まれていない新しい角度や照明条件の画像でも、適切に認識できる可能性があります。ただし、学習データと大きく異なる状況では、適切に認識できない可能性もあります。

AI の種類とその重要性

AI には主に以下のような種類があります：

ルールベース AI：人間が設定した明確なルールに従って動作する単純な AI
機械学習：データから学習して判断や予測を行う AI
深層学習（ディープラーニング）：ニューラルネットワークを用いた高度な機械学習
強化学習：試行錯誤を通じて最適な行動を学習する AI

これらの種類の特徴：

用途に応じて適切なAIを選択することで、より効果的な結果が得られる可能性があります。例えば、ルールベースAIは単純な判断に適し、機械学習は複雑なパターン認識に適し、深層学習は画像認識や自然言語処理に適している場合があります。ただし、適切なAIを選択するには、課題の特性や制約条件を理解することが重要です。

これらの種類は、技術の進化を反映しています。例えば、従来のルールベースAIでは対応できなかった複雑なタスクも、機械学習や深層学習により対応できるようになった場合があります。ただし、技術の進化により、AIの応用範囲が広がったとしても、すべての問題を解決できるわけではありません。

近年特に注目されているのは「生成 AI」と呼ばれるもので、これは新しいコンテンツ（テキスト、画像、音楽など）を生成できる AI です。ChatGPT もこのカテゴリに入ります。

生成AIの特徴：

生成AIは、新しいコンテンツを生成できる可能性があります。例えば、テキスト生成、画像生成、音楽生成など、人間が創造するコンテンツを、AIが支援または自動生成できる可能性があります。ただし、生成されたコンテンツの品質は、学習データやプロンプトの品質によって変わります。

生成AIは、人間の作業を効率化できる可能性があります。例えば、ブログ記事の下書き、メールの作成、デザイン案の生成など、従来は人間が時間をかけて行っていた作業を、AIが短時間で完了できる可能性があります。ただし、生成されたコンテンツは、人間による確認や修正が必要な場合があります。

LLM って何？

LLM（Large Language Model：大規模言語モデル）は、膨大なテキストデータから言語の規則やパターンを学習した、特に言語処理に特化した AI モデルです。

LLM の特徴とその重要性

LLM の主な特徴は：

大量のテキストデータで学習：インターネット上の膨大なテキスト、書籍などから学習
言語の構造とパターンを理解：文法、文脈、単語間の関係性など
異なる言語スタイルの理解：フォーマルな文書からカジュアルな会話まで
文脈に応じた応答が可能：前後の会話を踏まえた返答ができる

これらの特徴の意味：

大量のデータから学習することで、様々な知識を獲得できる可能性があります。例えば、ある大規模言語モデルは、プログラミング、歴史、科学、文学など幅広い領域のテキストから学習し、多様な質問に応答できる場合があります。ただし、学習データに偏りがある場合、モデルの出力にも偏りが出る可能性があります。

言語の構造とパターンを理解することで、より自然な会話が可能になる可能性があります。例えば、文法、語彙、文脈などを理解することで、「こんにちは」という挨拶に対して、適切な返答を生成できる可能性があります。ただし、文脈を誤解して、不適切な回答を生成する可能性もあります。

文脈に応じた応答が可能なため、より適切な回答が得られる可能性があります。例えば、会話の途中で「それについて詳しく教えて」と言えば、前の話題について詳しく説明できる可能性があります。ただし、文脈を誤解して、不適切な回答を生成する可能性もあります。

有名な LLM の例とその重要性

代表的なLLMは複数あり、提供形態（API提供、オンプレ運用、オープンウェイト等）や得意領域、制約が異なります。モデル名や機能は更新されるため、業務で選定する場合は「用途・要件・制約」に合わせて比較し、最新情報は公式ドキュメントで確認するのが安全です。

これらのLLMの特徴：

これらのLLMは、技術の進化を代表している可能性があります。一般に世代が進むほど、推論、コード生成、応答品質などが改善される場合があります。ただし、すべてのタスクで完璧な結果が得られるわけではありません。

