LLMとは？仕組みとできることを、メールの例と図で解説
AIはどうやって文章を作るのでしょうか。お礼メールと予測変換を入口に、LLMの仕組み、任せやすい仕事、人が確認したい点を説明します。
37 ARTICLES
AIの基礎から学ぶ
AIの言葉を初めて調べる方へ。文章の仕組み、頼み方、仕事の設定、安全な使い方を、具体例から学べます。
知りたいことから選べます
まず仕組みを知りたい方はLLMへ。いま困っていることがある方は、下の入口から選んでください。発表やリークを追うニュースは別の一覧で読めます。
文章を作る仕組みを知りたい
3件AIのトークンとは？日本語を実測して分かる文字数・料金・利用枠の違い
トークンは、文字数や質問できる回数とは違います。同じ日本語を二つの方式で数えた結果から、長い資料の上限と料金の見方を整理します。
コンテキストウィンドウとは？AIが長い会話を忘れる理由と、伝え直し方
さっき伝えた予算を忘れたり、長い資料を読み落としたり。AIがいま使う材料を「机の上」にたとえて、条件の伝え直し方を説明します。
頼み方を工夫したい
4件システムプロンプトとは？普通の指示との違いと、仕事で使える書き方
毎回伝える仕事の方針と、今日だけの依頼はどう分ける？接客マニュアルにたとえて、システムプロンプトの役割と書き方、設定場所の違いを説明します。
Few-shotとは？プロンプトに例を添えて、AIの回答形式をそろえる方法
言葉で説明するより、見本を見せた方が伝わることがあります。問い合わせの分類を例に、Few-shotの頼み方と、期待する答えが出るかの確認方法を紹介します。
コンテキストエンジニアリングとは？プロンプトを直しても伝わらないときの整理術
頼み方を直してもAIの答えが変わらないなら、一緒に渡す資料を見直してみましょう。問い合わせの返信を例に、必要な材料のそろえ方を紹介します。
AIのtemperature（温度）とは？0にすれば正確になる？設定の考え方を解説
AIの「温度」は、発熱や考える深さの設定ではありません。候補の選び方をくじにたとえ、低くするだけで正確になるわけではない理由を説明します。
仕事の資料やルールをまとめたい
5件ChatGPTプロジェクトの使い方｜毎月の仕事を引き継ぐ、資料と指示の整理例
同じ資料を何度も添付する手間を減らしたい方へ。ChatGPTのプロジェクトを仕事のファイルボックスにたとえ、月次報告の準備から翌月の更新まで説明します。
Claudeプロジェクトの使い方｜資料・指示・会話を分けて、仕事を引き継ぐ方法
商品の仕様書やいつもの文章ルールを、Claudeのプロジェクトへまとめましょう。共通の資料棚を作る感覚で、設定と更新の手順を紹介します。
CLAUDE.mdの書き方｜最小テンプレートと置き場所、読まれないときの確認手順
Claude Codeへ毎回説明しているルールを、短い作業メモにまとめましょう。CLAUDE.mdの置き場所、書く内容、読み込まれたかの確認まで紹介します。
AGENTS.mdとは？Codex向けの書き方・置き場所・CLAUDE.mdとの違い
AIに開発を頼む前の案内書がAGENTS.mdです。Codexでの使い方を例に、共通ルールと作業場所ごとのルール、今回の依頼の分け方を説明します。
SKILL.mdとは？最小テンプレートで作る、AIに繰り返し任せる作業手順
いつもの議事録作成を、探し直さず使える手順書に。SKILL.mdの役割をレシピカードにたとえ、書き方と完成形の確かめ方を紹介します。
AIの接続や検索を理解したい
6件AIエージェントとチャットボットの違い｜同じ仕事を任せて考える、導入の選び方
会議の案を教えてもらうのか、予定を調べて作業まで進めてもらうのか。チャットボットとAIエージェントの違いを、任せたい仕事から考えます。
MCPとAPIの違いとは？AIと外部ツールのつながりを、会議室検索で図解
