Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
LLMとは(超概要)
Search
dassimen
May 06, 2025
0
33
LLMとは(超概要)
LLMとは。をざっくり知るための資料
dassimen
May 06, 2025
Tweet
Share
More Decks by dassimen
See All by dassimen
RAGとは(超概要)
dassimen001
0
26
LangChain × Ollamaで学ぶLLM & RAG超入門
dassimen001
1
120
まるでChatGTP!?
dassimen001
0
32
LLMローカル動作方法(NvidiaGPU使用)
dassimen001
0
81
🎭Playwright 超入門
dassimen001
0
43
LLMローカル動作方法
dassimen001
1
64
ベクトル変換について
dassimen001
1
47
Featured
See All Featured
A designer walks into a library…
pauljervisheath
206
24k
Become a Pro
speakerdeck
PRO
28
5.4k
Building Flexible Design Systems
yeseniaperezcruz
328
39k
Building a Modern Day E-commerce SEO Strategy
aleyda
41
7.3k
The Art of Programming - Codeland 2020
erikaheidi
54
13k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
10
910
Typedesign – Prime Four
hannesfritz
42
2.7k
Git: the NoSQL Database
bkeepers
PRO
430
65k
Thoughts on Productivity
jonyablonski
69
4.7k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.7k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.4k
Transcript
LLM とは( 超概要) LLM とは © 2025 1
そもそも 1. LLM って何? 2. どうやって動くの? 3. どんな場面で活用できる? LLM とは
© 2025 2
1. LLM とは? “Large Language Model” という大きい言語モデルのこと 大量のテキスト( 言語) を事前学習し、単語(トークン)の並びを予測している
予測をつなげて文章を生成・理解できる LLM とは © 2025 3
2. どうやって動くの? 1. トークン化 文章を単語に分解 2. 変換(埋め込み) トークン -> ベクトル化(
数値) にする 3. 予測 文脈を読んで「次の単語」を確率計算 4. 出力 確率に従いトークンを出力 LLM とは © 2025 4
例: 「東京」の次に来るのは? 1. タワー 2. 都 3. バス 4. バナナ
この予測を、たくさんテキストを学習したLLM が行います。 学習するテキストが多ければ多いほど正解の確率が上がります。 LLM とは © 2025 5
3. どんな場面で活用できる? ↓ のようなことに活用できる。 分類 具体例 生成 文章・メール・コード自動生成 要約 長文
-> 要点抽出 Q&A チャットボット、検索補助 変換 翻訳、文体変換、分類 LLM とは © 2025 6
得意な点・苦手な点 得意 文法的に自然な文章 柔軟なタスク適応(プロンプト次第) プロンプト( 指示) を変えることでいろんな作業ができる 苦手 最新情報(公開後に学習していない) 事実性:自信満々に間違うことも
※ ハルシネーションって言う。 LLM とは © 2025 7
従来のAI と今のAI(LLM) の違い 観点 従来のAI ( 〜2020) 今のAI(LLM) (2023 〜)
方式 ルールベース/狭いタスク特化 巨大汎用モデル 学習データ 限られた範囲のデータ Web 全体レベルの多様なテキスト 入力 構造化データ・数値 自然言語 拡張 タスクごとに再学習 プロンプトのみで即適応 運用コスト モデル毎に開発・保守 1 モデルで多用途に展開 LLM とは © 2025 8
まとめ LLM は「巨大な予測エンジン」と言い換えられる プロンプト次第でいろんな用途に活用できる 事実確認は必須。 学んでいない最新情報は、教えてあげる必要がある LLM とは © 2025
9