大規模言語モデル
大規模言語モデル（LLM）とは、膨大なテキストデータを学習し、人間のような自然な文章の理解や生成を行うAIモデルです。自然言語処理技術やトランスフォーマー構造を基盤としており、文章要約、対話、翻訳、プログラミング支援など幅広い用途で活用されています。現代の生成AIブームを牽引する中核的な技術です。
AI用語一覧
327件AI用語一覧を327件掲載しています。気になるAI用語の意味や使い方を確認できます。
異常検知
異常検知とは、通常のパターンから外れたデータや振る舞いを自動的に検出するAIの技術です。製造業の不良品検査やサイバーセキュリティなど、多様な分野で活用されています。
エージェント
エージェント（AIエージェント）とは、与えられた目標を達成するために自ら状況を認識し、判断を行い、行動を実行する自律的なAIシステムのことです。従来のAIが単一の問い合わせに対して回答を出力するにとどまっていたのに対し、エージェントはLLM（大規模言語モデル）を活用して複雑なタスクを複数の工程に分解し、外部ツールと連携しながら一連の作業を自動完結させます。
物体検出
画像や動画の中から特定のオブジェクト（物体）の位置と種類を自動的に特定するAI技術。バウンディングボックスと呼ばれる矩形領域で位置を指定し、その中身が何であるかを分類する。自動運転や防犯カメラ、工場の検品など幅広い分野で活用されており、深層学習の発展によってリアルタイムでの高精度な検出が実現している。
ディープラーニング
ディープラーニング（深層学習）とは、人間の脳の神経回路網を模したニューラルネットワークを多層に重ねることで、大量のデータから自動的に複雑な特徴やパターンを学習する機械学習の手法です。画像認識や自然言語処理などの分野で飛躍的な精度向上をもたらし、近年の人工知能技術の急速な発展を支える中核的な技術となっています。
早期終了
早期終了（Early Stopping）とは、機械学習や深層学習モデルの訓練において、過学習を防ぐために学習を最適なタイミングで途中終了させる手法です。訓練が進むにつれて検証データにおける損失関数の値が悪化し始めた段階で学習を自動的に停止させます。過剰な計算時間を削減しつつ、未知のデータに対する汎化性能を最大化できる重要な正則化技術の一つです。
プロンプト
プロンプトとは、生成AIや大規模言語モデルに対して指示や質問、要求を伝えるためのテキストやデータのことです。ユーザーが適切なプロンプトを入力することで、AIは文章の要約や翻訳、プログラミングコードの生成、画像作成などの多様なタスクを精度高く実行します。指示の工夫によりAIの出力品質を高める手法はプロンプトエンジニアリングと呼ばれます。
過学習
過学習とは、AIモデルが訓練データに過剰に適合してしまい、新しい未知のデータに対する予測精度である汎化性能が低下する現象のことです。学習用データの特徴やノイズを過度に学習してルールを複雑化しすぎることで発生します。モデルが実用的な予測を行うための柔軟性を失った状態であり、機械学習における主要な課題の一つです。
損失関数
損失関数とは、AIの予測値と正解データのズレを数値化する数学的な関数のことです。この値が小さいほどAIの予測精度が高いと判断され、モデルのパラメータ調整や最適化を行うための基準として機械学習の学習プロセスにおいて不可欠な役割を果たします。
予測分析
予測分析とは、過去のデータと統計的手法や機械学習を組み合わせ、将来の出来事やトレンドを予測するデータ分析手法です。ビジネスや医療、製造など多様な分野で活用され、直感に頼らないデータ駆動型の意思決定やリスク管理、リソースの最適化に大きく貢献します。
マルチエージェント
マルチエージェントとは、自律性を持つ複数のAIエージェントが同一の環境内で相互に作用し、協力や競合を通じて複雑なタスクを解決するシステム概念です。単一システムでは困難な問題の分散処理や社会シミュレーションなどに活用されます。
生成AI