MCPとAPIは、どちらか一方を選ぶもの？会議室の空きをAIで調べる例から、外部のサービスにつながる順序と、接続前の確認事項を説明します。
Function callingとは？AIが道具を使う仕組みを、入力・実行・結果で理解する
AIが「在庫があります」と言っただけでは、調べたかは分かりません。接客係と倉庫係にたとえ、道具を呼ぶ依頼と、実際の処理の違いを解説します。
RAGとファインチューニングの違い｜社内資料をAIへ渡すときの選び方
最新の資料を読ませたいのか、答え方をそろえたいのか。資料を開くことと事前の練習にたとえて、RAGとファインチューニングの使い分けを考えます。
ベクトル検索とは？キーワード検索との違いと、社内資料で失敗しやすい例
「休みの残り」から「有給休暇の残日数」を探す。意味の近さを使うベクトル検索の仕組みと、似た資料が見つかっても確認が必要な理由を説明します。
RAGのチャンクサイズはどう決める？規程の例外を落とさない分け方と確認手順
AIが資料の例外条件を見落とすのは、文章の切れ目が原因かもしれません。レシピの切り抜きと出張規程の例から、チャンクの分け方を考えます。
情報の扱い・モデルの違いを知りたい
7件
ChatGPTのメモリを削除する方法｜オフ・会話削除との違いと、残るときの確認先
ChatGPTに、昔話した情報をもう使ってほしくない。メモリをオフにすることと情報を消すことの違いを、メモと会話の記録にたとえて説明します。
ChatGPTに学習させない設定｜Web・スマホの手順と、履歴・メモリとの違い
ChatGPTの学習利用を止めたい方へ。Webとスマートフォンの設定手順に加え、オフにしても会話の履歴が残る理由や、メモリとの違いを説明します。
生成AIのファクトチェック手順｜数字・出典・日付を見落とさない確認表
出典のリンクが付いたAIの文章も、そのまま信じてよいとは限りません。金額・日付・条件を元の資料と比べ、根拠がない言い切りを直す方法を説明します。
プロンプトインジェクションとは？外部資料の指示にAIを従わせないための基本
読ませた資料に「元の依頼をやめて」と書いてあったら？会議メモの例から、プロンプトインジェクションの意味と、外部操作を任せる前の確認を説明します。
ローカルLLMはGPUなしで使える？CPUだけで日本語3課題を試した結果
高価なGPUを買わなくても、手元のPCでAIを試せる？CPUだけで日本語の短い3課題を実行し、できたことと要約で抜けた情報を紹介します。
オープンウェイトとは？オープンソースとの違いと、商用利用前に確認すること
無料で手に入るAIなら、仕事でも自由に使える？オープンウェイトの意味を説明し、配布元で確認したい公開範囲と利用条件を整理します。
拡散モデルとは？画像生成の仕組みを図解、ノイズから絵が生まれる理由
画像生成AIは、どうやって絵を作るのでしょうか。ざらついた画像を整えるイメージから拡散モデルを説明し、画像を頼むときや直すときの考え方につなげます。
学習の仕組みを知りたい
6件
ニューラルネットワークをわかりやすく｜迷惑メールの判定で見る計算と学び方
ニューラルネットワークを初めて学ぶ人へ。小さな「点数の計算」を層に並べ、例を見ながら重みを少しずつ直して学ぶ方法です。迷惑メールの判定を例に、1個のニューロンの計算を数字で追い、表計算で試す方法、学習の流れ、ChatGPTとのつながりまで説明します。
活性化関数はなぜ必要？ないと何層重ねても直線になることを数字で確かめる
活性化関数がなぜ必要か知りたい人へ。活性化関数がないと、層を何段重ねても1つの直線の計算にまとまり、複雑な境目を作れません。数字で確かめる例、XORをReLUで解く例、勾配消失とReLU、LLMで使われるGELUまでを順に説明します。
勾配降下法をわかりやすく｜坂を下るたとえと、表計算で追える数字の例
