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。
AI用語一覧（19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19ページ目です。
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。
レコメンデーション
レコメンデーションとは、ユーザーの行動履歴や好みのデータを分析し、関心を持ちそうな情報や商品を自動的に提案する技術です。ECサイトの『おすすめ商品』や動画配信サービスの『関連コンテンツ』などに広く応用されています。機械学習などのAI技術を活用することで、個々のユーザーに最適化されたパーソナライズを実現し、利便性の向上や売上増加に貢献しています。
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。
説明変数
説明変数とは、統計学や機械学習において、予測や分析の対象となる結果（目的変数）に影響を与える「要因」となる変数のことです。機械学習では「特徴量」とも呼ばれ、予測モデルの入力データとして使用されます。例えば、住宅価格の予測における「築年数」や「広さ」がこれに該当し、モデルの予測精度を大きく左右する重要な要素です。
トークナイザー
トークナイザーは、人間が読む自然言語の文章を、大規模言語モデルが処理できる数値や小さな断片に分割・変換するプログラムです。AIシステムにおいてテキストデータを正しく入力データに変換するための重要な第一段階として機能します。
テストコード
テストコードとは、プログラムが仕様通りに正しく動作するかを自動で検証・判定するために作成されるコードです。ソフトウェアの品質保証やバグの早期発見、リファクタリング時の安全確保に欠かせません。近年は大規模言語モデルや生成AIを活用してテストコードの記述や生成を自動化・効率化する取り組みが活発に行われています。
継続的インテグレーション（継続的イングレーション）
継続的インテグレーション（CI：時に継続的イングレーションとも表記されます）とは、ソフトウェア開発やMLOpsにおいて、コードの変更を頻繁に共有リポジトリへ統合し、ビルドやテストを自動実行する開発手法です。コードやデータの変更に伴う不具合を早期に検知し、機械学習モデルの安定した運用を支えます。
ETL
ETLとは、多様なデータソースからデータを抽出し、分析やAIの学習に適した形へ変換した上で、データウェアハウスなどの保存先へロードする一連のプロセスです。機械学習モデルの精度向上に不可欠な高品質なデータ基盤を構築するために広く活用されています。
NaN
NaN（Not a Number、非数）とは、コンピュータによる数値演算において、定義されていない値や表現不可能な結果を示す特別な値のことです。機械学習やデータ分析においては、データセット内に存在する「欠損値」として頻繁に登場します。NaNが残ったままモデルの学習を行うとエラーの原因となるため、データ前処理段階で適切に処理することが重要です。
K近傍法
K近傍法（KNN）は、機械学習におけるシンプルな教師あり学習アルゴリズムです。分類や回帰タスクに用いられ、未知のデータが得られた際に、特徴空間上で最も距離が近い「k個」の過去データを参照し、多数決や平均によってそのデータのクラスや値を予測します。実装が容易で直感的に理解しやすい特徴があります。
ベクトルデータベース
ベクトルデータベースは、AIや機械学習モデルが生成する高次元データを効率的に保存・検索するための専門的なデータベースです。従来のデータ検索とは異なり、データの持つ意味や文脈に基づいて類似性の高い情報を高速に検索できるため、生成AIの精度向上に欠かせない基盤技術となっています。
ハッシュ化
ハッシュ化とは、任意の長さのデータを特定の規則に従って、固定長の不規則な値に変換する技術です。AIや機械学習の分野では、膨大な「特徴量」の「次元削減」や、データの重複排除、匿名化、そして高速な「ベクトル検索」を可能にする特殊なハッシュ手法などに広く活用されています。
生成系AI
生成系AIとは、テキスト、画像、音声、動画などの新しいコンテンツを自動的に作り出す人工知能技術のことです。大量のデータからパターンを学習した機械学習やディープラーニングのモデルを基盤とし、ユーザーが入力した指示に応じて柔軟にアウトプットを出力します。従来の分析・識別中心のAIとは異なり、クリエイティブな作業や業務の効率化を大幅に支援する技術として注目されています。
暗号化
暗号化とは、データを特定のルールに基づいて第三者には解読できない形式（暗号文）に変換する技術です。AIの分野では、学習データの漏洩防止やプライバシー保護、セキュアなモデル共有において極めて重要な役割を果たします。復号鍵を持つ正規の受信者のみが元のデータに戻すことができるため、データの機密性を確保できます。
距離尺度
距離尺度とは、データ間の類似度や非類似度を数値として定量化するための数学的な基準です。機械学習やデータ分析において、データ同士の近さを測るために不可欠な概念であり、アルゴリズムの性能に大きな影響を与えます。
識別器
識別器とは、入力されたデータがどのカテゴリに属するかを判定する機械学習アルゴリズムやモデルのことです。画像認識やスパムメール判定など、AIのさまざまな分類タスクにおいて中心的な役割を果たしています。
推論サーバー
推論サーバーとは、実システムでAIモデルを動かし、ユーザーからのリクエストに対して高速に予測結果を返却するための専用サーバーです。学習済みモデルの管理や動的バッチングなどの機能を備え、低レイテンシと高スループットを実現します。AIサービスの社会実装や運用において、安定したシステム稼働を支える基盤として不可欠な存在です。
欠損値
欠損値とは、データセットの中でデータが記録されていない、あるいは存在しない値のことです。機械学習のモデルを訓練する前に適切な前処理を行わないと、予測精度の低下や学習エラーの原因となります。
デコーダー
デコーダーとは、AIや機械学習の分野において、エンコーダーなどが処理した潜在表現や数値データをもとに、人間にとって理解しやすい言語や画像、音声などの具体的な出力へ変換する役割を持つ中核的なコンポーネントです。
非線形性
非線形性とは、入力と出力の関係が単純な直線（比例関係）にならない性質のことです。AIや機械学習の分野、特にディープラーニングでは、この非線形性が極めて重要な役割を果たします。複雑な現実世界のデータパターンや相互作用をモデルが学習し、高度な予測や識別を行うためには、ニューラルネットワークに非線形性を取り入れることが不可欠です。