思考の連鎖とは、大規模言語モデルが複雑な問題解決や論理的推論を行う際、答えに至るまでの推論のプロセスを段階的な文章として出力させる手法です。これにより、単発の回答よりも正確で信頼性の高い結果を引き出すことが可能になります。
思考の連鎖とは
一言でいうと、大規模言語モデルに最終的な答えだけでなく「途中の考え方の手順」を順序立てて出力させることで、推論能力を飛躍的に向上させるプロンプト手法のことです。
詳しく解説
大規模言語モデルは膨大なデータから確率的に単語を予測して生成しますが、複雑な数学の問題や論理パズルなどを一足飛びに解こうとすると間違いが生じやすくなります。思考の連鎖では、「ステップ・バイ・ステップで考えましょう」といった指示を与えたり、推論の具体例を示したりすることで、モデル内部の計算プロセスを中間ステップに分解します。これにより、複雑なタスクを小さな複数のステップに分割して順次処理できるようになり、最終的な出力の精度が大きく向上します。
具体例・使われ方
例えば、「リンゴが5個あり、3個食べて、新しく2倍買った場合、残りは何個か」という文章題を解かせる場合です。思考の連鎖を用いないと誤った答えを出すことがありますが、思考の連鎖を用いると、「1. 最初は5個です」「2. 3個食べたので、5 - 3 = 2個になります」「3. その2倍買ったので、2 * 2 = 4個になります」というように段階的な推論を行わせることで、正しい結果にたどり着くことができます。
似た用語との違い
一般的なゼロショットプロンプトや、問題文と結論のペアだけを提示する従来の学習方法とは異なります。従来のやり方が結論のみをダイレクトに出力するのに対し、思考の連鎖は解答に至るまでの思考プロセスそのものを明示的に出力させる点が決定的な違いです。
注意点
思考の連鎖を用いても、大規模言語モデルが必ず正しい推論をするとは限りません。途中のステップで誤った論理を展開しながらも、たまたま結論が合致してしまう場合や、もっともらしい嘘をつくハルシネーションが発生するリスクがあります。また、推論ステップの生成が増えるため、処理にかかる時間やコストが増加する点にも注意が必要です。