LLM（Large Language Model、大規模言語モデル）は大量のテキストデータでトレーニングされたAIモデルで、主に人間の言語を理解・生成する能力を持ちます。Claude、GPT-4o、GoogleのGemini、MetaのLLaMA——これらはすべてLLMです。
「大規模（Large）」とはモデルのパラメータ数を指します。LLMのコア動作ロジックは「次のトークンを予測する」です——前のテキストに基づいて可能な次のトークンの確率を計算し、最も可能性の高いものを順番に出力して完全な回答を構築します。
LLMの起源は言語モデリング研究にさかのぼります。2017年の「Attention is All You Need」論文がTransformerアーキテクチャを導入しました。研究者はTransformerを大きくしてより多くのデータを与えると「創発（Emergence）」が生じることを発見しました。ClaudeはAnthropicによってこの文脈で開発され、強力なモデルを安全で人間の価値観と一致した状態に保つことに注力しています。
LLMが何かを理解することはClaude使用に直接影響します。幻覚の原因を説明：LLMは「統計的に最も可能性の高いテキストシーケンス」を出力します。「同じ質問、異なる回答」が正常な理由を説明：LLMの確率性により、実行ごとにアウトプットがわずかに異なる場合があります。最も重要な認識：LLMは言語生成ツールであり「真理マシン」ではありません。
LLMを理解した後、日常的なClaude使用への具体的な示唆：1. 重要な情報は必ず確認。2. Claudeを「百科事典」ではなく「思考パートナー」として扱う。3. 「同じ質問、異なる回答」は正常だと理解する。4. 複数回質問することで品質を向上させられる。
「LLMが次のトークンを予測する」メカニズムを理解するための思考実験：「穴埋め」ゲームをしていると想像してください。「今日は天気がいいので、___に行くことにした」——人間の脳は「公園」「散歩」「ハイキング」と埋めます。LLMが本質的にやることは同じです。このメカニズムは強力ですが制限も説明します：Claudeのトレーニングデータにない情報について質問した場合、「わかりません」とは言わず、もっともらしく聞こえるが間違っている可能性のある答えを生成します。これが幻覚の根本的な原因です。
LLMは現在最も汎用的で柔軟なAI技術の形態ですが、根本的な制限があります。利点：ほぼすべての言語タスクで非常に多用途；使用障壁が低い；推論と分析が可能。根本的な制限：アウトプットは確率的；知識にカットオフ日がある；幻覚はアーキテクチャの特性。最も重要な認識：LLMは言語生成ツールであり「真理マシン」ではありません。