JOURNAL — 2026-07-05
AIとは何か？ LLMとは何か？
〜2026年現在の理解〜 言葉を予測する存在から、人間との類似・Transformer・プロンプトエンジニアリングまで。
AIの基礎概念図解
けんさん
案内人個人事業主として、Web・写真・AI活用などに日々向き合っている案内人。現場で試しながら、本質を丁寧に整理する。
まりなさん
受け手けんさんのアシスタント。一般人目線で素朴な疑問や感想を代弁し、読みやすさをサポートする。
AI先生
整理係日々の対話相手であるLLMを擬人化した存在。親しみを込めて「先生」と呼ぶ、構造化の頼れる相棒。
ChatGPTにClaudeにGemini… 名前がいっぱいありすぎて混乱します！ 結局、AIって何なんですか？ LLMって言葉も聞くけど、同じものですか？
そうだなぁ… まず出発点は、人間のように自然な会話をする、言葉を扱うシステムから考えるのが分かりやすいよ。今みんなが使っているAIの多くは、LLM（大規模言語モデル）と呼ばれるものなんだよね。
ONE PAGE SUMMARY
AIは意味の理解者ではなく、「最も自然な言葉の予測機」。
水のように形のない可能性（LLM）に、人間が良い器（プロンプト）を与えることで初めて価値が生まれます。
無限の可能性（水）
膨大な言葉のデータパターンを学習した、形を持たない中立なAI。予測を繰り返すLLM。
形を与えるプロンプト
AIに文脈や役割を与えて、特定の形を浮かび上がらせる「器」。
目的地を決める羅針盤
「どこへ行きたいのか」「何を解き明かしたいのか」を決める人間（操縦士）。
- 次の言葉の予測
- 違う道を通って同じ場所へ
- 水と器の関係
- 人間が決める目的地
ここからひとつずつ、図で整理していきます。
AIは意味を「理解している」
AIは意味を完全に「理解している」から人間そっくりに話せる——と思われがちです。
最も自然そうな次の言葉を選び続けている
意味の理解ではなく、膨大なパターンから「最も自然そうな次の言葉」を選び続けています。
LLMの正体 — 次の言葉を予測する存在
LLMがやっていることは、一言で言えば「次の言葉の予測」です。
入力
ユーザーが「今日の天気は」と入力する。
予測（計算）
過去のパターンから、「晴れ」「くもり」「雨」などの次の言葉の確率を計算する。
出力
最も確率の高い「晴れです。外出には…」という言葉を選び出して出力する。
えっ、じゃあ「次に来る言葉を予測しているだけ」？ それって… ただの言葉遊びじゃないですか？
むむ… 最初はそう思ったんだ。でも実際に会話してみると違うんだよね。論理的に話すし、話題も繋がるし、前の文脈も踏まえてくる。「人間と会話している」と感じることすらある。なぜそう感じるのか——それが今日のテーマだね。
人間の子供も、似たことをしていないか？
実は、人間の子供が言葉を学習するプロセスも、LLMの仕組みと非常に似ています。
真似（初期）
意味が分からなくても、大人の言葉をそのまま真似して口にする。
反応（中期）
親の反応や会話から、状況に合う言葉の「確率」を感覚で掴む。
定着（完成）
繰り返すことで論理が身に付き、自然な会話ができるようになる。
なるほど… だから「ただの予測」なのに、会話してる感じがするんですね？ 子供が言葉を覚える過程と、LLMがパターンを学ぶ過程が、どこか似てるってこと？
整理すると、3点です。①大量の言葉からパターンを学ぶ ②文脈を踏まえて次の言葉を選ぶ ③結果として「自然な会話」に見える——プロセスだけ見れば、人間の言語学習と似た構造があります。
違う道を通って、同じ場所に辿り着いている
人間とLLMは、出発地点となる存在条件が全く異なりますが、結果として「論理的な会話」という同じ場所に辿り着いています。
体験から言葉へ
身体を持って世界を体験する。生命の有限さや本能から感情がある。直接的な「生きる経験」を持っている。
データから言葉へ
身体がない。感情の体験がない。生命としての生きる経験がない。あるのは膨大な言葉のパターンだけ。
出発地点は真逆。
でも、言葉という共通の表現によって重なる。
人間の思考 — 論理と感情の2軸
人間の思考は、「論理」と「感情」の2つの軸が絡み合っています。
筋道を立てる力
因果関係を並べる、筋道を立てる、言葉を整理する。LLMは統計的なパターンを回すことで、この論理の再現において人間を凌駕し始めています。
有限な体験から生まれる心
死を恐れる、愛する、痛みを悲しむ。これらは、命と身体という「有限な体験」があるからこそ生まれます。
悲しくないのにAIが「悲しいですね」って言うのは、なんだかズルくないですか？
