ChatGPTやGeminiの説明で、「LLM」という言葉がよく出てきます。LLMは、こうした文章を作るAIの中心にある仕組みです。
この記事では、AWSの解説や元になった研究をもとに、LLMの意味と仕組み、生成AIとの違い、できることと注意点を解説します。
結論:LLMとは、大量の文章で学習し、次に来る言葉を予測して文章を作るAIのモデル

LLMは「Large Language Model」の略で、日本語では「大規模言語モデル」と呼ばれます。ひとことで言えば、大量の文章で学習し、次に来る言葉を予測して文章を作るAIのモデルです。
AWSは、LLMを「膨大な量のデータで事前にトレーニングされた、非常に大規模な深層学習のモデル」と説明しています。ChatGPTやGemini、Claudeなどの対話型AIは、このLLMを使って、質問への回答や文章の作成を行っています。
LLMを知っておくと、AIの答えとの付き合い方が変わります。LLMは事実を調べて答える仕組みではなく、言葉のつながりを予測する仕組みです。この性質を知っていれば、AIが得意なことと、確かめるべきことを分けて考えられるようになります。
LLMの仕組み|3つのポイント

LLMの仕組みは、「学び方」「文章の読み方」「大きさ」の3つで押さえると分かりやすくなります。
1. 大量の文章から、言葉のつながり方を学ぶ
LLMは、大量の文章を使って、言葉のつながり方を学びます。AWSによると、学習中のモデルは、それまでの言葉の並びから次の言葉を正しく予測できるまで、中の値を少しずつ調整していきます。
たとえば「今日は朝から雨が」と来たら、次は「降っている」が来やすい、と予測できるようになるイメージです。これを膨大な文章でくり返すことで、文法や言い回しだけでなく、よく一緒に出てくる知識まで身につけます。ただし、学んでいるのは「言葉のつながりやすさ」です。正しいかどうかを確かめる仕組みは、もともと入っていません。
2. 「トランスフォーマー」という仕組みで、文章全体を処理する
多くのLLMは、トランスフォーマーと呼ばれる仕組みを土台にしています。トランスフォーマーは、2017年にGoogleの研究者らが論文「Attention Is All You Need」で発表しました。
AWSの解説によると、それ以前の仕組みは文章を1語ずつ順番に処理していたのに対し、トランスフォーマーは文章全体をまとめて並列に処理できます。そのため、大量のデータで効率よく学習できるようになりました。文章の中で、どの言葉とどの言葉が関係しているかを見ながら処理するので、離れた位置にある言葉どうしのつながりもとらえられます。
3. パラメータの数が非常に多い
「大規模」とは、モデルの中で調整される値(パラメータ)の数が非常に多いことを指します。パラメータは、学習によって少しずつ調整される、モデルの中の「つまみ」のようなものです。
AWSは例として、OpenAIのGPT-3には1,750億個のパラメータがあると紹介しています。パラメータが多いほど、複雑な言葉のパターンを覚えられるようになります。その分、学習には膨大なデータと計算が必要です。LLMを一から作るのは簡単ではなく、多くの人は、企業が作ったLLMをサービスを通じて使っています。
LLMと生成AIの違い

生成AIは、文章・画像・音声・動画など、新しいコンテンツを作るAI全体を指す言葉です。LLMは、その中でも文章を扱うことに特化したモデルです。
| 項目 | 生成AI | LLM |
|---|---|---|
| 指す範囲 | 新しいコンテンツを作るAI全体 | 文章を扱うAIのモデル |
| 作るもの | 文章、画像、音声、動画など | 主に文章(プログラムのコードも含む) |
| 例 | 画像生成AI、ChatGPTなど | ChatGPTやGeminiなどの中で動くモデル |
「生成AI」という大きな箱の中に、文章担当の「LLM」が入っている関係だと考えると、整理しやすくなります。画像を作ることが専門のAIは、生成AIではあってもLLMではありません。
もう1つ区別しておきたいのが、LLMとサービスの関係です。ChatGPTやGeminiは、LLMに会話の画面や検索などの機能を組み合わせたサービスの名前です。同じサービスの中でも、使うモデルが新しくなれば、答えの質や得意なことも変わります。
LLMでできること