用途に応じた最適なモデルを選択するには、各モデルの特徴や制約（コスト、入出力制限、データ取り扱い、速度、品質など）を理解することが重要です。

LLM はどのように機能するのか？この仕組みが効果的な理由

LLM の機能の仕組みを簡単に説明すると：

学習フェーズ：大量のテキストを読み込み、言葉の使われ方、文の構造、文脈などを学習
パターン認識：単語間の関係性や、特定の質問にはどのような回答が適切かなどのパターンを認識
予測と生成：学習したパターンに基づいて、次に来るべき単語や文を予測・生成

例えるなら、とても多くの本を読んだ人が、その知識を基に会話をしたり文章を書いたりするようなものです。ただし、LLM は実際に「理解」しているわけではなく、統計的な確率に基づいて次の単語を予測しているだけです。

この仕組みの特徴：

大量のテキストから学習することで、様々な知識を獲得できる可能性があります。ただし、学習データに偏りがある場合、モデルの出力にも偏りが出る可能性があります。

パターンを認識することで、より適切な回答が可能になる可能性があります。例えば、「こんにちは」という挨拶に対して、「こんにちは、いかがお過ごしですか？」という自然な返答を生成できる可能性があります。ただし、パターンを誤解して、不適切な回答を生成する可能性もあります。

学習したパターンに基づいて予測することで、より適切な単語を選択できる可能性があります。例えば、「今日は良い天気です」という文章の次に来るべき単語を予測し、「散歩に行きましょう」という自然な文章を生成できる可能性があります。ただし、予測が外れて、不自然な文章を生成する可能性もあります。

AI と LLM のできること・できないこと

できることとその理由

AIとLLMは、以下のようなことができます：

情報の要約と整理：大量のテキストから重要なポイントを抽出
文章の生成：ブログ記事、レポート、創作文などの作成
質問への回答：学習したデータの範囲内で質問に答える
言語翻訳：複数の言語間で文章を翻訳
コードの作成支援：プログラミングコードの生成や修正の提案

これらのことが可能になる理由：

AIとLLMは、大量の知識を持っている可能性があります。ただし、学習データの時点までの情報しか持っていない場合があるため、最新の情報には対応できない可能性があります。

AIとLLMは、パターンを理解できる可能性があります。例えば、「こんにちは」という挨拶に対して、「こんにちは、いかがお過ごしですか？」という自然な返答を生成できる可能性があります。ただし、パターンを誤解して、不適切な回答を生成する可能性もあります。

AIとLLMは、文脈を理解できる可能性があります。例えば、会話の途中で「それについて詳しく教えて」と言えば、前の話題について詳しく説明できる可能性があります。ただし、文脈を誤解して、不適切な回答を生成する可能性もあります。

できないこと：なぜこれらのことができないのか

AIとLLMは、以下のようなことができません：

新しい事実の発見：学習データにない新しい情報の提供
100%正確な情報の保証：誤った情報を含む「ハルシネーション」が発生することも
完全な理解：文章の表面的なパターンを学習しているだけで、真の意味を理解しているわけではない
感情や意識：人間のような感情や意識は持っていない
現在のリアルタイム情報へのアクセス：学習データの時点までの情報しか持っていない（※API 接続で補完されることも）

これらのことができない理由：

AIとLLMは、学習データの範囲内でしか回答できない可能性があります。また、学習データの時点までの情報しか持っていない場合があるため、最新の情報には対応できない可能性があります。

AIとLLMは、統計的な確率に基づいて予測している可能性があります。例えば、学習データに偏りがある場合、AIも偏った判断をしてしまう可能性があります。また、統計的な確率に基づいているため、100%正確な情報を保証できない可能性があります。

AIとLLMは、真の意味を理解しているわけではない可能性があります。例えば、文脈を誤解して、不適切な回答を生成する可能性があります。

AI と LLM がビジネスや日常生活に与える影響

ビジネスでの活用例とその効果

AI と LLM は既に私たちの生活やビジネスに大きな影響を与えています：

ビジネスでの活用例：

カスタマーサポート：チャットボットによる 24 時間対応
コンテンツ作成：マーケティング資料やレポートの草案作成
データ分析：大量データからのインサイト抽出
業務効率化：定型業務の自動化
製品開発：アイデア創出や市場調査の支援

