生成AIパスポート 用語解説
Temperatureとは
生成の出力のランダム性・多様性を調整するパラメータ。値を大きくすると多様な出力になりやすい。
まず押さえる結論
Temperatureは、生成AIパスポートの「第5章 テキスト生成AIのプロンプト制作と実例」で確認しておきたい用語です。 定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
- Zero-ShotとFew-Shotの取り違え。例を示さず指示だけ＝Zero-Shot、例をいくつか示してから指示＝Few-Shot。
- プロンプトエンジニアリングとファインチューニング／プレトレーニングの混同。前者は指示の与え方の工夫、後者2つはモデル側の学習段階。
- テキスト生成AIの不得意（正確な計算・最新の情報・芸術の批評）を、得意分野（要約・メール作成・箇条書き変換）と取り違える。
関連する確認問題
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
生成AIの出力のランダム性・多様性を調整するためのパラメータで、値を大きくすると出力がより多様になるものはどれか。
出力のランダム性・多様性を調整するパラメータがTemperatureで、値を大きくすると多様で意外性のある出力に、小さくすると堅実な出力になりやすい。プロンプトはAIへの入力（指示文）そのもの、InstructionとContextはプロンプトの構成要素で、いずれも出力のランダム性を調整するパラメータではない。
第5章 テキスト生成AIのプロンプト制作と実例 / プロンプティングの基礎
プロンプトの構成要素のうち、AIに実行してほしいことを伝える『指示』にあたるものはどれか。
AIにやってほしいことを伝える指示がInstruction。Contextは判断の助けになる背景情報、Output Indicatorは出力の形式や型の指定、Temperatureは出力のランダム性を調整するパラメータで、いずれも『指示』そのものではない。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
ハイパーパラメータの一つで、生成AIが次の単語を選ぶ際に、出現確率の高い候補を上位から累積していき、累積確率が一定の割合に達するまでの候補の中から選ばせるものはどれか。
出現確率の高い候補を累積確率が一定割合になるまで絞り込み、その範囲から選ばせるハイパーパラメータがTop-p。Temperatureは出力全体のランダム性・多様性を調整するパラメータで、累積確率で候補を絞る仕組みではない。Output Indicatorは出力形式を指定するプロンプトの構成要素、Few-Shotプロンプティングは例を示す手法で、いずれもパラメータではない。
同じ章で確認したい用語
到達チェック
- Temperatureを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、Temperatureに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる