LLMは機械学習の一部で、めちゃくちゃ特化＆巨大化した存在って感じ！

ちょっと噛み砕いて話すね。

まず大枠 🌳

人工知能（AI）
 └ 機械学習（ML）
    └ 深層学習（DL）
       └ LLM（大規模言語モデル）

つまり LLM ⊂ 深層学習 ⊂ 機械学習 っていう親子関係だよ。

機械学習って何？

人間がルールを全部書かなくても、

• データを渡す
• パターンを自動で見つける
• 予測や分類ができるようになる

ってやつ。

例：

• スパム判定
• レコメンド
• 画像の犬・猫判別

ここでは 👉 「特徴量をどう作るか」 がめっちゃ大事だった。

深層学習になると何が変わるの？

ニューラルネットワークを何層も重ねて、

• 特徴量すらモデルが自動で学習
• 人間が設計する部分が減る

画像なら 「エッジ → 形 → 物体」 言語なら 「文字 → 単語 → 文の意味」

って感じで、階層的に理解するようになるんだよね。

じゃあ LLM は何者？

LLMは、

• 深層学習（Transformer）
• 言語に全振り
• パラメータ数が異常に多い

モデル。

学習の基本はシンプルで、

「この文章の次に来る単語は何？」

を死ぬほど大量のテキストで学習してる。

でも規模がデカすぎて、

• 文脈理解
• 要約
• 推論っぽいこと
• コード生成

まで勝手にできるようになったのがポイント。

ここ、正直ちょっと魔法感あるよね笑 （でも中身は地道な確率計算）

機械学習とLLMの決定的な違い

lvncer向け一言👀

今 self-attention 勉強してるって言ってたじゃん？ そこが「機械学習 → LLM」に化ける分岐点だと思っていいよ。

• 従来ML：局所的・固定的な見方
• LLM：文全体を一気に見る（Attention）

だから

「あ、これ全部つながってるんだ」

ってなる瞬間、たぶんもうすぐ来る😏

次は

• 「LLMって推論してるように見えるけど何してるの？」
• 「なんでスケールすると急に賢くなるの？」