ChatGPTやClaude、その他のAIライティングツールを使っていて、ふと疑問に思ったことはありませんか？「なぜ、すごく正確な回答をする時もあれば、とんでもない『幻覚（ハルシネーション）』のような内容をでっち上げる時があるのだろう？」と。
その答えは、AIが急に「賢く」なったり「馬鹿」になったりするからではありません。私たちがAIの出力をコントロールするための「調整ノブ」の設定にあるのです。AIの「正確さ」と「創造性」のバランスを決定づける最も重要な3つの「ノブ」、それが Temperature（温度）、Top P、そして Top K です。
この記事では、あなたがAIを完全に使いこなせるように、これらの概念を最もシンプルで分かりやすく解説していきます。
なぜAIを使う時にこれらのパラメータ調整が必要なのか？
GPT-4のような大規模言語モデル（LLM）は、人間のように文章を「理解」しているわけではありません。基本的には、極めて複雑な「確率予測マシン」に過ぎないのです。
あなたがプロンプト（指示文）を入力したとき、AIの唯一の任務は「次に続く単語は何か？」を予測することです。
例えば、「太陽は...から昇る」というプロンプトがあった場合、AIは次の単語の確率を計算します。
1
2
3
4
東: 90%
西: 5%
上: 2%
...その他の単語: 3%
もしAIが常に最も確率の高い単語（ここでは「東」）だけを選び続ければ、非常に正確ですが、退屈で機械的な文章になります。逆に、時々確率の低い単語（「西」など）を選ぶようにすれば、より「創造的」にはなりますが、事実と異なること（AIの幻覚）を言うリスクも高まります。
Temperature、Top P、Top K というパラメータは、AIに対して「いつ安全策を取るべきか」「いつ冒険すべきか」を指示するためのツールなのです。
Temperature（温度）とは？
Temperatureは、AIの出力のランダム性を制御する最も一般的なパラメータです。モデルの「狂気度」や「創造性」を調整するスライダーだと想像してください。
Temperatureの値は通常 0 から 1 の範囲で設定します（一部のモデルでは 2 まで）。
Temperatureが低い場合（0に近い）
仕組み：Temperatureが低いと、AIは非常に保守的になります。確率の高い単語がより優先され、確率の低い単語はほぼ排除されます。AIはほぼ間違いなく、最も可能性の高い単語を選びます。
結果：出力は非常に一貫性があり、正確で、現実的ですが、創造性は低くなります。回答は簡潔で、要点を突いたものになりがちです。
使用すべき場面：
- 事実に基づいた正確な回答が必要な場合（例：情報検索、数学の問題）。
- コーディング（プログラミングには絶対的な正確さが求められるため）。
- 一貫性が必要な場合（同じ質問に対して常に同じ回答を得たい場合）。
分かりやすい例：
AIへの質問：「日本の首都はどこですか？手短に答えて。」
Temperature = 0.0
→ AIの回答：
日本の首都は東京です。
10回聞き直しても → 「東京です」と答え、ブレません。
結果：
出力は非常に一貫性があり、正確で、現実的ですが、創造性は低くなります。回答は簡潔で、要点を突いたものになりがちです。
Temperatureが高い場合（1に近い、またはそれ以上）
仕組み：Temperatureが高いと、最も可能性の高い単語とそれ以外の単語との差が縮まります。あまり使われない単語が選ばれるチャンスが増えるのです。
結果：出力はより多様で、創造的で、驚きのあるものになりますが、話が脱線したり、「幻覚」（嘘の情報）を生成したりするリスクも高まります。
使用すべき場面：
- クリエイティブな執筆（詩、小説、脚本）。
- 新しいアイデアのブレインストーミング。
- AIに「もっと語らせたい」、表現豊かにさせたい場合。
分かりやすい例：
同じ質問：「日本の首都はどこですか？手短に答えて。」
Temperature = 2.0
→ AIの回答：
現在、日本の首都として機能しているのは東京です。東京は政治、経済、文化、教育の中心地であり、世界でも有数の大都市圏を形成しています。
もう一度聞くと →
日本国憲法には首都を直接定める規定はありませんが、一般的に東京が首都とみなされています。皇居や国会議事堂、最高裁判所などの三権の長が所在する場所であり、日本の心臓部と言えるでしょう。
情報は正しいですが、言い回しが毎回異なります。
結果：
出力はより多様で、創造的で、驚きのあるものになりますが、話が脱線したり、「幻覚」（嘘の情報）を生成したりするリスクも高まります。
Top Pとは？
もし Temperature が「AIがどれだけリスクを冒すか」を決めるものだとしたら、Top P は 「AIがリスクを冒して良い範囲」 を決めるものです。
Top P（ニュークリアスサンプリングとも呼ばれます）は、単語の確率そのものを変えるのではなく、「十分に良い単語のグループ」を選抜し、AIはそのグループ内からのみ選択できるようにします。
Top Pはどのように機能するのか？
Top-p は、累積確率が少なくとも p に達するまでの単語グループに基づいて、次のトークン（単語）を選択する方法です。
シンプルな考え方
- モデルが次に続く可能性のあるすべてのトークンの確率を予測します。
- トークンを確率の高い順（降順）に並べます。
- 上から順に確率を足していき、合計が p 以上になるまでリストアップします。→ これを「ニュークリアス（核）」と呼びます。
- そのニュークリアスグループの中だけからランダムに選択します（グループ外からは選びません）。
分かりやすい例