生成AIは、学習したデータをもとに文章、画像、音声、プログラムコードなどの新しいコンテンツを自動で創出する人工知能技術です。ディープラーニングの発展により精度が飛躍的に向上し、文章作成や画像生成など多種多様な分野で活用が進んでいます。従来のデータ分類・予測にとどまらない表現力を持ち、ビジネスやクリエイティブ活動の効率化に貢献しています。
報酬関数
報酬関数とは、強化学習においてAIのエージェントが取るべき行動の良し悪しを数値化して評価する関数のことです。エージェントはこの報酬関数が与える数値の総和を最大化するように試行錯誤を繰り返し、最適な方策を自律的に学習します。
汎用人工知能
汎用人工知能（AGI）とは、人間と同等以上の知能を持ち、自律的に学習・思考・判断を行うことができる仮説上の人工知能です。特定のタスクのみを処理する従来のAIとは異なり、未知の課題に対しても自ら解決策を見出せる柔軟性を持ちます。現在も研究開発が続けられており、実現時期や定義については議論が続いています。
次元削減
次元削減とは、データの重要な情報をできるだけ保持しながら、特徴量の数（次元）を減らすデータ前処理手法です。機械学習における計算負荷の軽減や過学習の防止、データの可視化を目的として用いられます。代表的な手法には主成分分析やt-SNEがあり、大量の変数を扱う現代のデータ分析において不可欠な技術です。
発音辞書
発音辞書とは、単語とその正しい読み方や音素の並びを対応付けたデータベースのことです。主に音声合成や音声認識といった音声AI分野で使用され、漢字の読み分けや専門用語、固有名詞の誤読を防ぐ役割を果たします。自然な発声を実現し、システムが正しくテキストを音声へ変換・理解するための不可欠な基盤技術です。
全結合層
全結合層は、ニューラルネットワークにおいて前の層のすべてのニューロンと次の層のすべてのニューロンが結合している基本構造です。データの最終的な分類や回帰を行う重要な役割を持ち、多くの深層学習モデルの出力段で広く使われています。
特徴量
特徴量とは、機械学習モデルがデータを理解・学習・予測するために、入力データから抽出・数値化された特徴や属性のことです。画像の色や形、テキストの単語出現頻度、顧客の年齢や購入履歴などが該当します。AIの予測精度向上には、適切な特徴量の選定や特徴量エンジニアリングが不可欠です。
シンギュラリティ
シンギュラリティとは、人工知能が人間の知性を超え、技術の進化が急激かつ不可逆的に加速する到達点のことです。技術的特異点とも呼ばれ、AIによる自己改善が繰り返されることで未来社会や人類のあり方に大きな転換をもたらすと議論されています。
セマンティックセグメンテーション
セマンティックセグメンテーションは、画像内のすべてのピクセルに対して意味的なクラスを分類するコンピュータビジョンの技術です。物体検出とは異なり、物体の輪郭をピクセル単位で正確に特定できるため、自動運転や医療画像解析などで広く活用されています。
画像処理
画像処理とは、デジタル画像をコンピュータで解析・加工し、情報の抽出や画質の改善を行う技術です。AIの発展に伴い、自動運転や医療診断などの分野で高度な認識や解析がリアルタイムで行われるようになっています。
プーリング層
プーリング層は、CNNなどの畳み込みニューラルネットワークにおいて、特徴マップの解像度を小さくしてデータ量を削減する層です。位置のわずかなズバに対する頑健性を高め、計算量を効率化する役割を持ちます。
外部ツール
外部ツールとは、人工知能やAIエージェントが自身の内部知識だけでは処理できない計算や最新情報の取得、データの操作などを行うために利用する外部のプログラムやAPIの総称です。
環境
AIの環境とは、機械学習モデルの訓練や推論を実行するために必要なハードウェア、ソフトウェア、ライブラリなどの組み合わせや設定全体を指します。開発環境や本番環境を適切に構築・管理することがAIシステムの安定稼働や再現性の確保において極めて重要です。