これらの活用の特徴：

AIとLLMにより、業務を効率化できる可能性があります。例えば、ブログ記事の下書き、メールの作成、レポートの作成など、従来は人間が時間をかけて行っていた作業を、AIが短時間で完了できる可能性があります。ただし、生成されたコンテンツは、人間による確認や修正が必要な場合があります。

AIとLLMにより、24時間対応が可能になる可能性があります。例えば、AIチャットボットが24時間365日対応することで、ユーザーは時間を問わず、いつでもサポートを受けられる可能性があります。ただし、複雑な問題や緊急事態には、人間の対応が必要な場合があります。

AIとLLMにより、コストを削減できる可能性があります。例えば、人間のスタッフの負担を軽減することで、人件費を削減できる可能性があります。ただし、AI導入の初期コストや運用コストも考慮する必要があります。

日常生活での活用例とその効果

日常生活での活用例：

情報検索と要約：複雑な情報をわかりやすく説明
学習サポート：様々なトピックの学習補助
創作活動：文章、画像、音楽などの創作支援
個人的なアシスタント：予定管理、リマインダー、情報整理

これらの活用の特徴：

AIとLLMにより、情報に迅速にアクセスできる可能性があります。例えば、大量の文書から必要な情報を検索したり、質問に対して即座に回答を得たりできる可能性があります。ただし、生成された情報の正確性を確認することが重要です。

AIとLLMにより、学習を支援できる可能性があります。例えば、複雑な概念を分かりやすく説明したり、質問に対して即座に回答したりできる可能性があります。ただし、生成された説明の正確性を確認することが重要です。

AIとLLMにより、創造性を拡張できる可能性があります。例えば、文章のアイデア出しや、デザインの提案など、創造的な作業を支援できる可能性があります。ただし、生成されたアイデアは、人間による評価や改善が必要な場合があります。

よくある誤解とその構造

AI/LLMについて理解する際、よくある誤解は「AI技術の理解」と「AI活用の設計」の関係を逆転させて考えることです。

具体的には、以下のような誤解が見られます：

「AIは万能である」：AI技術を万能であると仮定してしまい、AIの限界や適用条件の設計を考慮していない
「AIは人間を置き換える」：AI技術を人間の代替として捉えてしまい、人間とAIの協働設計を考慮していない
「AIを理解すれば活用できる」：AI技術を理解すること自体が目的になってしまい、実際の活用方法や判断軸の設計を考慮していない

これらの誤解の背景には、「AI技術を理解する」という「知識の獲得」を先に行い、「AI活用の設計（目的・判断軸・適用条件）」という「前提設計」を後回しにする思考パターンがあります。

AI/LLMを適切に活用するには、まず「AI活用の設計」を明確にし、その上で「AI技術の理解」を深めることが重要です。

判断の構造を可視化する

AI/LLMを活用する際は、以下の5つのステップで判断を進めることをおすすめします。

ステップ1：AI活用の目的と判断軸の明確化

まず、AI活用の目的と判断軸を明確にします。

目的の明確化：AI活用の目的を明確にします（例：業務効率化、意思決定の支援、顧客体験の改善）
判断軸の設定：AI活用の判断軸を設定します（例：効果の測定、コスト、リスク）
制約条件の把握：AI活用の制約条件を把握します（例：リソースの制約、技術的な制約、時間的制約）

ステップ2：適切な課題の特定と適用条件の設計

次に、適切な課題を特定し、適用条件を設計します。

課題の特定：AI活用に適した課題を特定します（例：反復的な作業、大量のデータ処理、パターン認識）
適用条件の設計：AI活用の適用条件を設計します（例：データの品質、データの量、技術的な要件）
効果の見込み：AI活用の効果を見込みます（例：業務効率化の効果、意思決定の改善、顧客体験の改善）

