3D畳み込みニューラルネットワーク
3D畳み込みニューラルネットワーク（3D CNN）は、縦・横に「奥行き」や「時間」を加えた3次元データを直接処理できるディープラーニングのモデルです。動画のフレーム間のつながりや医療用3D画像の特徴を捉えることが可能で、コンピュータビジョンや医療画像解析の分野で重要な役割を果たしています。
ディープラーニングのAI用語一覧（10ページ目）
364件ディープラーニングに関するAI用語を364件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は10ページ目です。
損失スケーリング
損失スケーリングは、混合精度訓練（FP16）において小数の勾配がアンダーフローして消失するのを防ぐ技術です。損失値に一定のスケール因子を掛けて大きな値に変換してから逆伝播を行い、勾配計算後に元のスケールに戻すことで、数値精度を保ちつつメモリ消費を抑え、計算を高速化します。
リカレントニューラルネットワーク（RNN）
リカレントニューラルネットワーク（RNN）は、時系列データや自然言語などの連続的な情報を処理することに特化したニューラルネットワークのアーキテクチャです。過去の情報を内部の隠れ状態として保持し続けることで、文脈を考慮した予測や生成を可能にします。
KLダイバージェンス
2つの確率分布がどれだけ異なっているかを測定する尺度です。機械学習や統計学において広く使われ、予測分布と真の分布のズレを計算してモデルを最適化する際の損失関数として重宝されます。特に生成モデルの学習や確率分布の近似において、基準分布からのズレを定量化し、モデルのパラメータを調整するために不可欠な指標です。
人工特化型AI
人工特化型AI（ANI）とは、特定の作業やタスクに特化して設計・訓練されたAIのことです。チェス対戦、画像認識、音声アシスタントなど、現代の社会やビジネスで実用化されているAIはすべてこの人工特化型AIに分類されます。
FP16
FP16（半精度浮動小数点数）は、コンピュータで数値を表現するためのデータフォーマットの一つで、符号部1ビット、指数部5ビット、仮数部10ビットの計16ビット（2バイト）で実数を表現します。ディープラーニングのトレーニングや推論において、メモリ帯域幅の節約や計算速度の高速化、モデル軽量化のために広く採用されているデータ型です。
大規模言語模型
大規模言語模型（LLM）とは、膨大なテキストデータとディープラーニング技術を用いて構築された、高度な自然言語処理能力を持つ人工知能モデルです。人間の書くような自然な文章の生成、要約、翻訳、プログラミングコードの作成など、多様なタスクを高い精度で実行でき、現代の生成AIの中核技術となっています。
微調整（ファインチューニング）
微調整（ファインチューニング）とは、事前学習済みの基盤モデルに対して、特定のタスクやドメインに適した少量のデータセットを用いて追加学習を行い、パラメーターを最適化する手法です。これにより、一からモデルを構築するよりも大幅に少ない計算資源と時間で、高い精度とカスタマイズ性を備えた専用モデルを構築できます。
知識蒸留
知識蒸留とは、大規模で高性能なAIモデル（教師モデル）が持つ知識を、より小さく軽量なモデル（生徒モデル）へ継承させる機械学習の技術です。モデルの予測精度を極力維持したまま計算コストやメモリ使用量を大幅に削減できるため、スマートフォンやエッジデバイスなどのリソースが限られた環境へのAI実装で重要な役割を果たします。
ワードエンベディング
ワードエンベディングとは、人間の言葉である単語をコンピュータが理解できる数値の並びであるベクトルへ変換する技術です。単語の意味的な近さを空間上の距離として表現できるため、自然言語処理の性能を大きく向上させました。
特化型人工知能
特化型人工知能とは、チェスや画像認識、音声翻訳など、特定の限定された領域やタスクの処理に特化した人工知能のことです。汎用型人工知能とは異なり、人間のようにあらゆる作業を自ら考えてこなすことはできませんが、現代のビジネスや日常生活で広く実用化されています。
モデルパラメータ
モデルパラメータとは、機械学習モデルの内部に保持され、トレーニング（学習）の過程でデータから自動的に最適化される数値のことです。ニューラルネットワークにおける「重み」や「バイアス」がこれに該当します。このパラメータが入力データを処理する際の係数として機能し、その数が多いほど複雑な表現が可能になりますが、過学習や計算コストの増大といった課題も生じます。
