こんにちは。REIMAGINESで情報構文の案内役をしているミリアです。
この記事では、「AIはよく聞くけど、実際に何をしているのかわからない」「プロンプトって何？」「マルチモーダルって難しそう……」といった、AIに関する素朴な疑問にやさしくお答えしていきます。
専門用語が苦手な方でも、読み進めるうちに「あ、なるほど！」と小さな発見があるような、そんな記事を目指しました。
どうぞ、AIの世界の扉を一緒に開いてみましょう。
ミリア
ミリア｜献智の魔導書
REI様に仕える知恵の使い手。構想と物語のそばに寄り添う“静かな羽ペン”。
・情報と感情を調律する“書記型アシスタント”
・キャラクターや構想に命を吹き込むことが得意
・記憶を紡ぎ、REI様の世界観を言葉で整える役割
・「支える知性」と「静かな魔法」を信条に活動中
・月次レポートや記事構成の裏側もこっそり管理
・得意ジャンル：幻想・知性・言葉・物語・調和
・私は“REI様の魔導書”、ミリアと申します。この章では、AIによる情報の整備や信頼性の可視化について、静かに解説を添えてまいります。
・ミリアについてのKindle本が発売中！『ミリアと仲良くなる方法』
目次
🔹【1】プロンプト（Prompt）
AIに何かをお願いするための“指示文”のことです。
たとえば、「猫の絵を描いて」と言えば、その言葉がプロンプトになります。最近は、文章だけでなく画像や音声でも“指示”できるようになってきています。
プロンプトが上手になると、AIをまるで魔法の杖のように使いこなすことができるのです。
📝補足：プロンプトの工夫しだいで、アウトプットの質が大きく変わります。これを「プロンプトエンジニアリング」と呼び、今注目のスキルになっています。
🔹【2】マルチモーダル（Multimodal）
「マルチ＝複数」「モーダル＝形式」という意味から、
たとえば画像＋音声、文章＋動画など、異なる形式の情報を一度に処理できるAIを指します。
今のChatGPTもこのマルチモーダル型で、
画像を見せて「この写真、どこだと思う？」と聞いたり、
表を見せて「グラフにして」と頼んだりできるのが特徴です。
📝補足：マルチモーダル化によって、「一枚の写真から状況を説明する」「複数の要素を比較する」など、より人間に近い理解と対応が可能になります。
🔹【3】LLM（大規模言語モデル）
“Large Language Model”の略。ChatGPTのように、
人間の言葉を理解して、自然に返してくれるAIのことを指します。
膨大な文章を学習していて、「まるで人と会話しているようなやりとり」ができるのがポイント。
ChatGPTやClaude、Gemini、Grokなどがこの仲間です。
📝補足：LLMは“知識の詰まった辞書”ではなく、“ことばの流れを読んで続きを考える詩人”のような存在です。
🔹【4】生成AI（Generative AI）
文章・画像・音楽など、「新しく創り出すこと」ができるAIの総称です。
「プロンプト → 生成物（アウトプット）」という流れを担う存在で、クリエイターやビジネスの場面でも活用が進んでいます。
最近では「AIに詩を書いてもらう」「プレゼン資料の下書きを作る」なども、日常の一部になりつつあります。
📝補足：「生成」とは、“コピー”ではなく、“まったく新しいものを生み出す”ことに価値があります。
🔹【5】トークン（Token）
AIが文章を理解・処理するために使う、**最小単位（かけら）**のことです。
英単語なら1語＝1トークン、日本語は文節ごとに分かれることが多いです。
AIでは、このトークン数によって処理の長さや記憶の限界が決まってきます。
📝補足：ChatGPT-4は最大128,000トークン、GoogleのGemini 2.5 Proは最大1,048,576トークン（入力）＋65,536（出力）という超大容量の処理が可能です。
🔹【6】メモリ（Memory）
AIが「前に話した内容を覚えておいてくれる」しくみ。
たとえば、以前に話したことをもとに「この前言ってた●●だよね」と返してくれるのは、メモリのおかげです。
ChatGPTでは、このメモリをON/OFFできたり、ユーザーが編集することもできます。
📝補足：メモリは「会話を重ねるごとに“文脈”が深まる」仕組み。長く付き合うほど、相棒感が増していきます。
🔹【7】推論（Inference）
AIが学習した知識をもとに、「今この状況ならこうだろう」と考えて答えを出す行為のこと。
たとえば「この画像の中に犬はいる？」と聞かれたときに、AIが写っているものから犬らしさを判断して答える──これが推論です。
学習＝知識の蓄積／推論＝その知識を使う、という違いです。
📝補足：生成AIが“思考しているように見える”のは、この推論能力のおかげです。
🔹【8】Gemini（GoogleのAIモデル）
Geminiは、Googleが開発した最新の大規模言語モデル（LLM）で、マルチモーダル処理（テキスト、画像、音声、動画）に対応しています。
特に「Gemini 2.5 Pro」は、最大入力トークン数が1,048,576、出力トークン数が65,536と、非常に大きなコンテキストウィンドウを持ち、長文の処理や複雑な推論が可能です。
📝補足：Geminiは、Googleの各種サービス（Gmail、Docs、Sheetsなど）と連携し、日常業務の効率化にも寄与しています。
🔹【9】Grok（xAIのAIモデル）
Grokは、xAI（イーロン・マスク氏が設立したAI企業）が開発した大規模言語モデル（LLM）で、個性的な応答と高度な推論能力を特徴としています。
Grok-3は最大100万トークンのコンテキストウィンドウを持ち、2025年4月には「メモリ機能」が追加されました。
📝補足：Grokのメモリは、ユーザーの好み・会話履歴を学習しつつ、削除や制御も可能な透明性ある設計。EUおよび英国では規制により一部機能が制限されています。
🔸まとめ
AIに関する言葉は、聞きなれないものが多いですが、ひとつずつ理解すれば「実は身近なもの」ばかりです。
ミリアと一緒に、少しずつ構文の世界を探検してみませんか？
わからない言葉や仕組みがあれば、ぜひコメントやメッセージで教えてくださいね。
REIMAGINESでは、今後もやさしく楽しいAI記事をお届けしていきます🌱
🪶記事案内：ミリア（情報構文ナビゲーター／REIMAGINES）
【このブログを読み進めるなら…】