LLMは、言葉を扱う仕事を幅広く手伝えます。AWSが挙げている使い道のうち、仕事で使いやすいものを紹介します。
文章の作成・要約・翻訳
いちばん身近なのは、文章の作成です。メールの下書き、資料の構成案、商品の紹介文などを、条件を伝えるだけで作れます。長い資料の要約や、外国語の翻訳も得意です。
LLMは言葉のつながりを大量に学んでいるため、自然な文章を素早く作れます。白紙から書き始めるより、たたき台をもとに直す方が速く進む人は多いでしょう。ただし、内容が正しいかどうかは、別に確かめる必要があります。
文章の分類と、質問への回答
LLMは、意味や感情が似ている文章をまとめて分類することもできます。AWSは、お客様の感想の分析や、文書の検索などの使い道を挙げています。
たとえば、問い合わせメールを「注文」「返品」「その他」に振り分けたり、アンケートの自由記述を良い意見と悪い意見に分けたりする作業です。人が1件ずつ読むと時間がかかる量でも、まとめて下ごしらえができます。
プログラムのコードの作成
LLMは、言葉で伝えた指示から、プログラムのコードを作ることも得意です。AWSは、GitHub Copilotなどの開発支援ツールの例を挙げています。
プログラムも文字の並びなので、文章と同じように「次に来るもの」を予測できるからです。Excelの関数や、簡単な作業を自動にするコードを書いてもらう、といった使い方なら、プログラマーでなくても役立てられます。
LLMを使うときの注意点

AWSも、LLMは完璧ではないと説明しています。仕組みから来る3つの注意点を知っておきましょう。
事実と違う内容を答えることがある
LLMは言葉のつながりやすさで文章を作るため、事実と違う内容を、もっともらしく答えることがあります。この現象は「ハルシネーション」と呼ばれます。
文章が自然で言い切りが強いほど、読む側は正しいと思い込みやすくなります。数字や日付、人や会社の名前、出典は、元の情報で確かめる習慣をつけましょう。起きる理由と防ぎ方は、ハルシネーションとは?でくわしく解説しています。
学習した時点より新しい情報は知らない
LLMは、ある時点までのデータで学習しています。そのため、検索などの機能を使わない限り、それより新しい情報は答えに反映されません。
料金や制度、サービスの仕様のように、時期によって変わる情報は特に注意が必要です。最新の情報が必要なときは、検索の機能を使い、示された出典を開いて確かめてください。
学習データの偏りが答えに出ることがある
LLMの答えは、学習したデータの影響を受けます。学習データに偏りがあれば、一方に偏った見方で答える場合があります。
たとえば、意見が分かれる話題で、一方の意見だけを当たり前のように答えることがあります。判断に関わる場面では、AIの答えを1つの意見として受け取り、ほかの情報と見比べるようにしましょう。
あわせて読みたい
よくある質問

- LLMとChatGPTは同じものですか?
-
同じではありません。ChatGPTは、OpenAIが提供するサービスの名前です。LLMは、ChatGPTの中で文章を作っているモデルの種類を指します。
- LLMを使うのに、専門的な知識は必要ですか?
-
ChatGPTなどのサービスを使うだけなら、専門的な知識は必要ありません。ただし、間違えることがある仕組みだと知っておくと、回答を確かめる習慣をつけやすくなります。
まとめ|LLMは、文章を作るAIの中心にある仕組み

LLMは、大量の文章で学習し、次に来る言葉を予測して文章を作るAIのモデルです。生成AIの中で文章を扱う部分にあたり、ChatGPTやGeminiなどのサービスの中で動いています。
文章の作成や要約、分類、コードの作成が得意な一方で、事実と違う内容を答えることや、新しい情報を知らないこともあります。得意なことは任せ、大切な情報は元の情報で確かめて使いましょう。
AIを仕事にどう取り入れればよいか相談したい場合は、お問い合わせフォームからご相談ください。
参考:LLM とは? – 大規模言語モデルの説明(AWS)、Attention Is All You Need(Vaswani ほか、2017年)