ステップ3：AI技術の理解と選択

適切な課題と適用条件を踏まえ、AI技術を理解し、選択します。

AI技術の理解：AI技術の基本的な仕組みを理解します（例：機械学習、深層学習、大規模言語モデル）
技術の選択：適切なAI技術を選択します（例：用途に応じた技術の選定、コストと効果のバランス）
限界の理解：AI技術の限界を理解します（例：AIは「理解」しているわけではなく、「パターン」を認識している）

ステップ4：人間とAIの協働設計

AI技術の理解と選択を踏まえ、人間とAIの協働を設計します。

役割の明確化：人間とAIの役割を明確にします（例：人間が行う作業、AIが行う作業、協働する作業）
能力の拡張：AIを人間の能力を拡張するものとして設計します（例：意思決定の支援、作業の効率化、創造性の支援）
インターフェースの設計：人間とAIのインターフェースを設計します（例：ユーザーインターフェース、フィードバックの仕組み、エラーハンドリング）

ステップ5：継続的な学習と改善

AI活用を実施したら、継続的に学習と改善を行います。

効果の測定：AI活用の効果を測定します（例：業務効率化の効果、意思決定の改善、顧客体験の改善）
継続的な学習：AI技術の進化に合わせて、継続的に学習します（例：最新の情報の確認、新しい技術の検討）
改善の実施：データに基づいて、継続的に改善を続けます（例：定期的な見直し、ユーザーフィードバックの反映、市場の変化への対応）

実務で見落とされがちな点

AI/LLMを活用する際、実務で見落とされがちな点は以下の通りです。

AIの限界の理解

AIは万能ではありません。AIの限界（理解していない、創造性の欠如、文脈の理解の不完全さなど）を理解し、適切な課題に適用することが重要です。AIが解決できない課題や、人間の方が適切な課題も存在することを理解することも重要です。

人間とAIの協働設計

AIは人間を置き換えるものではありません。人間の能力を拡張するものです。AI活用において、人間とAIの役割を明確にし、協働を設計することが重要です。また、AIを人間の能力を拡張するものとして捉え、創造性や判断力を支援する設計を検討することも効果的です。

継続的な学習と改善の仕組み

AI技術は急速に進化しています。一度の理解で満足せず、継続的に学習し、改善を続ける仕組み（定期的な見直し、最新情報の確認、改善のプロセスなど）を設計しておくことが重要です。また、技術の進化に合わせて、AI活用戦略を見直すことも効果的です。

AI と人間の関係と協働の重要性

AI は強力なツールですが、その真の価値は人間と協働することで発揮されます。AIは大量データの処理や反復作業に優れ、人間は創造性や倫理的判断に優れています。これらの強みを組み合わせることで、単独では実現できない成果を生み出せる可能性があります。

AI の強みとその重要性

AIの強みは、以下の通りです：

大量データの高速処理
繰り返し作業の効率化
客観的なパターン認識
24 時間稼働

これらの強みの特徴：

AIの強みにより、業務を効率化できる可能性があります。例えば、大量のデータ処理や反復作業をAIに任せることで、人間はより創造的な作業に集中できる可能性があります。ただし、AIの判断が常に正しいとは限りません。

AIの強みにより、客観的な判断が可能になる可能性があります。例えば、感情に左右されず、データに基づいて判断することで、より公平な判断が可能になる可能性があります。ただし、学習データに偏りがある場合、AIも偏った判断をしてしまう可能性があります。

人間の強みとその重要性

人間の強みは、以下の通りです：

創造性と直感
倫理的判断と価値観
感情的知性とエンパシー
文脈や背景の深い理解

これらの強みの特徴：

人間の強みにより、創造的な解決策を見つけられる可能性があります。例えば、AIが提案した解決策を、人間が創造的に改善することで、より革新的な解決策を見つけられる可能性があります。

人間の強みにより、倫理的な判断が可能になる可能性があります。例えば、AIが提案した解決策を、人間が倫理的に評価することで、より適切な判断が可能になる可能性があります。

AI と人間は互いの強みを補完し合うことで、単独では達成できないレベルの成果を生み出す可能性があります。AI を「置き換える者」ではなく「協力者」として捉えることが、これからの時代には重要になる可能性があります。

