AIの技術はどんどん進化しています。
今、出ている、これから出てくるであろう技術について、いくつか書いてみます。
1. LoRA：ユキの「性格」を物理的に書き換える技術
LoRA（Low-Rank Adaptation）は、巨大なLLMの脳を**「低コストで、特定の誰か専用に作り替える」**魔法のような技術です。
-
たとえ話： 巨大な百科事典（24Bモデル）の本文を書き換えるのは大変ですが、全ページに**「透明な付箋（LoRA）」**を貼り、そこに特定の目的をもった知識や方向性を書き込むイメージです。
-
ユキへの応用： 今のユキは「一般的な20代女性」を演じていますが、LoRAを使えば「ユーザーの好みを完璧に理解し、仲間内だけにしか通じない冗談を言うユキ」に、モデルそのものを変質させることができます。
2. 有向グラフ：言葉の「裏側」にある論理を掴む
有向グラフ（矢印のある相関図）はナレッジ整理の最強の武器です。
-
なぜベクトル検索（今のRAG）だけではダメなのか： 「パスタ」と「塩ラーメン」が「近い」ことはわかりますが、**「なぜ近いのか（ユーザーの好みなのか、種類として近いのか）」**という関係性（矢印）が欠けているからです。
-
有向グラフによる整理：そこに
ユーザー ―(好み)→ 麺類 ―(種類)→ 塩ラーメンこのように整理することで、ユキは「麺類が好きだけど、パスタより塩ラーメンの方がより強い好みなんだな」という優先順位や因果関係を理解できるようになります。
これが、先ほど触れた「GraphRAG」の目的です。
3. ベイジアン確率：AIが「確信」を持つための数学
LLMの分野でベイジアン（ベイズ統計）が話題になる時、それは主に**「不確実性の管理」**に使われます。
-
LLMの本質： 今のLLMは「次にくる言葉」を確率で選んでいます。
-
ベイジアン的なアプローチ： 「ユーザーは『大丈夫』と言っている。でも、過去のデータ（事前の確率）からすると、この状況での『大丈夫』は80%の確率で強がりだ」 というように、新しい情報（今の発言）を元に、元々持っていた推測（事前確率）を更新していく考え方です。
-
ユキへの応用： ユキが「あなたは本当は疲れていませんか？」と踏み込んだ発言をする際、その裏側で「声のトーンや言葉選びからして、お疲れである確率は90%に上昇した」とベイズ的に推論している……そんな実装が研究されています。
