AIにおけるTemperature（温度）とは、モデルが次のトークン、単語、ピクセルを選ぶ際に用いる確率分布の形状を変えることで、出力のランダム性を制御するハイパーパラメータです。これは主に大規模言語モデル（LLM）やその他の生成モデルの文脈で議論され、予測可能性と創造性の間のダイヤルの役割を果たします。値を下げると、モデルは毎回最も確率の高い選択肢を選ぶ傾向があります。値を上げると、確率が低い選択肢にも果敢に挑戦するようになります。
Temperatureの仕組み
各トークンを生成する前に、モデルは語彙内のすべての候補に対してロジットと呼ばれる生のスコアを計算します。これらのロジットはsoftmax関数によって確率に変換され、ここでTemperatureが作用します。softmaxを適用する前に、各ロジットをTemperatureの値Tで割ります。
T = 1の場合、分布は変化しません。T < 1の場合、確率はばらつき、既により確率の高いトークンはさらに確率が高くなるため、サンプリングはモデルの「最良の推測」に近い状態を保ちます。T > 1の場合、分布は平坦化され、確率が低いトークンの割合が増えるため、出力はより多様になります。例えば、モデルが次の単語として「the」を60%の確信度、「a」を20%の確信度で考えている場合、Temperature 0.2ではほぼ毎回「the」が出力されますが、Temperature 1.2では約5回に1回の割合で「a」が出力されます。
Temperatureが重要である理由
Temperatureは、再学習なしにモデルの挙動を形づくる最もシンプルかつ強力なレバーのひとつです。低温は、コード生成や事実ベースの質問応答、構造化データ抽出など精度が求められ、ハルシネーションがコストになるタスクで好まれます。高温は、ブレインストーミングやストーリーテリング、対話など、正確さよりも新規性や多様性が重視される場面で有用です。
また、プロンプトエンジニアリングの重要な要素でもあります。OpenAI、Anthropic、Googleが提供するものを含むほとんどのLLM APIでは、top-p（nucleus sampling）やtop-kといった関連設定とともに、Temperatureを調整可能なパラメータとして公開しています。ユーザー体験に直接影響を与えるため、モデルをデモから本番環境に移行する際に開発者が最初に調整する設定のひとつです。
主要なTemperatureの範囲と使いどころ
- 0.0 — グリーディデコーディング。モデルは常に最も確率の高いトークンを選びます。決定論的で、再現可能なコードや数学に適しています。
- 0.0〜0.3 — 低めで集中力が高い。翻訳、要約、分類、事実ベースの応答に適しています。
- 0.4〜0.7 — バランス型。一般的なチャットアシスタントのデフォルト値としてよく使われます。
- 0.7〜1.0 — やや多様。クリエイティブな文章、マーケティングコピー、アイデア発想に有用です。
- 1.0以上 — 非常にランダム。出力が支離滅裂になる可能性があり、研究や実験的なアート以外ではほとんど使われません。
Temperatureは決定的な指標ではなく、調整ノブとして捉えるのが最適です。top-pやtop-kサンプリングと組み合わせ、特定のタスク、モデル、対象ユーザーに応じて調整してください。同じ値でも用途によって感じ方が大きく異なることがあります。