ガイドNEW
AI用語辞典プロンプト技法
視覚的思考連鎖 (Visual CoT)
読み: しかくてきしこうれんさ
最終更新: 2026-08-15・AI PICKS編集部
定義
視覚的思考連鎖(Visual CoT)とは、画像入力を含むタスクでモデルが注目領域や図解を推論の途中経過として明示しながら段階的に答えを導くプロンプト技法のこと。
視覚的思考連鎖 (Visual CoT)とは — 詳しく解説
視覚的思考連鎖(Visual CoT)は、テキストのみで完結する通常のChain-of-Thoughtを画像・図表・動画などの視覚情報にも拡張した推論手法とされる。モデルは最終回答を出す前に、画像内の注目領域を特定したり中間的な図解・座標情報を生成したりしながら段階を追って結論に至る。マルチモーダルLLMの精度向上や説明可能性の担保に有効とされ、画像診断・UI操作エージェント・図表読解などの用途で採用が広がっているとされる。2026年時点の実運用では、視覚ステップを挟むことで応答時間とトークン消費、ひいてはAPIコストが単純なプロンプトより増える点が現場での主な落とし穴になる。特に高解像度画像や複数枚の図を扱うタスクでは視覚トークン分だけ相場感より高いコストになりやすく、必要な箇所だけに視覚ステップを絞る設計が現場で重視される。また中間の視覚的推論が実際の画像内容と食い違う場合があり、出力を別途検証する工程を設ける運用が広く採用されているとされる。
視覚的思考連鎖 (Visual CoT)の使用例
- 医療画像診断AIに『病変部位を囲みながら段階的に所見を述べて』と指示し、視覚的な中間ステップを明示させる。
- UI操作エージェントに画面キャプチャ内の要素を1つずつ注視させ、クリック位置の根拠を視覚的に説明させる。
視覚的思考連鎖 (Visual CoT)に関連するAIツール
視覚的思考連鎖 (Visual CoT)の関連記事
関連用語
「プロンプト技法」の他の用語
プロンプト
AI への指示文。 役割 + タスク + 制約 + 文脈 の 4 要素を明示するのが基本。
プロンプトエンジニアリング
AI への指示文を 設計する技術。 役割・タスク・制約・文脈 の 4 要素 + Few-shot などのテクニック。
Few-shot プロンプト
AI に「お手本の例」を 3-5 件見せてから タスクを依頼する手法。 出力フォーマットが安定する。
Chain of Thought (思考の連鎖)
AI に「ステップごとに考えてください」と促し、 複雑な推論精度を上げる手法。
Zero-shot プロンプト
例示なしで AI にタスクを依頼する方法。 最新モデルは Zero-shot 精度が大幅に向上した。
システムプロンプト
システムプロンプトとは、AIアシスタントの応答スタイル・役割・制約をあらかじめ設定する隠し命令文のこと。ユーザーの入力より先に処理され、会話全体のトーンと動作範囲を規定する。
用語がわかったら、次はツール選び
12カテゴリ・1518語以上を体系的に整理しています