LLM（Large Language Model／大規模言語モデル）は、インターネット規模のテキストで学習した巨大な言語モデルのことです。生成AIの中核を担い、ChatGPTやClaude、Geminiなど多くのサービスの「頭脳」になっています。本記事はプロンプトの書き方ではなく、モデルが何をしているか——言語モデルの系譜、規模の意味、次トークン予測——に焦点を当てます。
試験で問われる見方
G検定では、LLMをTransformerベースの大規模ニューラルネットとして位置づけ、決定木やn-gramと混同しないことが問われます。また「自然な文章＝正確な内容」ではない点も頻出です。
生成AIパスポートでは、LMとLLMの定義の取り違え（n-gramの説明をLLMに当てはめる等）や、専門分野の最終判断をLLMに任せてよいか、といった活用の限界が出題されます。
LLMとは
LLMは、大量のテキストコーパスを用いて学習した言語モデルで、与えられた文脈に続く次のトークン（語の断片）の確率分布を推定します。人間が「次に何と言いそうか」を予測するイメージに近いですが、数学的には確率モデルとして実装されています。
現代のLLMの多くはTransformerアーキテクチャを基盤とし、長い文脈の依存関係を効率よく扱えます。学習後にファインチューニング（効率化にはLoRAなど）やアライメント（RLHF等）で、対話向けの振る舞いに調整されることもあります。
言語モデル（LM）との違い
「言語モデル」は広い概念で、LLMはその中の大規模版です。試験では次の対比が効きます。
| 比較 | 古典的LM（例：n-gram） | LLM |
|---|---|---|
| 予測の根拠 | 直前の数語の統計 | 文脈全体（アテンション等） |
| 規模 | 比較的小さい | パラメータ・データが巨大 |
| できること | 次語予測・補完 | 要約・翻訳・推論風の出力など多様 |
| 試験での注意 | 「LLM＝n-gram」は× | 「LLM＝決定木」も× |
次トークン予測という仕組み
LLMの生成は、おおまかに次のループで進みます。
-
入力（プロンプト）をトークン列に分割
文字数とトークン数は一致しません。詳細はトークンの記事を参照。
-
各候補トークンの確率を計算
文脈全体を見て「次に来やすい断片」をスコアリング。
-
1つ選び、出力に追加
温度（temperature）などの設定でランダム性が変わり、同じ入力でも出力が変わることがあります。
-
終了条件まで繰り返す
最大長や停止トークンで終了。長文ほどコンテキスト上限の圧迫に注意。
この仕組みのため、LLMは「知識を検索している」わけではなく、統計的に続きを生成していると理解すると、ハルシネーション（事実誤り）の説明につながります。
「大規模」とは何が大きいのか
「大規模」は曖昧に使われますが、試験・実務で押さえるのは主に次の3点です。
パラメータ数
モデル内部の重みの数。数十億〜数千億規模のモデルがLLMと呼ばれることが多い。
学習データ量
Webテキスト、書籍、コードなど膨大なコーパス。データの偏りが出力の偏りにもつながる。
計算資源
学習・推論にGPUクラスタが必要。クラウドAPIの料金体系にも影響する。
モデルとサービスの違い
| 層 | 例 | 説明 |
|---|---|---|
| モデル（LLM） | GPT系列、Claude、Gemini | 推論エンジン本体。APIやアプリの裏側 |
| サービス | ChatGPT、Claude.ai | UI・履歴・課金を含む製品。ツール解説はAIツール一覧へ |
| 概念 | 生成AI | テキスト以外の生成も含む上位概念 |
LLMの限界（試験でも重要）
すり替えに注意
| 誤った説明 | 正しい理解 |
|---|---|
| LLM＝決定木 | ニューラルネット vs 木構造（TF-132） |
| LLM＝n-gram | 大規模深層モデル vs 古典的LM（HQ-0741） |
| LLM＝ChatGPT | モデル vs サービス |
| 自然な文章＝正確 | 次トークン予測の限界（TF-171） |
よくある質問
LLMと言語モデル（LM）の違いは？
LMは広い概念で、LLMはその大規模版です。n-gramはLMの一種ですがLLMではありません。HQ-0741で定義の取り違えに慣れておきましょう。
LLMとChatGPTは同じもの？
LLMはモデル、ChatGPTはサービスです。ChatGPTの解説と生成AIの記事で層の違いを整理できます。
LLMはなぜ事実と違う回答をすることがある？
次トークンを「自然さ」で選ぶため、正確さより文脈整合が優先されることがあります。G検定 TF-171の論点です。
プロンプトやトークンは別の記事で学べる？
はい。入力の書き方はプロンプト、処理単位と料金はトークン、文脈の上限はコンテキストウィンドウを参照してください。