AI for Science の歩き方 #3 ― ステップ 1: 基盤モデルとプロンプトエンジニアリング
Zenn / 2026/4/4
💬 オピニオンTools & Practical UsageModels & Research
要点
- 記事はAI for Scienceの実践手順として「ステップ1：基盤モデルとプロンプトエンジニアリング」を取り上げ、まず適切な基盤モデルを選ぶことが出発点だと説明している。
- プロンプトを工夫して目的（例：研究設計、仮説生成、解析手順の提示など）に合わせて引き出す考え方を示し、単なる質問ではなく指示設計の重要性を強調している。
- 基盤モデルの性能や得意分野を前提に、科学タスクに必要な入力・制約条件をプロンプトへ反映させる実務的アプローチが提示されている。
- ステップ1を踏むことで、以降の科学ワークフローにAIを組み込むための土台（モデル選定とプロンプト設計）が整うことを目的としている。
!
本記事は「AI for Science の歩き方」シリーズの第 3 回です。初めての方は 第 1 回 からどうぞ。
この記事のゴール: AI への「上手な聞き方」の基本手法を身につけ、研究タスクに応じた手法を選べるようになる。
この記事では、第 2 回のロードマップの ステップ 1 として、AI の土台となる基盤モデルの選び方と、「聞き方の工夫」（プロンプトエンジニアリング）の具体的な手法を紹介します。「この論文の手法の弱点を 3 つ挙げて」と聞くだけで、自分では気づかなかった視点が返ってきます。聞き方を少し工夫するだけで、AI は優秀な研究パートナーになります。
基盤モデル ...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
