ds ai-use
まず結論
Temperature（テンペラチャー）とは、大規模言語モデル（LLM）の出力のランダム性を調整するパラメータです。
DS検定では、「生成AIの出力が安定する／創造的になる理由を理解しているか」を判断させる問題として問われます。
直感的な説明
Temperatureは、
「AIの回答のブレ具合をどれくらい許すか」 を決めるダイヤルのようなものです。
- 低い値（例：0.2）
→ 毎回ほぼ同じ、安定した回答になる - 高い値（例：0.8）
→ 表現が多様になり、創造的になるが、ブレやすい
たとえば、
- マニュアル回答をさせたいとき
→ 低Temperature - アイデア出しやコピー作成
→ 高Temperature
という使い分けになります。
「なぜAIの出力が毎回違うのか？」という疑問の正体が、このTemperatureです。
定義・仕組み
大規模言語モデルは、
「次に来る単語の確率」を計算して文章を生成しています。
Temperatureは、その確率の偏りをどれくらい強調するかを調整する仕組みです。
-
低Temperature
→ 確率の高い単語をほぼ必ず選ぶ
→ 出力が安定する -
高Temperature
→ 確率の低い単語も選ばれやすくなる
→ 出力が多様になる
重要なのは、
Temperatureは「正確さ」を直接調整するものではない
という点です。
DS検定では、「Temperatureを下げると正解率が上がる」といった表現があれば注意が必要です。
どんな場面で使う？
使うべき場面
- FAQ自動応答（安定性重視）
- レポート要約
- コード生成
- マニュアル回答
→ 低Temperatureが適する
- キャッチコピー作成
- アイデア出し
- 物語生成
→ 高Temperatureが適する
使うと誤解しやすい場面
- ハルシネーション対策としてTemperatureを下げる
→ 一部は安定するが、根本解決ではない
DS検定では、「ハルシネーション＝Temperatureが高いから起きる」と書かれていたら誤りです。
よくある誤解・混同
① Temperature ＝ 正確性の調整
❌ 低くすると必ず正確になる
⭕ 出力が安定するだけ
② Temperature ＝ 学習の強さ
❌ モデルを再学習している
⭕ 推論時の出力制御パラメータ
③ RAGとの混同
RAGは外部データを検索して回答する仕組み。
Temperatureは「出力の揺らぎ」の調整。
DS検定では、
「検索強化」と「出力制御」を混同させる問題が出やすいです。
まとめ（試験直前用）
- Temperatureは「出力のランダム性」の調整
- 低い → 安定、高い → 多様
- 正確性そのものを保証するものではない
- RAGや学習方法とは別の概念
「出力のブレを制御する仕組み」かどうかで判断する
対応スキル項目（AI利活用スキルシート）
- AIを活用した業務遂行
- 生成AIの活用
- ★ 生成AIの特性（出力の不確実性やばらつき）を理解し、適切に活用できる
- ★ 生成AIの出力を過信せず、人間が適切に確認・判断できる
🔗 関連記事
- AIOpsとMLOpsの違いを一発整理【DS検定チートシート】
- AIOpsとは？MLOpsとの違いを整理【DS検定リテラシー】
- データ・AI利活用における留意事項とは？【DS検定リテラシー】
- データガバナンスとは？データ活用に必要な管理の仕組み【DS検定】
- ガバナンスとは？企業統治とリスク管理の関係【DS検定】