プロンプトエンジニアリング実践ガイド【後編】
生成AIを巧みに操れる「プロンプトエンジニアリング“3大技法”」はこれだ
生成AIツールから“良い回答”を引き出すには、生成AIツールへの質問や指示である「プロンプト」の改善が効果的だ。誰でも実践できる3つのテクニックを、実例を交えて紹介する。
「生成AIツールから的確な回答を得られない」と頭を抱えた場合に役立つのが、「プロンプトエンジニアリング」だ。これは、望ましい出力を得るためにプロンプト（生成AIに対して出す質問や指示）を設計したり改良したりする工程を指す。人工知能（AI）ベンダーOpenAIの「ChatGPT」といった生成AIツールをより使いこなすためのプロンプトエンジニアリングのテクニックを3つ紹介する。
「プロンプトエンジニアリング“3大技法”」はこれだ
併せて読みたいお薦め記事
連載：プロンプトエンジニアリング実践ガイド
生成AIの「プロンプト」に関する記事
プロンプトエンジニアリングに関する以下3つのテクニックを紹介する。
- Few-shot（フューショット）プロンプティング
- Chain-of-Thought（CoT：思考の連鎖）プロンプティング
- メタプロンプティング
Few-shot（フューショット）プロンプティング
Few-shotプロンプティングは、大規模言語モデル（LLM）に幾つかの模範例を提示する手法だ。「教師あり学習」（事前に人間が正解データを用意する機械学習手法）を取り入れたもので、LLMは入力とそれに対する出力の模範例を参照し、タスクの取り組み方を学習する。
Few-shotプロンプティングは、特に文体を変更するタスクに最適だ。内容は変えず、文章のトーンやフォーマルさを調整できる。以下は、Few-shotプロンプティングの一例だ。
プロンプト：
以下は、文章を受動態から能動態に変換する例です。
- 受動態：「食事はシェフによって作られる」→ 能動態：「シェフが食事を作る」
- 受動態：「肖像画は画家によって描かれる」 → 能動態：「画家が肖像画を描く」
では、以下の文を能動態に変換してください。
- 「講義は先生によって実施される」
ChatGPTの回答：
能動態：「先生が講義を実施する」
Chain-of-Thought（CoT：思考の連鎖）プロンプティング
LLMは、実際に文章を理解しているわけではない。プロンプトを基に、最も可能性の高い文字の並びを予測しているに過ぎない。そのためLLMは、複雑な方程式や謎解きといった推論タスクを得意としていない。
Chain-of-Thoughtプロンプティングは、推論が必要なタスクに使用される手法だ。まずLLMに問題の解き方を考えるよう指示して、次にそのステップを一つずつ説明してもらう。LLMは段階的に問題を解くことで、精度の高い回答を出力できる。
Few-shotプロンプティングとChain-of-Thought プロンプティングを組み合わせて、解き方の例を幾つか示すことも有効だ。以下に例を紹介する。
プロンプト：
Q：図書館の本棚には35冊の本があります。2冊貸し出され、4冊追加された場合、本棚には全部で何冊の本があるでしょうか。
A: 本棚には最初35冊の本がありました。2冊貸し出されたので33冊になります。次に4冊が追加されると、33＋4=37です。合計は37冊です。
Q：あるパン屋で、午前中に40個あったカップケーキのうち36個を売りました。パン屋はその後12個のカップケーキを焼きました。午後には14個のカップケーキが売れました。一日の終わりには何個のカップケーキが残っていますか。
ChatGPTの回答：
問題解決の過程をステップバイステップで考えると次のようになります。
- 午前中、40個のカップケーキのうち36個が売れ、40－36＝4個のカップケーキが残ります。
- その後、さらに12個のカップケーキを焼くので、合計4＋12＝16個のカップケーキがあります。
- 午後にはさらに14個のカップケーキが売れ、16－14＝2個のカップケーキが残ります。
つまり、一日の終わりに、パン屋には2個のカップケーキが残っています。
メタプロンプティング
メタプロンプティングは、LLM自体を使ってプロンプトを改善する手法だ。メタプロンプトでは、特定のタスク向けに最適なプロンプトを作成したり、既存のプロンプトを最適化したりするようLLMに依頼する。
例えば、以下のような具合だ。
文章を書くスキルを伸ばすための練習問題を作成してほしいです。どのように質問すればよいですか。
メタプロンプティングでは、LLMがプロンプトを生成するため、人間が思い付かないような面白い視点からの質問を見つけることができる。さらに、プロンプトの作成過程を自動化できるので、作業時間を短縮できる。
TechTarget発 世界のインサイト＆ベストプラクティス
米国TechTargetの豊富な記事の中から、さまざまな業種や職種に関する動向やビジネスノウハウなどを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 世界のインサイト＆ベストプラクティス
米国TechTargetの豊富な記事の中から、さまざまな業種や職種に関する動向やビジネスノウハウなどを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
4
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
5
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
7
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
8
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
9
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
10
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー