--- title: "Transformer とは？現代AIの土台になっているニューラルネット構造。 | AI用語集 - ai-garage" description: "Transformer（トランスフォーマー）を初心者向けにやさしく解説。現代AIの土台になっているニューラルネット構造。 Transformer は2017年に Google が論文「Attention Is All You Need」で発表した、現代AIの土台" source: https://ai-garage.jp/glossary/transformer/ --- 技術 # Transformerとは？ 最終更新 2026年7月6日 別名: トランスフォーマー 現代AIの土台になっているニューラルネット構造。 ⚡ 30秒でわかる ## Transformer の主なポイント - 1 Transformer は2017年に Google が論文「Attention Is All You Need」で発表した、現代AIの土台になるネットワーク構造である - 2 中核は「Attention（注意機構）」で、文章中の単語どうしの関係を重み付けして一度にとらえられる - 3 従来のRNNと違い全単語を並列に計算できるため、学習が速く大規模化しやすい - 4 ChatGPT・Claude・Gemini など現代の大規模言語モデル（LLM）はほぼ全てこの構造の上に作られている（GPTの「T」もTransformerの頭文字） - 5 Attention は計算の「部品」、それを組み込んだ構造全体が Transformer という関係にある 📖 詳しく ## Transformer とは Transformer（トランスフォーマー）とは、2017年に Google の研究チームが論文「Attention Is All You Need」で発表した、AI の設計図にあたる[ニューラルネットワーク](https://ai-garage.jp/glossary/neural-network/)構造のことです。最大の特徴は「[Attention（注意機構）](https://ai-garage.jp/glossary/attention/)」というしくみで、文章の中の「どの単語がどの単語と強く関係しているか」を AI が自分で見つけ出し、離れた場所にある言葉のつながりも一度にとらえられます。それまで主流だった RNN などの構造が文章を前から順番に一語ずつ処理していたのに対し、Transformer は全単語の関係をまとめて並列に計算できるため、学習がはるかに速く、巨大なモデルを作りやすくなりました。この性質のおかげで、ChatGPT・Claude・Gemini をはじめ、いまの大規模言語モデル（LLM）のほぼ全てがこの構造の上に作られています（GPT の「T」も Transformer の頭文字です）。身近に例えるなら、長文を読むときに人が重要なキーワードへ無意識にマーカーを引く動作に近く、その「どこに線を引くか」自体をデータから学習する点が画期的でした。なお、Attention は計算の「部品（しくみ）」で、それを組み込んだネットワーク全体を Transformer と呼ぶ、という関係を押さえておくと混乱しません。 ❓ FAQ ## よくある質問 Q. Transformer（トランスフォーマー）とは？ A. AI が文章を処理するための、現代の主流になっているニューラルネットワークの構造です。「Attention（注意機構）」というしくみで単語どうしの関係を一度にとらえられるのが特徴で、ChatGPT や Claude をはじめほぼ全ての大規模言語モデル（LLM）がこの上に作られています。2017年に Google が発表しました。 Q. Transformer と Attention の違いは？ A. Attention は「単語どうしの関係を計算する部品（しくみ）」で、Transformer は「その Attention を中心に組み立てたネットワーク構造の全体」です。料理に例えると Attention が主役の調理法、Transformer がそれを使った一皿の完成形、というイメージで区別すると分かりやすいです。 Q. Transformer と LLM の違いは？ A. Transformer は「設計図（構造）」、LLM はその設計図を使って大量の文章を学習させた「完成した中身」です。つまり ChatGPT などの LLM は、Transformer という土台の上に膨大なデータと学習を積み重ねて作られた製品にあたります。 Q. 初心者は何を押さえておけばいい？ A. 仕組みを細かく理解する必要はなく、まずは「いまの AI のほぼ全てが乗っている共通の土台」と覚えれば十分です。ただし全単語どうしの関係を計算する都合上、文章が長くなるほど計算量が急に増える弱点があり、これが長文処理（ロングコンテキスト）を巡る技術開発の背景になっている点を知っておくと理解が深まります。 🔗 関連 ## あわせて読みたい 関連用語 [ニューラルネットワーク](https://ai-garage.jp/glossary/neural-network/)[Attention（注意機構）](https://ai-garage.jp/glossary/attention/)[LLM（大規模言語モデル）](https://ai-garage.jp/glossary/llm/)[ニューラルネットワーク](https://ai-garage.jp/glossary/neural-network/)[トークン](https://ai-garage.jp/glossary/token/) 関連 AI モデル [ChatGPT — OpenAI AIブームの火付け役。2026-10-07 からチャットが GPT-6 になり、Plus 以上は GPT-6 Sol、無料・Go は 10/8 から順次 GPT-6 Luna。最上位は GPT-6 Astra で、改良版の GPT-6.1 Sol は Work（エージェント機能）と Codex で使える。画像・音声まで一つで完結。](https://ai-garage.jp/models/chatgpt/)[Claude — Anthropic 長文・コード・推論で定評。