メインコンテンツへスキップ
見出し画像

4-3 AIは「昨日」を知らない ― 知識カットオフと上手に付き合う方法

    はじめに:AIは「最新情報」を知らない

    DeepSeekに限らず、大規模言語モデル(LLM)には知識カットオフ(Knowledge Cutoff) と呼ばれる制約があります。これは「モデルが学習に使ったデータが存在する時点」のことです。

    たとえば、2024年後半に学習が完了したモデルは、それ以降に起きた出来事を知りません。新製品のリリース、法改正、為替レート、スポーツの結果。こうした「昨日の情報」を尋ねても、正確な答えは返ってきません。

    この章では、DeepSeekの知識カットオフを正しく理解し、「知らないこと」にどう向き合うかを考えます。


    1. 知識カットオフとは何か

    1-1. 構造的な限界

    LLMは「学習時点のデータを圧縮したもの」です。つまり:

    • 過去の知識:豊富にある(ただし偏りや欠落もある)

    • カットオフ以降:基本的に存在しない

    • リアルタイム情報:ブラウザ版で検索機能を使わない限り取得不可

    これは「性能の問題」ではなく、アーキテクチャ上の性質です。

    1-2. DeepSeekの場合

    DeepSeekのモデルにも当然カットオフがあります。バージョンによって時期は異なりますが、「最新情報を聞けば答えてくれる」という期待は捨てるのが出発点です。


    2. 「知らない」と言えない問題

    ここが厄介な点です。LLMは、知らないことでももっともらしく答えてしまうことがあります。これが幻覚(ハルシネーション) です。

    典型的なパターン

    質問の型起きやすい問題「2025年の〇〇は?」古い情報を最新かのように答える「〇〇社の最新製品は?」存在しない製品名を生成する「先週の〇〇の結果は?」捏造した結果を返す「〇〇法の改正内容は?」古い条文を混ぜて説明する

    DeepSeekは推論モデルとして比較的慎重な出力をしますが、カットオフ以降の情報については沈黙するか、不確かな推測を述べるという傾向を理解しておく必要があります。


    3. 「知らないこと」を扱う3つの原則

    原則1:カットオフを先に確認する

    対話の冒頭で、こう尋ねておくのが有効です。

    「あなたの知識カットオフはいつですか?」

    これで、どこまでの情報が信頼できるかの基準線が引けます。

    原則2:時事・最新情報は「検索前提」で使う

    ブラウザ版の検索機能や、外部ツールと組み合わせる前提で設計します。

    • AIに聞く:背景・構造・考え方・過去の文脈

    • 検索で調べる:日付・数値・最新の出来事

    • 一次情報で確認:公式発表・原典

    この役割分担が、幻覚を避ける最も実践的な方法です。

    原則3:「知らない」を引き出す問い方をする

    AIは放っておくと答えようとします。そこで、答えにくい質問の形を使います。

    「もしこの情報があなたの学習データに含まれていない場合、『含まれていない』と明示してください。」

    「確信度を3段階(高・中・低)で示してください。」

    「根拠となる情報源の種類(学習データ/推測/不明)を添えてください。」

    これにより、AI自身に不確実性を表明させることができます。


    4. 実践:カットオフを意識した対話例

    悪い例

    ユーザー:2025年のAI規制の動向を教えて
    AI:2025年にはEU AI Actが完全施行され、日本でも……

    → カットオフ以前の情報を「2025年」として語っている可能性大。

    良い例

    ユーザー:あなたの知識カットオフを教えてください
    AI:私の学習データは2024年〇月頃までです
    ユーザー:では、それ以降のAI規制については「不明」として、
         カットオフ以前の傾向だけを整理してください
    AI:(過去の傾向を整理し、最新動向は不明と明示)

    → 基準線を共有した上で対話している。


    5. 「知らない」を価値に変える

    カットオフは欠点だけではありません。「どこまでが確かな情報か」を意識する習慣は、AIを思考の足場として使う上で必須のリテラシーです。

    • カットオフを確認する → 情報の鮮度を意識する

    • 知らないことを明示させる → 幻覚を見抜く目が育つ

    • 検索・一次情報と組み合わせる → AIの役割を正しく設計できる

    これは第7章「出力を疑う」、第11章「一次情報への遡り方」へとつながる、この連載の核心的なスキルです。


    まとめ

    知識カットオフは、AIの「性能不足」ではなく、モデルの構造そのものに由来する限界です。だからこそ、対話の冒頭で「あなたの知識カットオフはいつですか」と確認し、どこまでの情報が信頼できるかの基準線を先に引いておくことが欠かせません。最新情報を扱うのはAIの得意分野ではないと認めたうえで、検索や一次情報と役割を分担させる。この切り分けが、幻覚を避ける最も実践的な道筋になります。

    また、AIは放っておけば「知らないこと」でも答えてしまう存在です。そこで、確信度を問う、情報源の種類を添えさせる、「学習データに含まれていなければ明示してほしい」と伝える。こうした問い方を通じて、AI自身に不確実性を表明させる必要があります。これは単なるテクニックではなく、出力を鵜呑みにしない習慣そのものです。

    つまり知識カットオフは、AIリテラシーの入口です。カットオフを意識することは、情報の鮮度を意識することであり、幻覚を見抜く目を育てることでもあります。そして、「AIが知らないこと」を正しく扱える人だけが、AIを安全に使いこなせるのです。

    次章 4-4「DeepSeekが特に苦手とする質問の型」では、さらに踏み込み、どのような問いが誤答を招きやすいかを具体的に見ていきます。


    ▼ この連載の元になった書籍
    『DeepSeek 対話の設計 ― ブラウザで試す、考える、深める』

    あなたへのおすすめ