ハイパーパラメタ
ハイパーパラメタとは、機械学習やディープラーニングにおいてモデルの学習を開始する前に人間が手動で設定する構成設定値です。学習率やバッチサイズなどが該当し、モデルがデータから自動的に調整するモデルパラメータとは明確に区別されます。ハイパーパラメタの適切な調整は、モデルの予測精度や学習速度を左右する非常に重要な工程です。
マルチクエリ・アテンション
マルチクエリ・アテンションは、大規模言語モデルの推論高速化とメモリ削減を実現する注意機構の改良手法です。複数のクエリヘッド間でキーとバリューを共有することで、メモリ帯域幅のボトルネックを緩和します。
フーリエニューラルオペレーター
Fourier Neural Operator（FNO）は、関数空間同士の写像を学習するニューラルオペレーターの一種です。高速フーリエ変換を組み込むことで、偏微分方程式などの物理シミュレーションを従来の数値解析より数万倍高速に解くことができます。学習時と異なる解像度でも追加訓練なしで精度を維持できる「解像度不変性」という高い柔軟性が最大の特徴です。
ナビエストークス方程式
ナビエストークス方程式は、水や空気などの流体の運動を記述する基礎的な偏微分方程式です。近年のAI分野、特に「AI for Science」においては、この方程式の解を高速に近似するために「ディープラーニング」が活用されています。従来の方法に比べて計算コストを大幅に削減し、高精度なシミュレーションを可能にする研究が進められています。
Vision Transformer
Vision Transformerは自然言語処理で主流のTransformer構造を画像認識に応用したディープラーニングモデルです。従来のCNNに依存せず、画像全体をパッチに分割して大域的な関係性を学習することで高い性能を発揮します。
AI画像診断
AI画像診断とは、CTやMRIなどの医療画像からディープラーニングを用いて病変の疑いを検出し、医師の診断を支援する技術です。膨大な学習データを解析することで微細な異常の発見や見落とし防止に貢献します。確定診断は医師が行う前提であり、読影作業の効率化と精度向上を目的とした医療支援システムとして普及が進んでいます。
心電図
心電図（ECG）は、心臓の拍動に伴う電気的な活動を波形として記録した生体信号データです。AI分野では代表的な時系列データとして扱われ、ディープラーニングなどの機械学習技術を用いて不整脈の自動検出や心疾患の早期予兆検知、ウェアラブル端末での常時モニタリングなどに広く活用されています。
領域提案ネットワーク
領域提案ネットワーク（RPN）は、画像中の物体が存在しそうな領域候補を効率的に検出する畳み込みニューラルネットワークです。従来の手法と異なり、特徴マップ共有により物体検出の高速化を実現し、Faster R-CNNの中核技術として利用されています。自動運転や防犯カメラなど高精度かつ高速な画像認識を支える重要技術です。
DGX
DGXは、NVIDIAが開発・提供するディープラーニングやAIの研究・開発に特化した超高性能なスーパーコンピュータ・システムです。最新のGPUや高速なインターコネクトを備え、大規模言語モデルなどの学習を効率的に行える点が特徴です。
シナプス
シナプスとは、脳内の神経細胞同士をつなぐ接合部のことであり、人工知能の分野においては人工ニューラルネットワークにおける結合重みの概念的なモデルの基礎となった重要な生体構造です。
医療AI
医療AIとは、画像診断や問診、創薬などの医療分野において人工知能技術を活用し、医師の診断支援や業務効率化を図る仕組みの総称です。膨大な医療データをディープラーニングで解析することで、高精度な予測や判断をサポートします。
EfficientNet
EfficientNet（エフィシェントネット）は、Googleの研究者によって提案された、高い画像認識精度と優れた計算効率を両立する畳み込みニューラルネットワーク（CNN）のアーキテクチャです。モデルの深さ、幅、入力画像の解像度の3つの要素をバランスよく同時にスケールアップする「複合スケーリング」という新しい手法を導入した点が最大の特徴です。