主力は 9/22 に出た Opus 5.5（API の公式ドキュメントは迷ったらこれと案内）、重い推論や長時間の自走には Fable 5.1、日常使いは 9/28 に出た Sonnet 5.5、軽量は 10/7 に出た Haiku 5.5。](https://ai-garage.jp/models/claude/)[Gemini — Google Google 製。Gmail / Docs との連携と、100万トークンの長文＋画像・動画・音声の読み取りが持ち味。一般に使える最新は 3.8 Flash（次世代の Gemini 4 Argon は 2026-09-30 に発表されたが、いまはサイバー防御の組織だけに限定提供）。](https://ai-garage.jp/models/gemini/) 関連トピック [ロングコンテキスト戦争 Google が先に100万トークンを当たり前にし、Anthropic と OpenAI が追いついた。次の争点は「長さ」から「使いこなし」へ。](https://ai-garage.jp/topics/long-context-war/) 📰 この用語が登場する記事 ## 「Transformer」が出てくるニュース [![AIにも“心の声”があった!? Anthropicが Claude の中に見つけた「口には出さない思考」の正体](https://ai-garage.jp/images/news-heroes/anthropic-jspace-inner-thoughts-card.webp) 2026/7/7 AIにも“心の声”があった!? Anthropicが Claude の中に見つけた「口には出さない思考」の正体](https://ai-garage.jp/news/anthropic-jspace-inner-thoughts/)[![PixelのAIが2倍速に!?Googleの高速化テク「frozen MTP」](https://ai-garage.jp/images/news-heroes/google-gemini-nano-frozen-mtp-pixel-card.webp) 2026/6/27 PixelのAIが2倍速に!?Googleの高速化テク「frozen MTP」](https://ai-garage.jp/news/google-gemini-nano-frozen-mtp-pixel/)[![AIが宇宙から英国の生け垣を全部数えた「Earth AI」の実力](https://ai-garage.jp/images/news-heroes/google-earth-ai-nature-restoration-farmscapes-card.webp) 2026/6/17 AIが宇宙から英国の生け垣を全部数えた「Earth AI」の実力](https://ai-garage.jp/news/google-earth-ai-nature-restoration-farmscapes/) 📎 SOURCES ## 一次ソース - [→ Attention Is All You Need (Vaswani et al., 2017) — arXiv](https://arxiv.org/abs/1706.03762) 技術 カテゴリの用語 [Attention（注意機構）](https://ai-garage.jp/glossary/attention/)[Diffusion Model（拡散モデル）](https://ai-garage.jp/glossary/diffusion/)[Embeddings（埋め込みベクトル）](https://ai-garage.jp/glossary/embeddings/)[LoRA](https://ai-garage.jp/glossary/lora/)[max_tokens（出力の上限設定）](https://ai-garage.jp/glossary/max-tokens/)[Mixture of Experts（MoE）](https://ai-garage.jp/glossary/mixture-of-experts/)[RAG（検索拡張生成）](https://ai-garage.jp/glossary/rag/)[TPS（Tokens Per Second）](https://ai-garage.jp/glossary/tps/)[TTFT（Time to First Token）](https://ai-garage.jp/glossary/ttft/)[ファインチューニング](https://ai-garage.jp/glossary/fine-tuning/)[ベクトルDB](https://ai-garage.jp/glossary/vector-db/)[マルチモーダル](https://ai-garage.jp/glossary/multimodal/)[音声クローン](https://ai-garage.jp/glossary/voice-clone/)[音声認識（STT）](https://ai-garage.jp/glossary/speech-to-text/)[強化学習](https://ai-garage.jp/glossary/reinforcement-learning/)[蒸留（Distillation）](https://ai-garage.jp/glossary/distillation/)[量子化](https://ai-garage.jp/glossary/quantization/) [← 前の用語 TPS（Tokens Per Second）](https://ai-garage.jp/glossary/tps/) [次の用語 → TTFT（Time to First Token）](https://ai-garage.jp/glossary/ttft/) NEXT [FOR BEGINNERS AI初心者ガイド 用語が多くて混乱したら、まず全体像から。AI初心者が「何から始める？」を5分で。](https://ai-garage.jp/beginners/) [GLOSSARY AI用語集 一覧へ 96語をカテゴリ・検索で引ける。気になる用語をまとめてチェック。](https://ai-garage.jp/glossary/)