Stable Diffusion
Stable Diffusionは、テキストの指示から高品質な画像を生成できるオープンソースの深層学習モデルです。潜在拡散モデルを採用しており、消費者向けの一般的なパソコンでも実行できる手軽さから、クリエイティブ分野や研究開発で広く活用されています。
AI用語一覧（13ページ目）
3,525件AI用語一覧を3,525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。 現在は13ページ目です。
カーネル関数
カーネル関数は、非線形なデータを高次元空間へマッピングすることで、線形分類を可能にする機械学習の重要な数学的手法です。データ間の類似度を効率的に計算できるカーネル法において中心的な役割を果たし、サポートベクターマシンなどで広く活用されています。
プーリング
プーリングとは、畳み込みニューラルネットワークなどの画像認識モデルにおいて、特徴マップのサイズを縮小して計算量を削減し、位置のずれに対する頑健性を高める処理です。最大値を選択する最大プーリングや平均値を算出する平均プーリングがあり、要点を保持しながらデータ量を圧縮するために用いられます。
3D物体検出
3D物体検出は、カメラやLiDARなどのセンサーデータから三次元空間における物体の位置や大きさ、姿勢を高精度に特定するコンピュータビジョンの技術です。自動運転車やロボットの周囲環境認識において中核的な役割を果たしています。
サプライチェーン
サプライチェーンとは、製品やサービスが原材料の調達から製造、流通を経て消費者に届くための一連の流れを指します。AI分野においては、データ収集やアノテーション、AIモデルの学習、システムのデプロイに至る一連の供給網を「AIサプライチェーン」と呼びます。構成要素の健全性を確保し、セキュリティリスクを防ぐ管理が重要視されています。
因果関係
因果関係とは、ある事象（原因）が別の事象（結果）を直接的に引き起こす結びつきのことです。AIやデータ分析において、単なるデータの関連性を示す相関関係と、真の要因を示す因果関係を区別することは極めて重要です。近年では、データから因果関係を科学的に導き出す因果推論の技術が機械学習と組み合わさり、意思決定や予測モデルの信頼性向上に活用されています。
プライバシー
AI開発や利用において、個人の個人情報や機密データを保護するための概念と技術です。機械学習モデルの学習データに個人情報が混入することや、生成AIが機密情報を漏洩するリスクを防ぐために、厳格なデータ管理とプライバシー保護技術が求められています。
オープンソース
オープンソースとは、ソフトウェアの設計図にあたるソースコードが一般に公開され、誰もが自由に使用、修正、再配布できる公開形態や思想を指します。AI分野でも、モデルの重みや学習コードを公開するオープンソースLLMが注目を集めており、透明性の向上や開発の高速化、コスト削減といった面で、AI技術の民主化と急速な進化を支えています。
AIモデル
AIモデルとは、AIがデータからパターンや規則性を学習し、推論や予測を行うための数学的な仕組みです。膨大なデータを元に構築され、画像認識や自然言語処理などの多彩なタスクの基盤となります。
検証データ
検証データとは、機械学習モデルの訓練中にモデルの性能を評価し、ハイパーパラメータの調整や過学習の検知を行うために使用されるデータセットです。訓練データとは独立して用意され、モデルの直接的な学習には使われません。最適なモデル構造や設定を選び出し、未知のデータに対する予測精度を高める重要な役割を担います。
オーケストレーション
オーケストレーションとは、複数のAIモデルや外部ツール、データ処理システムなどを連携させ、一連の複雑なタスクを自動的かつ効率的に統合制御する技術や仕組みのことです。生成AIやマルチエージェントシステムにおいて、個別の要素技術を組み合わせて高度な処理を実現するために不可欠な役割を果たします。
行動
行動とは、強化学習においてエージェントが環境に対して行う働きかけや意思決定の要素です。エージェントは現在の状態を観察し、将来の報酬を最大化するように行動を選択します。行動の選択基準は方策と呼ばれ、ゲームの操作や自動運転の制御など、AIが現実世界やシミュレータ内で実行するあらゆる具体的な操作がこれに該当します。
逆行列
逆行列とは、ある行列にかけることで単位行列を作り出す特別な行列のことです。機械学習や深層学習において、連立一次方程式を解く際や、線形回帰のパラメータを解析的に算出する計算プロセスなどで広く活用されています。
データサイエンス
データサイエンスとは、データの収集、処理、分析を通じて、価値ある洞察（インサイト）やビジネス上の意思決定に役立つ知見を導き出す学際的な分野です。統計学、数学、コンピュータサイエンス、そしてビジネスの専門知識を融合させ、膨大なビッグデータから予測モデルの構築やパターン発見を行い、社会や企業の課題解決に貢献します。
マルウェア
マルウェア（悪意のあるソフトウェア）とは、コンピュータやネットワーク、利用者に不利益をもたらすために意図的に設計された悪質なプログラムの総称です。ウイルス、ワーム、トロイの木馬、ランサムウェアなど多岐にわたる種類が存在し、近年ではAI技術を悪用した高度なマルウェアの開発や、逆にAIを用いた高精度な検知システムの構築などが進んでいます。
重みパラメータ
重みパラメータとは、ニューラルネットワークにおいて入力データが結果にどれほど影響を与えるかを決定する数値のことです。AIの学習プロセスでは、この値を調整することで予測精度を向上させます。
AI倫理
AI倫理とは、人工知能の研究・開発・利用において、人類の福祉や人権を損なわないよう守るべき道徳的・倫理的な指針や原則のことです。AIがもたらすプライバシー侵害やバイアスによる不当な差別、意思決定の透明性の欠如といった社会的課題に対処し、安全で公平なテクノロジー社会を実現するためのガイドラインとして重要視されています。
データドリフト
データドリフトとは、機械学習モデルの訓練時に使用したデータと、本番環境で実際に入力されるデータの分布が時間の経過とともに変化する現象です。モデルの予測精度低下を招く主要因であり、適切なモデル監視と再学習の判断基準として重要視されています。
環境モデル
環境モデルとは、強化学習においてエージェントが次状態や報酬を予測するために用いる内部モデルです。現実世界のダイナミクスを模倣することで、試行錯誤の効率を飛躍的に高める仕組みとして、自動運転やロボット制御などの分野で広く活用されています。
透明性
AIの透明性とは、モデルの予測根拠や内部の仕組みが人間にとって理解しやすく開示されている状態を指します。ブラックボックス問題への対策として、信頼性向上や説明責任の観点からAI開発において不可欠な要素となっています。
バッチ学習
バッチ学習とは、収集したデータセット全体を一度に一括して読み込み、モデルのパラメータ更新を行う機械学習の学習手法です。データ全体の傾向を網羅的に学習できるため処理が安定するメリットがありますが、新しいデータが追加された際にはモデル全体を最初から再学習する必要がある点が特徴です。
行列
行列とは、数やデータを縦と横の格子状に並べた数学的な構造です。AIや機械学習の分野では、膨大なデータを効率的に処理し、ニューラルネットワークの計算や重みの表現を行うための基本的な道具として欠かせない役割を果たしています。
テイクオーバーリクエスト
テイクオーバーリクエストとは、自動運転システムが自律走行を継続できなくなった際、ドライバーに対して手動運転への切り替えを要求する機能およびその通知のことです。安全な運行を維持するために不可欠なプロセスです。
出力層
出力層とは、ニューラルネットワークの構造において、最終的な結果や予測を出力する一番最後の層のことです。入力データから中間層を経て抽出された特徴をもとに、分類や回帰などのタスクに応じた最終的な数値を算出し、AIモデルの判断を外部へ伝えます。