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。
AI用語一覧（18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18ページ目です。
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。
ミリ波レーダー
ミリ波レーダーとは、ミリ波帯の電波を用いて障害物の距離や方向を高精度に測定するセンサー技術です。自動運転や先進運転支援システムにおいて、悪天候に強い点から機械学習モデルと組み合わされ、AIの認識能力を補う重要なデバイスとして広く活用されています。
回帰
回帰とは、データ間の関係性を数式でモデル化し、連続的な数値を予測する機械学習や統計学の手法です。例えば過去のデータに基づいて将来の売上高や気温、株価などを連続値として予測する際に用いられます。正解データ（目的変数）が数値であるタスクに適しており、予測モデルの構築や要因分析において基礎的かつ極めて重要な役割を果たします。
推論API
推論APIとは、AIモデルの学習済みデータを用いて、入力データに対する予測や生成結果を外部のアプリケーションから呼び出し、リアルタイムで利用できるようにする仕組みです。自社で大規模な計算資源を持たずにAI機能を組み込めるため、開発コストと期間を大幅に削減できます。
パブリッククラウド
パブリッククラウドとは、インターネット経由で不特定多数の利用者に向け提供されるクラウドサービスです。自社でサーバーを所有せず柔軟に計算資源を利用できるため、AI開発や機械学習における大規模なデータ処理基盤として広く活用されています。
認識的不確実性
認識的不確実性とは、AIモデルの知識不足や学習データの不足によって生じる不確実性のことです。十分なデータを集めて追加学習を行うことで、この不確実性を減少させることが可能という特徴を持ちます。自動運転の安全性評価や、アクティブラーニングにおいて、モデルが『何を知らないか』を定量化し、信頼性の高い意思決定を行うために極めて重要な指標です。
貪欲法
貪欲法とは、問題解決の各ステップにおいてその場での最適な選択を繰り返すことで、全体としての最適解に近づけようとするアルゴリズム手法です。計算コストが低く、AIの探索や機械学習の様々な決定プロセスで広く応用されていますが、局所最適解に陥る弱点もあります。
方策
方策とは、強化学習においてエージェントが特定の状態に直面した際、次にどのような行動を選択すべきかを決定するルールのことです。環境から得られる累積の報酬を最大化するために、学習を通じて最適化されます。ある状態に対して決定的な行動を返すものや、行動の確率分布を返すものがあり、自動運転やゲームAIなどの意思決定プロセスにおいて中核的な役割を担っています。
バギング
バギングとは、機械学習におけるアンサンブル学習の手法の一つです。訓練データから復元抽出を行いながら複数のデータセットを作成し、それぞれにベースモデルを並列に学習させて予測結果を統合することで、モデルの安定性と精度を高めます。
量子ビット
量子ビット（Qubit）は、量子コンピュータにおける情報の最小単位です。従来の古典ビットとは異なり、0と1の重ね合わせ状態をとることができるため、超高速な並行計算が可能となり、次世代の機械学習や最適化問題の解決において重要な役割を期待されています。
データクレンジング
データクレンジングとは、データベースや収集したデータに含まれる誤り、重複、欠損、不整合などを修正・削除し、データの品質を向上させる一連の作業です。AIモデルの精度向上や正確な分析を行うための基盤として極めて重要なプロセスです。
近似近傍探索
近似近傍探索（ANN）は、高次元のデータ群から特定のクエリに類似したデータを極めて高速に検索する技術です。厳密な「完全近傍探索」とは異なり、わずかな精度低下を許容する代わりに計算量を劇的に削減します。大規模言語モデルと連携するベクトルデータベースの検索基盤や、大規模な推薦システムなどで不可欠な技術となっています。
標本
標本とは、調査や分析の対象となる全体（母集団）から、実際に測定・収集された一部のデータ集合のことです。AIやデータ分析では、膨大な母集団全体を処理する代わりに標本を用いて統計的推論を行い、モデルの学習や精度の評価に活用します。適切な標本の抽出は、予測の偏りを防ぎモデルの汎用性を保つために不可欠です。
エポック数
エポック数とは、機械学習やディープラーニングのモデル訓練において、訓練データ全体を完全に1回学習し終える単位を指す数値です。全体のデータセットを何周させてパラメーターを最適化するかを表します。適切に設定することで予測精度の向上が期待できますが、大きすぎると過学習を招くため慎重な調整が求められます。
グリッドサーチ
グリッドサーチとは、機械学習モデルの性能を最大化するために、あらかじめ指定したハイパーパラメータの候補値を格子状に組み合わせて全通り検証する手法です。すべての組み合わせを網羅的に試すため、指定した範囲内での最適な設定を確実に発見できる利点がありますが、設定項目や候補値が増えると計算量が急増する課題もあります。
線形計画法
線形計画法は、制約条件の下で一次式の目的関数を最大化または最小化する数理最適化の手法です。AIの分野では、機械学習のモデル学習や物流の効率化、リソース配分などの様々な最適化問題において重要な役割を果たしています。
分散処理
分散処理とは、複数の計算機やプロセッサに処理を分散させて同時に実行する技術です。AI分野では、大規模言語モデルの学習や巨大なデータの解析において、単一のコンピュータでは処理しきれない計算量とメモリ負荷を克服するために不可欠です。複数のマシンが協調して動作することで、計算時間の劇的な短縮を実現します。
グラフ理論
グラフ理論は、対象を表す「頂点」とそれらを結ぶ「辺」の組み合わせによって、複雑な関係性やネットワーク構造を数学的にモデル化し解析するための学問です。AI分野では、知識グラフやグラフニューラルネットワークなどの基盤技術として広く活用されています。
偽陰性
偽陰性（False Negative）とは、機械学習の二値分類において、実際には「陽性（正）」である対象を、モデルが誤って「陰性（負）」と予測してしまう判定エラーのことです。病気の検査で「罹患している（陽性）」患者を「健康（陰性）」と誤診するケースなどが該当し、見落としによる重大なリスクにつながるため、評価指標の再現率などで重要視されます。
認証
認証とは、システムやサービスを利用しようとするユーザーやデバイスが、正真正銘の本人であるかを確認する手続きです。AIシステムの利用やデータアクセスにおいても、不正利用や情報漏洩を防ぐための基本的なセキュリティ対策として不可欠です。パスワードや生体認証、APIキーなど様々な手法が組み合わせて活用されています。
データサイエンティスト
データサイエンティストとは、ビジネスの課題解決に向けて、大量のデータから統計学、機械学習、ITスキルを活用して有益な知見を導き出し、意思決定を支援する専門職です。ビッグデータの普及やAI技術の進化に伴い、企業の戦略立案や予測モデル構築において不可欠な役割を担っています。
データエンジニアリング
データエンジニアリングは、大量のデータを収集、蓄積、加工、整理し、AIモデルの構築やビジネス分析に活用しやすい状態に整える技術分野です。データの信頼性や品質を担保するためのデータパイプラインの構築や、大規模データ基盤の設計・運用が主な役割であり、データサイエンスや機械学習の成果を最大化するために不可欠な基盤技術です。
オンプレミス
オンプレミスとは、自社が管理する施設内にサーバーやネットワーク機器を導入し、システムを構築・運用する形態のことです。クラウドサービスの普及後も、AI分野において個人情報や機密データの漏洩を防ぐ高度なセキュリティ確保や、独自のGPU環境による大規模言語モデルの効率的なファインチューニングを実行するために、広く採用されています。