LLMとは？

「次の歌詞」を口に出してしまう、あの感覚

好きな曲を聴いていて、次の言葉を無意識に口に出してしまうことはありませんか。LLM（大規模言語モデル）の仕組みは、まさにその感覚と似ています。モデルは文章を「理解」しているのではなく、過去のデータから「次の最も自然な言葉」を次々と予測して並べているにすぎません。

つまり、LLMとは、膨大なテキストを読み込んで「次の言葉はどれだろう」と予測し、その予測を積み重ねて文章を生成するAI技術です。

実は、LLMはもうあなたの日常に溶け込んでいます。次の場面を思い浮かべてみてください。

共通するのは、LLMが「意味を理解して答えている」のではなく、「次の言葉を当てるゲーム」を高速で繰り返している、という点です。この”違い”を自分の言葉で説明できるかどうかで、理解の段数が変わります。

G検定では、LLMの「特徴」と「従来の機械学習との違い」が問われやすいです。特に「LLMは次のトークン（最小単位の言葉の断片）を予測する仕組みである」「学習データにない知識は持たない（ハルシネーションの根拠）」の2点が出題の核になります。

確認方法：スマホのメモに「LLM＝次トークン予測」と書き、その横に「なぜ嘘をつくのか」を3語で説明できたら、OKです。

📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！

リンク

LLMを単体で覚えるより、”誰とペアになる語”として覚えた方が、試験でも日常でも取り出せます。

Transformer（トランスフォーマー）：LLMの”エンジン”。LLMが車なら、Transformerはエンジンそのもの。試験では「LLMのアーキテクチャ」で問われる
トークン（Token）：LLMが扱う最小単位の”言葉の断片”。「次のトークンを予測する」がLLMの本質。G検定で頻出
プロンプト（Prompt）：LLMに「何をしてほしいか」を伝える指示文。LLMの”出力”は、あなたのプロンプトの質で大きく変わる

使い分けの目安：「LLMの仕組み」を聞かれたらTransformer、「LLMの動作単位」を聞かれたらトークン、「LLMへの入力のしかた」を聞かれたらプロンプト。この3択ができれば、関連用語は”1つの物語”として覚えたことになります。

LLMは「理解して答える」のではなく、「次の言葉を予測して文章を並べる」仕組みです。この”予測”という1つが、ハルシネーションの理由も、プロンプトの重要性も、全部説明できます。

試験の3語の要点：「次トークン予測・学習データ外は知らない・プロンプトが出力を決める」

今週の5分アクション：AIに「この文章を3つの候補で言い換えて」と依頼し、返ってきた3つの”次の自然な言葉”の違いを1行メモする（予測の”幅”を体感する）

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

LLMの「次の1つを予測して並べていく」仕組みが、スタンプでトークンを押す瞬間として明快に描かれています。一方で、六角形の抽象形状が「言葉」の存在感を薄くしており、言語モデル特有の温かみがやや不足します。