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

大きな言語モデル (LLM) は、膨大な量のテキストでトレーニングされ、フレーズ内の次に来る単語を予測することで、その場で会話応答を生成できる OpenAI による GPT-4.5 (および将来のバージョン) のような AI モデルを指します。パズルをまとめるなどです。 大きな言語モデルでは、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-4.5 (生成前トレーニングトランス) モデルに基づいて OpenAI で発明された大規模な言語モデルによって駆動されます。 ChatGPTは、対話型チャット用に微調整された大規模な言語モデルに基づいて構築されたアプリケーションと考えてください。

大きな言語モデルを搭載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されたテキスト) 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 プロンプトをクリエイティブに定義する技術は、 プロンプト デザイン と プロンプト エンジニアリングと呼ばれる新たな分野です。 これには、目的の応答を得るための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。 教師と学習者は、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ガイドとなる適切な単語、フレーズ、記号、および形式の選択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。
  • 特定の観点から結果を求めます。
  • 目的の長さを生成するようにモデルをガイドします。
  • トピックを変更する場合は、 新しいトピック ボタン を使用します

その他のヒントについては、次を参照してください。

Microsoft では、大規模な言語モデル 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、ウェブを検索するたびに、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を側に置くようなものです。 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。 複雑な質問をすると、Copilot Chatで詳細な回答を得ることができます。
  • 実際の回答を取得します。 Copilot Chatは、Web 全体の検索結果を調べます。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、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役立ちます。
  • チャットエクスペリエンスでは、検索でさまざまな詳細な回答を得るために、「簡単な言葉で説明できますか」や「より多く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 をすることもできます。

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、教師と学習者が応答で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提供し、信頼できるソースとして使用する前に評価できるようにすることが重要です。

実用的な例:

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書くように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、コースアウトラインを含む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記述するように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。