大規模言語モデル（だいきぼげんごもでる）
最終更新：2026/4/19
大規模言語モデルは、膨大なテキストデータを事前学習し、自然言語処理のタスクを実行するように設計された深層学習モデルである。
別名・同義語 LLM
ポイント
インターネット上の膨大な知識を学
概要
大規模言語モデル（Large Language Model: LLM）は、ニューラルネットワークを用いた深層学習モデルの一種であり、数千億から兆単位のパラメータを持つ極めて巨大な規模を特徴とする。単語や文章の確率的な並びを学習することで、文脈に応じた適切な回答生成や要約、翻訳、プログラミングコードの記述といった多様なタスクをこなすことが可能である。
その仕組みの核心は、自己教師あり学習にある。膨大なテキストデータから、次に続く単語を予測する訓練を繰り返すことで、言語の構文や文法のみならず、世界に関する知識や推論能力を自律的に獲得する。近年の急速な発展は、トランスフォーマー（Transformer）アーキテクチャの登場と、計算資源の飛躍的な増大によって支えられている。
主な特徴・機能
- 文脈理解と生成: 入力された指示に基づき、自然で論理的な対話や文章を作成できる。
- 汎用性と転移学習: 特定のタスクに限定されず、幅広い分野で汎用的に利用できる。
- 推論能力: 複雑な論理パズルや数学的問題に対して、ステップバイステップで回答を導く能力がある。
- マルチモーダル対応: テキストだけでなく、画像や音声などを統合的に処理可能なモデルも登場している。
歴史・背景
2017年にGoogleの研究者が発表した論文「Attention Is All You Need」にて提案された「トランスフォーマー」アーキテクチャが転換点となった。その後、OpenAIによるGPT（Generative Pre-trained Transformer）シリーズが段階的にモデル規模を拡大し、2022年のChatGPT公開によって一般社会への普及が決定的なものとなった。現在ではオープンソースモデルの開発競争も激化し、技術の民主化が進んでいる。
社会的影響・応用事例
- 業務効率化: 議事録の要約やメール作成の補助など、オフィスワークの生産性を劇的に向上させている。
- プログラミング支援: コード生成ツール（GitHub Copilot等）として、エンジニアの開発プロセスを大幅に効率化している。
- 教育・学習支援: 個別の質問に対して対話形式で教えるパーソナルチューターとしての応用が進んでいる。
関連概念
- トランスフォーマー: LLMの基盤となっている深層学習モデルのアーキテクチャ。
- プロンプトエンジニアリング: モデルから望ましい出力を得るために、最適な指示を与える手法。
- 幻覚（ハルシネーション）: モデルが事実に基づかない誤った情報を自信満々に生成する現象。