Chain-of-Thought(連鎖推論)

ざっくり言うと

「ステップバイステップで考えて(let's think step by step)」というプロンプトが、CoT の代名詞として有名です。ただし、最近のAIでは内部の思考そのものをすべて見せるのではなく、人間向けの要約・根拠・手順として説明する形になることも多いです。

イメージ

正確には

Chain-of-Thought Prompting は、Google Research の Wei らが 2022年の論文「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models」(arXiv:2201.11903) で提案した手法です。論文では、算数の文章題・常識推論・記号操作などの複雑なタスクで、モデルに途中の推論ステップを出力させると正解率が大きく改善することが報告されています。

Google Research の公式ブログでも、「中間推論ステップを生成させることで、大規模言語モデルの推論能力を引き出せる」と紹介されています。CoT は単なるテクニックではなく、モデルが大きくなるほど効果が現れやすい(創発的な)性質として位置づけられています。

CoT の典型的な書き方

CoT を効かせる代表的なやり方は、ざっくり2種類あります。

種類	やり方	例
Zero-shot CoT	例題は見せず、合言葉を1行足すだけ	プロンプト末尾に「ステップバイステップで考えてください」を追加
Few-shot CoT	「途中式つきの解答例」を 1〜数件見せてから本題を出す	例題で「まず A を計算 → 次に B → 最後に答え」と書いて見本にする

推論型モデルとの関係

最近よく聞く「推論モデル(reasoning model)」 ── たとえば OpenAI の o シリーズなど ── は、ざっくり言うと「回答前に内部で長めの推論を行うよう訓練されたモデル」です。

OpenAI の公式ブログ「Learning to reason with LLMs」では、新しい推論モデルが回答前に長い内部的な思考の連鎖(chain of thought)を生み出すように訓練されている、と説明されています。Anthropic の Claude にも Extended thinking(拡張思考) という機能があり、こちらも回答前に推論ステップを使う仕組みです。

注意点

やってみよう

今日やること

普段のチャットで AI がちょっと考え違いをしていると感じたら、次の一言を末尾に足して再生成してみてください。

「この問題を、ステップバイステップで考えてから最後に結論を出してください。」
「まず前提を整理 → 次に選択肢を比較 → 最後に結論、の順で書いてください。」

これだけで、答えが急に丁寧になることがあります。特に効くシーンは次のような場面です。

文章題・条件が複数ある計算
「A と B のどっちがいい?」のような比較・意思決定
複数ステップが必要な業務手順の整理

逆に、雑談や一言で済む質問では使わなくて大丈夫です。「途中式が欲しいとき専用のおまじない」と押さえておけば大丈夫です。

仕事で使うときは、次の3点だけでも見直すと安心です。

前提が、こちらの依頼文と合っているか
途中で、別の条件にすり替わっていないか
結論が、最初の質問にちゃんと答えているか

この確認は、CoT だけでなく推論型モデルの回答にもそのまま使えます。

関連用語として、プロンプト / Few-shot / Zero-shot Learning / Reasoning Model(推論モデル) も合わせて読むと、プロンプトまわりの全体像がつかめます。