モデルが「今日の天気は...」という文を書いているとします。
次のトークンの確率は以下の通りです：
1
2
3
4
5
6
7
- "良い" : 0.40
- "雨" : 0.25
- "寒い" : 0.15
- "暑い" : 0.10
- "悪い" : 0.05
- "酷い" : 0.03
- (その他) : 0.02
Top P = 0.80 の場合
確率の高い順に足していきます：
良い
0.40 （合計 0.40）雨
0.25 （合計 0.65）寒い
0.15 （合計 0.80） → 0.80に到達
→ ニュークリアス = {良い
, 雨
, 寒い
}
モデルはこの 3語の中だけ から、それぞれの確率に応じてランダムに選択します。
Top P = 0.95 の場合
足していきます：
良い
0.40 （合計 0.40）雨
0.25 （合計 0.65）寒い
0.15 （合計 0.80）暑い
0.10 （合計 0.90）悪い
0.05 （合計 0.95） → 0.95に到達
→ ニュークリアス = {良い
, 雨
, 寒い
, 暑い
, 悪い
}
選択肢が増え、文章がより多様になり、時には変わった表現が出ることもあります。
Top Pのまとめ
- Top P 低め（例 0.3–0.5）：選択肢が少ない → 安定しており、脱線しにくい。
- Top P 高め（例 0.8–0.95）：選択肢が多い → 創造的だが、突拍子もないことを言う可能性がある。
Top Kとは？
Top-k は、次のトークンを以下のように選択します：
- モデルがすべてのトークンの確率を予測します。
- 確率が最も高い K 個のトークンだけ を残します。
- その K 個のトークンの中から ランダムに選択します（確率は再計算されます）。
Top-k = 「人気トップ K の選択肢の中からしか選ばせない」
分かりやすい例
モデルが「今日の天気は...」と書いているとします。
次のトークンの確率：
1
2
3
4
5
6
7
- "良い" : 0.40
- "雨" : 0.25
- "寒い" : 0.15
- "暑い" : 0.10
- "悪い" : 0.05
- "酷い" : 0.03
- (その他) : 0.02
Top K = 3 の場合
確率上位3つのトークンを残します：
良い
: 0.40雨
: 0.25寒い
: 0.15
→ モデルは {良い
, 雨
, 寒い
} の中からしか選べません。
暑い
、悪い
、酷い
といったトークンは完全に除外されます。
Top K = 5 の場合
残すのは：
良い
: 0.40雨
: 0.25寒い
: 0.15暑い
: 0.10悪い
: 0.05
→ 選択肢が増え、文章は多様になりますが、あくまで「よくある表現」の範囲内に収まります。
Top-k と Top-p の違いは？
- Top K: 確率分布が「集中」していようが「分散」していようが、常に K個 のトークンを保持します。
- Top P: 確率の合計が p になるように、保持するトークンの数が 柔軟に変化 します。
Temperature – Top P – Top K の比較
| パラメータ | 一言で言うと | 主な影響 | 低いとどうなる？ | 高いとどうなる？ |
|---|---|---|---|---|
| Temperature | AIの「冒険心」 | 創造性 / ランダム性 | 硬い、安全、論理的 | 自由奔放、創造的、脱線しやすい |
| Top P | 選んで良い単語の範囲 | 単語選択の柔軟性 | 厳格、ブレが少ない | 自然、多様性がある |
| Top K | 選べる単語の最大数 | 選択肢の広さ | 選択肢が狭く、文章が硬い | 選択肢が多く、創造的になりやすい |
要約
- Temperature: AIにリスクを冒させても良いか？
- Top P: 妥当な単語の上位何％までを使って良いか？
- Top K: 選択候補としていくつの単語を見ても良いか？
Temperature, Top P, Top K の総合例
文：「今週末、私は...に行きたい」
確率：
1
2
3
4
5
- 遊び (0.30)
- 旅行 (0.25)
- 休憩 (0.20)
- 探検 (0.12)
- 高飛び (0.08)
- Temperature
- T = 0.3 → ほぼ確実に 遊び が選ばれる
- T = 1.0 → 旅行 や 休憩 も選ばれる
- T = 1.5 → 高飛び が選ばれるかもしれない
- Top-p
- p = 0.7 → 遊び、旅行、休憩 の中から選ぶ
- p = 0.9 → 追加で 探検、高飛び も候補に入る
- Top-k
- k = 2 → 遊び、旅行 のどちらかのみ
- k = 4 → 休憩、探検 も選択肢に入る
目的別クイックプリセット
| 目的 | Temperature | Top P | Top K |
|---|---|---|---|
| コード生成 / 技術系 | 0.1 – 0.3 | 0.8 | 20 |
| ブログ記事 / SEO | 0.5 – 0.7 | 0.9 | 40 |
| クリエイティブ / アイデア出し | 0.9 – 1.2 | 1.0 | 50+ |
結論
AIは決してランダムに「幻覚」を見たり「劣化」したりしているわけではありません。回答の質を決めるのは、あなたがどのように Temperature、Top P、Top K を調整するかにかかっています。設定次第で、AIは創造性を優先して話を広げることもあれば、正確で安定した目的通りの回答をすることもあります。これら3つのパラメータを理解するということは、運任せにするのではなく、AIがどのように回答を生成するかを主体的にコントロールできるようになるということです。
