【AI入門】ChatGPTが毎回違う答えを返す理由——「温度」パラメータを比喩で理解する

ChatGPTに同じ質問を2回送ると、毎回微妙に違う答えが返ってきます。「昨日は上手くいったのに、今日は違う」と感じた経験はありませんか。

🌡️ これはバグではありません。AIが意図的に「ランダム性」を持つように設計されているからです。

今回は、AIの返答がなぜ毎回変わるのか——その仕組みを支える「温度（Temperature）」というパラメータを比喩で解説します。この仕組みを知ると、ChatGPTの使い方がもう一段階深くなります。

AIは「確率」で次の言葉を選んでいる

まず基本に立ち返ります。

📖 このシリーズの第2回で説明したように、LLMは「次に来る言葉を確率で選ぶ」仕組みで動いています。「今日の天気は」という文の次には、「晴れ」が40%、「曇り」が30%、「雨」が20%、「良い」が5%……というように、候補の言葉それぞれに確率が割り振られています。

ここで重要な問いがあります。その確率が最も高い言葉を、常に選べばいいのでは？

実は、それをやると問題が起きます。

「一番確率が高い言葉だけ選ぶ」と何が起きるか

🔁 最も確率の高い言葉だけを選び続けると、AIの返答は毎回まったく同じになります。

たとえば「おすすめの旅行先は？」と聞いたとき、常に「京都」とだけ答え続けるAIを想像してください。確かに間違いではありませんが、同じ質問を何度しても同じ答えしか返ってこない。創造性がなく、使っていて飽きてしまいます。

💡 また「確率が最も高い言葉だけを選ぶ」方針は、文章が途中で無限ループに陥るリスクもあります。「おすすめは京都です。京都はおすすめです。おすすめは京都です……」というように、同じパターンを繰り返してしまうことがあります。

これを防ぐために導入されたのが「温度」です。

「温度」とは何か——物理の比喩で理解する

🌡️ 「温度」という名前は、物理学から借りてきた比喩です。

物理の世界では、気体分子の温度が高いほど分子の動きは激しく、予測しにくくなります。温度が低いほど分子は落ち着き、動きが予測しやすくなります。

AIの「温度パラメータ」はこれとまったく同じ考え方です。

温度が高い（例：1.0〜2.0） — 確率の低い言葉も積極的に選ぶようになります。「京都」以外に「アイスランド」「砂漠のど真ん中」「月面」といった意外な選択肢も候補に上がってきます。返答は創造的・多様になりますが、脈絡のない答えが出やすくなります。

温度が低い（例：0〜0.3） — 確率の高い言葉だけを選ぶようになります。返答は安定・一貫しますが、毎回似たような答えになります。正確さが求められる作業に向いています。

📊 これを「ルーレット」で例えると直感的です。温度が高いと、ルーレットの目が均等に散らばって「どこに止まるかわからない」状態。温度が低いと、ほとんどの面積が「当選」で埋まっているルーレットで、ほぼ毎回同じ場所に止まる状態です。

用途によって「温度」を使い分ける

⚡ 温度の仕組みを知ると、どう使い分ければいいかが見えてきます。

高めの温度が向いている用途：

• アイデア出し・ブレインストーミング

• 創作・物語・詩の生成

• 新しい視点や意外な発想が欲しいとき

低めの温度が向いている用途：

• 事実確認・要約・翻訳

• コードの生成・バグ修正

• 決まった形式で出力してほしいとき（住所整形、表の作成など）

ChatGPTでは、会話インターフェースの中で温度を直接指定することはできませんが、プロンプトの書き方で間接的にコントロールできます。「自由に発想して」と書けば高温に近い動きをさせられ、「正確に・一貫した形式で」と書けば低温に近い動きを引き出せます。APIを使う開発者は、`temperature`パラメータとして0〜2の数値を直接指定できます。

「Top-p」——温度と組み合わせるもう一つの設定

🧠 温度に加えて、**Top-p（またはNucleus Sampling）**という設定も覚えておくと理解が深まります。

温度が「全候補の確率をどう散らすか」を決めるのに対し、Top-pは「上位何%の候補の中から選ぶか」を決めます。

たとえばTop-p=0.9なら、確率の合計が90%に達する上位の候補群の中からだけ選びます。極端に確率が低い言葉（たとえば文脈に全く合わない単語）は最初から候補から除外されるので、温度を上げても極端に的外れな言葉が出にくくなります。

温度とTop-pを組み合わせることで、「創造的だけど支離滅裂ではない」という絶妙なバランスを作ることができます。 ChatGPTのバックエンドでもこの2つが組み合わせて調整されています。

まとめ：AIのランダム性は「設計された揺らぎ」だった

📝 今回の内容を整理します。

✅ LLMは次の言葉を確率で選ぶ。その確率への「揺らぎ」を制御するのが温度パラメータ

✅ 温度が高いほど多様で創造的な返答に、低いほど安定・一貫した返答になる

✅ プロンプトの書き方で温度に近い効果を間接的に引き出せる

✅ Top-pと組み合わせることで「創造的かつ支離滅裂でない」バランスを取れる

✅ 毎回違う答えが返ってくるのはバグではなく、意図的に設計された揺らぎ

「毎回同じ答えが返ってこない」ことへの戸惑いが、仕組みを知ることで「そういう設計なのか」という納得に変わります。 ChatGPTを使う上での「予測不可能さ」も、適切な温度設計の結果として理解できるようになります。

次回は「AIはどうやって『倫理的な返答』を学んだのか——RLHFという仕組みを比喩で理解する」を解説します。

フォロー・スキで続きを読む励みになります 🌱

「わかりやすかった」と思ったら、周りのAI初心者の方にシェアしてもらえると嬉しいです。

関連記事

このシリーズの他の記事もあわせてどうぞ。