協働の特徴：

協働により、相乗効果が生まれる可能性があります。例えば、AIが大量のデータを処理し、人間が創造的な判断を行うことで、より大きな成果を生み出せる可能性があります。

協働により、バランスの取れた判断が可能になる可能性があります。例えば、AIがデータに基づいて判断し、人間が倫理的に評価することで、バランスの取れた判断が可能になる可能性があります。

AI 時代に必要なリテラシーとその重要性

AI や LLM が普及する現代社会では、新しいタイプのリテラシーが求められています：

AI リテラシーとその重要性

AIリテラシーは、以下のような要素を含みます：

AI の基本的な機能と限界を理解する
AI が生成した情報を批判的に評価する
AI ツールを適切に活用する方法を学ぶ
AI に関する倫理的問題を認識する

AIリテラシーの重要性：

AIリテラシーにより、適切にAIを活用できる可能性があります。例えば、AIの強みと弱みを理解し、適切なタスクにAIを活用することで、より効果的な結果が得られる可能性があります。

AIリテラシーにより、批判的思考が可能になる可能性があります。例えば、AIが生成した情報を、複数の情報源と照合したり、専門家に確認したりすることで、より正確な情報を得られる可能性があります。

データリテラシーとその重要性

データリテラシーは、以下のような要素を含みます：

データの質と信頼性を評価する
バイアスの可能性を認識する
統計的思考の基本を身につける
データプライバシーの重要性を理解する

データリテラシーの重要性：

データリテラシーにより、データを適切に評価できる可能性があります。例えば、データの品質、信頼性、偏りなどを評価することで、より正確な判断が可能になる可能性があります。

データリテラシーにより、バイアスを認識できる可能性があります。例えば、データに特定のグループが過剰に含まれている場合、バイアスを認識し、適切に補正することで、より公平な判断が可能になる可能性があります。

本記事はAIとLLMの入門（仕組み・できること・協働の型）に特化しています。実際の適用範囲や限界はモデル・用途により異なるため、AI能力と限界・人間とAIの協働・First byte流AIとあわせて自社の前提に合わせた判断をおすすめします。

判断の土台として押さえておくこと

「できること」と「保証しないこと」を分ける：生成・要約・案出しは得意だが、事実の正確性は保証しない。断定が必要な部分は人が確認する。
入力に個人情報・機密を載せない：利用規約を確認し、社内データは許可された範囲で使い、出力も社外共有前に見直す。
モデル・機能は更新される前提で使う：できること・制約は時期で変わる。重要な利用では公式情報で最新を確認する。

次の一手：大規模言語モデル（LLM）とは？／ChatGPTって何？／AI能力と限界

AIとLLM入門の要点と次のステップ

AI と LLM は私たちの生活やビジネスを変革する可能性があるツールです。しかし、それらはあくまでツールであり、人間の創造性や判断力、倫理観と組み合わせることで最大の価値を発揮する可能性があります。

本記事で整理したポイント：

AI/LLMの基本的な仕組み：AIとLLMの基本的な仕組みを理解することで、適切に活用できる可能性があります
AI/LLMのできること・できないこと：AIとLLMのできることとできないことを理解することで、適切な期待値を設定できる可能性があります
人間とAIの協働：AIと人間の協働により、より大きな成果を生み出す可能性があります
AIリテラシーとデータリテラシー：AIリテラシーとデータリテラシーを向上させることで、より適切にAIを活用できる可能性があります

AI が急速に発展する今、基本的な知識を身につけ、批判的思考力を養うことが、誰にとっても重要になる可能性があります。この記事が、AI と LLM を理解する最初の一歩となれば幸いです。重要なのは、一度の理解で満足せず、継続的に学習することです。技術の進化に合わせて、最新の情報を確認し、適切に活用することで、AIとLLMの効果を向上させる可能性があります。

次のステップ

AI/LLM についてもっと詳しく知りたい方は、以下の記事もご覧ください：

AI/LLMについてもっと詳しく知りたい方は、お問い合わせフォームからご連絡ください。