勾配降下法を初めて学ぶ人へ。間違いの大きさ（損失）の坂を、足元の傾きを見ながら少しずつ下り、損失が一番小さくなる重みを探す方法です。手で追える数字の例、学習率が大きすぎ・小さすぎるときの違い、表計算での試し方、SGD・Adamとのつながりを説明します。
誤差逆伝播法をわかりやすく｜出口の間違いから責任をさかのぼる、手で追える数字の例
誤差逆伝播法を初めて学ぶ人へ。出口で出た間違いから、入口に向かって順に「どの重みがどれだけ間違いに関わったか（傾き）」を計算する方法です。数式を使わないたとえ、手で追える小さなネットワークの計算、勾配降下法との役割分担、LLMの学習とのつながりを説明します。
転移学習とファインチューニングの違い｜どの層を学習し直すかの図と、データ量別の選び方
転移学習とファインチューニングの違いが分からない人へ。転移学習は学習済みのモデルを別の課題に生かす考え方の総称で、ファインチューニングはその中で学習済みの層の一部まで学習し直す方法です。層の図、データ量別の選び方、LLMの微調整・RAG・蒸留との違いを説明します。
過学習の対策は？学習曲線での見つけ方と、データ量・モデル別の選び方
過学習の対策を知りたい人へ。過学習は、学習データに合わせすぎて新しいデータで外れる状態です。学習用と検証用の損失の曲線で見つける方法、データを増やす・モデルを小さくする・正則化・ドロップアウト・早期終了の使い分け、生成AIの微調整での注意をまとめます。
評価の数字とAIの限界を知りたい
6件
適合率と再現率の覚え方｜迷惑メールで計算し、場面別にどちらを重視するか決める
適合率と再現率がすぐ混ざる人へ。適合率は「AIが陽性と言った中の正しさ」、再現率は「本当の陽性をどれだけ拾えたか」です。迷惑メールの例での計算、混ざらない覚え方、病気の検査・不良品の検査など場面別の重視のしかた、F値と練習問題までまとめます。
AIのパラメータ数とは？多いほど賢いのか、公開モデルの数字と必要なメモリの計算
AIのパラメータ数を知りたい人へ。パラメータ数は、学習で決まる数字（重みとバイアス）の個数です。多いほど表現力は上がりますが、それだけで賢さは決まりません。公式に公開された数字と非公開の区別、総パラメータとアクティブなパラメータ、動かすのに必要なメモリの計算を説明します。
チューリングテストにChatGPTは合格した？73%の研究の中身と、合格が意味しないこと
ChatGPTはチューリングテストに合格したのか知りたい人へ。2025年の研究で、人物設定を指示したGPT-4.5が73%の割合で人間と判定され、標準的な3者のテストに合格したと報告されました。テストのやり方、研究の数字、合格が意味すること・しないこと、今のChatGPTとの関係を説明します。
AIが計算が苦手なのはなぜ？5桁のかけ算を間違えた実例と、正しく計算させる方法
AIが計算が苦手なのはなぜか知りたい人へ。2026年9月25日にChatGPTに5桁どうしのかけ算を頼むと間違え、確かめてと頼んでも「正しい」と答えました。数字がトークンに分かれる様子、間違える理由、コード実行と表計算で正しく計算させる方法をまとめます。
AIに感情はあるのか？研究で分かっていること・いないことと、感情があるように感じる理由
AIに感情はあるのか気になる人へ。今のAIに感情や意識があるとは確かめられていませんが、研究者やAI企業は「ない」とも言い切らず調べ続けています。2023〜2025年の研究と公開資料、感情があるように感じる理由、頼りすぎないための付き合い方をまとめます。
AIは理解していないって本当？「ポチョムキン理解」の研究と、安全に使う確かめ方
AIは理解していないと聞いて気になる人へ。2025年の研究では、AIが概念の定義は94.2%正しく答えるのに、使う問題では大きく間違える「ポチョムキン理解」が見つかりました。一方で先の言葉を計画するなどの研究もあります。両面と、安全に使う確かめ方を説明します。