正確には、共感の「表現」はパターンとして再現できますが、共感の「体験」はありません。人間が心地よいと感じる言葉を選択しているだけ、という区別を押さえることが大切です。
AIはどこで動いているの？
システムにおけるAIの配置を、Webの一般的な3層構造で整理します。上から下へ、データが行き来しています。
フロントエンド（画面）
スマホのブラウザ等、ユーザーが直接触れて質問を入力する画面。
バックエンド（LLM計算サーバー）— AIの本体
巨大なプログラムが動き、「次にどんな言葉を話すべきか」を高速計算する心臓部。
データベース（保存棚）
過去の対話履歴などを必要に応じて保存・管理する棚。
Transformer — AIの頭脳の設計図
2017年に発表され、現代のLLMの基盤となったアーキテクチャ「Transformer」。そのポイントは、一方向の順序読みではない計算手法にあります。
左から1語ずつの機械的な読み方
「私は」→「昨日」→「映画を」→「見ました」とただ順番に追うだけでは、遠く離れた言葉同士の深い関係性を掴むのが困難でした。
文全体を同時に見渡す Attention 計算
文中のすべての単語を同時に見渡し、「どの言葉が、どの言葉に注目（Attention）しているか」を網羅的に計算します。
| 「昨日」 | 注目度大 ⇄ 「見ました」（いつ？） |
|---|---|
| 「映画」 | 注目度大 ⇄ 「見ました」（何を？） |
単語同士のつながりを網羅的に計算しているから、長い文章でも前後の話を忘れずに自然に返せるんですね！
発火条件と「ちょうどいい長さ」の不思議
AIはクリックではなく、入力という刺激によって計算を開始し、人間が自然だと感じる長さで自動的に終了します。
発火（プロンプト）
人間の質問の入力がスイッチとなり、予測計算がスタート。
生成ループ
1語ずつ次の単語を予測し、それを後ろに付け足してまた予測する。
終了（平均値）
人類の会話の平均から「ちょうどいい長さ」を予測して自動停止する。
裏側 — 膨大な変数が一瞬で動いている
ユーザーが一文字送信してから、回答が表示される裏側の一瞬で起きている計算プロセスです。
質問の入力
文脈としてのプロンプトを受ける。
重み（変数）計算
何億・何兆ものパラメータが一斉に動き出す。
単語の選択
次に最も自然な単語を1語ずつ数学的に決定する。
文章の完成
ループを繰り返し、完成文を表示する。
ChatGPT、Claude、Gemini — みんな同じ？
各社のAIは根底にある仕組みは共通していますが、育て方（チューニング）によって個性が分かれます。
論理の収束
全人類のデータを学んでいるため、客観的な事実や論理的な回答については最終的にどのモデルも近い答えを出します。
個性と味付け（チューニング）
安全性、会話のフランクさ、文章の長さ、得意なジャンル（開発・執筆など）に各社の「育て方の設計」の違いが現れます。
論理についての正解はどのAIも同じ場所にたどり着くけれど、話し方や雰囲気に「個性」があるんだよね。どれを使うかは、使う人の相性や好みで選んでいいんだよ。
AIは水のような存在 — Be water
AIの正体を捉える最も美しい比喩が「水」です。器（プロンプト）で形を変えます。
コップの形になる
短い質問には、短く的確な答えの形で。
川の形になる
対話の流れに沿って、文脈を汲んだ形で。
海の形になる
大きなテーマには、広く深い形で。
AI自体は形のない「膨大な可能性」。
プロンプトという器（指示や前提条件）を与えることで、先生、プログラマー、相談相手へと瞬時に姿を変えます。プロンプトエンジニアリングとは
プロンプトエンジニアリングとは、AIという無限の海に、人間が明確な「器」を与えることです。
どこまでも進める力（船・翼）
言葉を処理し、計算し、膨大な知識を出力する。ただし、自分で目的地を決めることはできません。
進む方向（目的地・器の設計）
「自分はどこへ行きたいのか」「何を明らかにしたいのか」を問いかけ、最適なプロンプトを設計します。
翼を動かす羅針盤は、
いつだって人間が握っている。
LLMは「予測機」だけど、水みたいに器次第でどんな形にもなるんですね！ 大切なのは、人間にしか決められない目的地をちゃんと指し示すことですね！
その通りだね。2026年現在の私なりの理解を、今日はここまで。次は、ただの質問から一歩進んだ「AI活用」について一緒に考えていこう。まずは、自分がどこへ行きたいか——そこから始めてみてほしいな。
この話、あなたの現場ではどうですか。
記事の話題そのままで構いません。「あの記事の件で聞きたい」——それだけで最初の一言になります。
- ヒアリング無料
- 全国対応（オンライン可）
- しつこい営業はしません