title: "00_AIの基礎" icon: "🧠"

AIの基礎知識

Claude Codeを使いこなす前に、AIがどのように動くのかを理解しておきましょう。原理を知っていれば、「なぜ思った通りに動かないのか」が見えやすくなります。

LLMとは？

LLM（Large Language Model / 大規模言語モデル） とは、膨大なテキストデータから言語のパターンを学習した「とても巨大な頭脳」です。

┌─────────────────────────────────────────────┐
│  学習データ: ウェブサイト、書籍、会話記録...  │
│       ↓ 数十億パラメータで学習 ↓             │
│  ┌─────────────────────────────────┐        │
│  │  LLM (巨大ニューラルネットワーク)  │        │
│  └─────────────────────────────────┘        │
│       ↓ 入力に対して応答生成 ↓               │
│           「こんにちは」と入力               │
│           「はい、何かお手伝いしますか？」   │
└─────────────────────────────────────────────┘

簡単なたとえ

LLMは「何百万冊もの本を読み込んで言語のルールを体得した天才読書家」に似ています。ただし、一度も読んだことのない内容は知らないという弱点があります。

LLMができること・できないこと

✅ 得意なこと                     ❌ 苦手なこと
────────────────────────────  ──────────────────────────
・文章の要約・翻訳               ・最新ニュースの確認
・コードの生成・解説              ・実際の計算（不正確な場合あり）
・アイデアの壁打ち                ・学習データ以降の出来事
・質問への回答（一般的な知識）    ・個人的な記憶・感情

パラメータ（Parameter）: ニューラルネットワーク内部の「数値の塊」。学習データから自動的に調整され、GPT-4やClaude 3は数千億個のパラメータを持つ。

メモリ≠記憶：会話ごとのリセット

重要な性質: LLMは会話の中で「覚えた」ように見えますが，实际上は各セッションは独立したゼロ地点から始まります。

❌ よくある誤解:
「前の会話で説明を作ったから、次も分かるはず」

✅ 実際の動き:
各セッション = 白紙状態。前の会話の記憶は引き継がない。

なぜ「学習」ように見えるのか？

会話中は文脈（context）を保持しており、直前の入力を覚えている
しかし、セッションが終わるとその記憶は完全に消える
新しいセッションでは、ゼロから始める

セッションA:              セッションB:
┌────────────────┐    ┌────────────────┐
│ こんにちは！   │    │ こんにちは！   │
│ ○○の作り方を   │    │               │
│ 教えて         │    │ ← 何も覚えてない│
└────────────────┘    └────────────────┘

これが重要になる場面

例: コードを書きながら質問する場合

❌ 悪い例:
「さっき言ったあのバグを直して」
→ 「さっき」が何のことか分からない

✅ 良い例:
「src/utils.js の calculateTotal 関数のバグを直してください」
→ 何をするべきか明確

ハルシネーション：自信犯の誤り

ハルシネーション（Hallucination） とは、AIが「確信を持って」事実と異なる内容を生成することです。

実際の例

AI: 「このコードは 安全です。検証済み。」
実際: コードには重大なセキュリティ脆弱性がある

なぜ起こるのか？

LLMは「次に最もらしい言葉を生成する」仕組みです。**「正解ではなく、最もらしい答え」**を選ぶことがあります。

学習データの中で:
「Pythonでは import os が標準的」→ 頻出
「import system-os は標準的」→ ほぼ出現なし

→ AIは「import os」を選ぶ（よく見るから）
→ でも、それが本当に正しいかは別問題

対策：自分で確認する

重要な情報は複数ソースで確認 — 1つのAI応答を鵜呑みにしない
コードは実際に動かして検証 — 「動く」はず、ではなく「動くか？」を確認
疑いの目で見る — 「本当に？確信ある？」と確認する
ドキュメントに当たる — AIが言ったことを公式ドキュメントで確認

┌─────────────────────────────────────────────┐
│  🔍 ハルシネーション チェックフロー          │
├─────────────────────────────────────────────┤
│  AIの回答 → 公式サイトで確認 → 合っている？ │
│       ↓ いいえ                               │
│  AIの回答を修正 or 別の情報源を探す          │
└─────────────────────────────────────────────┘

graph LR subgraph "200K トークンコンテキストウィンドウ" A["システムプロンプト
~3%"] B["ツール定義
~20%"] C["メモリ・スキル
~4%"] D["会話履歴
~3%"] E["空き容量
~70%"] end

