説明可能なAI
XAIとは、AIの予測や判断の根拠を人間が理解できるように説明する技術やアプローチのことです。ブラックボックス化しやすいディープラーニングなどのモデルにおいて、透明性を高め、信頼性や公平性を確保するために重要視されています。
AI用語一覧（17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17ページ目です。
学習データ
学習データとは、機械学習モデルがパターンや規則性を学び、予測や推論の能力を獲得するために使用されるデータのことです。テキスト、画像、音声、数値など多様な形式が存在し、モデルの精度や安全性は学習データの品質と量に大きく依存します。AI開発における基盤となる重要な要素であり、適切な収集と前処理が不可欠です。
データリーケージ
データリーケージとは、機械学習モデルの訓練時に本来知り得ないテストデータや未来の情報が学習データに混入してしまう現象です。これにより訓練時の評価は高くなるものの、本番環境の未知のデータに対する予測性能が著しく低下します。モデル評価の信頼性を損なうため、適切なデータ前処理と厳格なデータ分割を行うことが極めて重要です。
深度センサ
深度センサとは、撮影対象物までの距離情報を取得し、三次元的な空間データを生成するためのデバイスです。自動運転やロボットの障害物検知、ARなどのコンピュータビジョン分野において、周囲の状況を立体的に把握するために欠かせない技術として広く活用されています。
Q学習
Q学習は、エージェントが環境との相互作用を通じて最適な行動方針を自律的に学ぶ強化学習アルゴリズムの一つです。報酬が最大化される状態と行動の組み合わせを数値化し、試行錯誤から学習を進める点が特徴です。
マルチモーダルAI
マルチモーダルAIとは、テキスト、画像、音声、動画などの異なる種類のデータを組み合わせて同時に処理し、総合的な理解や出力を行う人工知能システムのことです。人間が視覚や聴覚、言語などを統合して物事を認識するように、より高度で文脈に沿った判断を可能にします。
類似度
類似度とは、2つのデータや文章などがどれくらい似ているかを数値で表す指標です。AIや検索エンジンにおいて、意味の近さを判定するために広く活用されています。
特徴量エンジニアリング
特徴量エンジニアリングとは、機械学習モデルの予測精度を向上させるために、生のデータから適切な入力変数を作成・加工するプロセスです。ドメイン知識を活用してモデルがパターンを学習しやすくします。
季節性
季節性は、時系列データにおいて特定の周期や季節ごとに繰り返される規則的な変動パターンのことです。AIによる需要予測や売上予測において、このパターンを正確に把握してモデルに組み込むことが、予測精度を向上させる上で非常に重要となります。
移動平均
移動平均（MA）とは、時系列データにおいて一定期間ごとの平均値を順次ずらしながら算出する統計手法です。データの不規則な変動（ノイズ）を取り除き、全体的な傾向（トレンド）を滑らかに捉えるために用いられます。AIや機械学習の分野では、時系列予測モデルの特徴量生成や、ニューラルネットワークの学習時に用いられる最適化アルゴリズム、重みの平滑化などで広く活用されています。
獲得関数
獲得関数とは、ベイズ最適化において次にどの点を探索すべきかを決定するための基準となる関数です。未知の目的関数の予測平均と不確実性を考慮し、効率的な探索と活用のバランスをとりながら最適なパラメータを見つけ出すために用いられます。
通信オーバーヘッド
通信オーバーヘッドとは、複数の計算機やプロセッサ間でデータをやり取りする際に生じる、本来の計算処理以外の通信処理時間や負荷のことです。AIの分散学習などにおいて、大規模なモデルパラメータや勾配データを相互に転送・同期する際に発生し、計算リソースの利用効率を低下させる要因となります。
蒸留
蒸留（知識蒸留）とは、巨大な高性能なニューラルネットワーク（教師モデル）が持つ知識を、より軽量でコンパクトなモデル（生徒モデル）に効率よく引き継がせる技術です。精度を極力落とさずに処理速度を向上させられるため、AIの実用化において広く活用されています。
ボイスクローニング
ボイスクローニングとは、AI技術を用いて特定の人物の音声を学習し、その人そっくりの声色や話し方を再現する技術です。数秒から数分程度の音声サンプルがあれば高精度な合成音声を作り出せるため、エンタメやアクセシビリティ分野で活用が期待されています。
対立仮説
対立仮説とは、統計的仮説検定において、帰無仮説を否定したときに採択される、示したい効果や差が存在するという仮説です。AIモデルの性能評価やA/Bテストの検証において、新しい手法の優位性を証明する際によく使用されます。
通信ボトルネック
通信ボトルネックとは、AIモデルの大規模化に伴い、複数のGPUやサーバー間でのデータ転送速度が計算処理の速度に追いつかず、システム全体の性能が低下する現象です。LLMの学習や推論の効率化において深刻な課題となっています。
オートエンコーダ
オートエンコーダは、入力データを一度次元削減して圧縮し、再び元のデータに復元するプロセスを学習する教師なし学習のニューラルネットワークです。データの持つ本質的な特徴抽出や異常検知、ノイズ除去に広く活用されています。
ロジスティック回帰
ロジスティック回帰とは、データが特定のクラスに属する確率を予測するための代表的な機械学習アルゴリズムです。名前は回帰ですが、実際にはスパムメールの判定や病気の有無といった「分類問題」を解決するために広く使われる基本手法です。
信頼水準
信頼水準とは、統計的推定において得られた区間が真のパラメータを含む確率の信頼性を表す指標です。AIモデルの性能評価や不確実性の見積もりにおいて、予測結果の信頼性を担保するために用いられます。
ベクトル演算
ベクトル演算とは、複数の数値を並べたデータであるベクトル同士を足し合わせたり掛け合わせたりする数学の処理です。AIや機械学習においては、単語や画像などの多様なデータを数値化して類似度を計算する際の基礎技術として広く活用されています。
最小二乗法
最小二乗法は、データから得られた点群に対して誤差の二乗和が最小となるような数式モデルを求める数学的な手法です。AIや機械学習において、データの傾向を分析する回帰分析の基礎として広く活用されています。
コールドスタート問題
コールドスタート問題とは、システムや推薦システムに十分なデータが存在しない初期段階において、正確な予測やレコメンドを行えない現象のことです。新規ユーザーや新商品の登録時などに発生し、機械学習の精度低下を招く主要な課題となっています。
特徴マップ
特徴マップとは、畳み込みニューラルネットワーク（CNN）の層において、入力データから抽出された特徴の空間的な分布や強度を示す2次元の配列データです。画像認識やパターン検出などにおいて、AIがどこに着目しているかを可視化する際にも重要な役割を果たします。
マックスプーリング
マックスプーリングは、畳み込みニューラルネットワーク（CNN）において、画像などの特徴マップの空間サイズを縮小するためのダウンサンプリング手法です。領域内の最大値を選択することで、重要な特徴を保持しつつ計算量を削減します。