コンテキストウィンドウ：有限の作業台

コンテキストウィンドウ（Context Window） とは、AIが一時的に保持できる情報の「作業台」のことです。

たとえ

🎓 教室想象:
先生（AI）は黑板（コンテキストウィンドウ）に
限られた量しか書けない。

古い内容を消さないと新しい内容を書けない。
消えた内容は振り返れない。

量の目安

モデル	大致的容量
小さいモデル	~4,000〜8,000 トークン
大きなモデル	~128,000〜200,000 トークン

トークン（Token）: テキストの最小単位。英語では約4文字=1トークン、日本語は1文字≈1〜2トークン。Claude Codeではこの作業台を効率的に使うことが重要。

コンテキストが足りないとき

症状: AIが「さっき言った」と言ってくるが、何も言っていない

原因: 会話が長い→古い内容が切り詰められた

対策:
1. 重要な情報は最初っからまとめて送る
2. 定期的に「今我知道的主要内容を確認」と頼む
3. 新しいセッションで最初から説明し直す

プロンプト基礎：AIとの上手な会話術

プロンプト（Prompt） とは、AIへの「指示・質問」のことです。上手く書けると、返答の質が大きく上がります。

基本原則 3つ

1. 具体的に書く

❌ 曖昧:
「コードを直して」

✅ 具体的:
「ファイル src/utils.js の calculateTotal 関数で、
税抜きの計算が間違っているのを修正して」

2. 例を与える

✅ 例あり:
「日本のアーティストの曲を作ってください。
例: YOASOBI - 『夜に駆ける』」
→ ニュアンスが伝わりやすい

❌ 例なし:
「日本の曲作って」
→ 「曲」の意味が曖昧（童謡？J-POP？演歌？）

3. 複雑な任务是分割する

❌ 1度に頼む:
「全新的Webアプリ作って。Reactで、認証付きで、DBはPostgreSQL」

✅ 分割して頼む:
Step 1: 「Reactプロジェクトの骨組みを作ってください」
Step 2: 「認証機能を追加してください」
Step 3: 「データベース接続を設定してください」

プロンプトの構造テンプレート

[立場]: あなたは○○の専門家です
[目標]: ○○を作成してください
[制約]: ○○という条件を満たすこと
[出力]: ○○の形式で結果を出力
[例]: こんな雰囲気で: ○○

具体的なプロンプト例

【悪い例】
コード直して

【良い例】
TypeScriptで ユーティリティ関数を作成してください。
条件:
- 引数は2つ（文字列と数値）
- 戻り値は文字列
- エラーハンドリングを含める
例: capitalize("hello", 3) → "HEL"

コスト意識：トークンを無駄にしない

LLMのAPI利用はトークン数に応じて料金が発生します。

┌────────────────────────────────────────────┐
│  💰 コスト 最適化チェックリスト       │
├────────────────────────────────────────────┤
│  □ 同じ説明を何度も繰り返していない？        │
│  □ 長いコード全文を何度も送っていない？       │
│  □ 曖昧な要求で何度もやり取りしていない？     │
│  □ 必要最小限の情報だけを送っている？        │
└────────────────────────────────────────────┘

具体的な節約術

節約方法	具体的な行動
情報を整理して送る	複数のファイルを1度に説明せず、要点をまとめ
確認しながら進める	一気に頼まず、1ステップずつ確認
文脈を長く使わない	古い会話内容を「要約」して保持
出力形式を指定	「JSONで」「1行で答えて」と指定

料金節約の実例

❌ 非効率:
「以下の10個のファイルを全部解释して」
（各ファイルの説明が長く続く）

✅ 効率的:
「10個のファイルがありますが、先に全体の構成を教えて。
必要なら詳しく説明します」

まとめ：AIを使いこなすポイント

┌─────────────────────────────────────────────┐
│           AI基礎 まとめ                      │
├─────────────────────────────────────────────┤
│  🧠 LLM = 学習済み巨大頭脳                   │
│  💾 セッション開始時はメモリクリア            │
│  ⚠️ ハルシネーションに注意（検証が大事）      │
│  📝 コンテキストウィンドウは有限（作業台）   │
│  📌 プロンプトは具体的に・分割して・例示して  │
│  💰 トークン節約はコスト削減に直結          │
└─────────────────────────────────────────────┘

次の章では、いよいよ Claude Code を自分のパソコンに導入する方法を説明します。