環境
AIの環境とは、機械学習モデルの訓練や推論を実行するために必要なハードウェア、ソフトウェア、ライブラリなどの組み合わせや設定全体を指します。開発環境や本番環境を適切に構築・管理することがAIシステムの安定稼働や再現性の確保において極めて重要です。
AI用語一覧（2ページ目）
331件AI用語一覧を331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2ページ目です。
モデル
AIにおける「モデル」とは、大量のデータセットを学習することでデータ内の規則性や特徴を捉え、新しいデータに対する予測や判断を行う計算処理の仕組みです。機械学習ではアルゴリズムを用いて訓練が行われ、調整されたパラメータによって推論を実行します。画像認識や文章生成など、多様なAI機能の基盤となる中心的な要素です。
識別系AI
識別系AIとは、入力されたデータがどのカテゴリーに属するかや、何のデータであるかを判定・予測することに特化した人工知能技術です。画像認識やスパムメール検出、音声認識など幅広く活用されており、データの分類や予測において高い精度を発揮します。生成系AIと対比される、従来のAI技術の中心的な役割を担っています。
ニューラルネットワーク
ニューラルネットワークとは、人間の脳神経系（ニューロン）の構造をモデルにしたAI技術の基盤となる仕組みです。入力データを受け取り、複数の計算層で重み付けや変換処理を行うことで、画像認識や自然言語処理など複雑なパターンの学習と予測を可能にします。現代のディープラーニングを支える中心的な技術として、幅広い分野で活用されています。
画像認識
画像認識とは、デジタル画像や動画から何が写っているかをコンピュータが解析・識別する技術です。従来の画像処理技術から発展し、深層学習や畳み込みニューラルネットワークの導入により飛躍的に精度が向上しました。自動運転、医療画像診断、顔認証セキュリティなど幅広い分野で利用され、コンピュータビジョン領域の中核をなしています。
教師なし学習
教師なし学習とは、正解データ（ラベル）を与えずに、AIが入力データの構造や特徴パターンを自律的に発見・学習する機械学習の手法です。クラスタリングや次元削減などに用いられ、大量の未ラベルデータから潜んでいる法則性やグループを見つけ出す際に威力を発揮します。顧客セグメンテーションや異常検知などで活用されています。
システムプロンプト
システムプロンプトとは、大規模言語モデル（LLM）に対してAIの役割、応答のトーン、出力形式、遵守すべきルールなどをあらかじめ定義するための指示文です。ユーザープロンプトに先立って評価されることで、AIの一貫した振る舞いや安全性を確保し、プロンプトエンジニアリングにおいて基盤となる重要な役割を果たします。
トピックモデル
トピックモデルは、大量のテキストデータから潜在的なテーマ（トピック）を自動的に抽出する自然言語処理および機械学習の技術です。文書内にどのような話題がどのような割合で含まれているかを統計的に推定し、膨大な文書群の整理や検索、推薦システムなどに活用されます。代表的な手法として潜在的ディリクレ配分法（LDA）があります。
データマイニング
データマイニングとは、大量のデータから有益な知識や規則性、未知のパターンを掘り出す（マイニングする）技術のことです。統計学や機械学習などの手法を応用し、膨大なビッグデータの中に隠された相関関係やトレンドを自動的に見つけ出します。マーケティングにおける顧客行動の予測や、業務効率化、リスク管理など多岐にわたる分野で活用されています。
言語モデル
言語モデルとは、人間が日常的に使用する言葉（自然言語）のパターンを学習し、ある単語の次にどの単語が続くかを確率的に予測・生成するAIの基盤技術です。文章の作成や要約、対話などを行うシステムの核心であり、近年の大規模言語モデル（LLM）の急速な発展により、ビジネスや日常生活の様々なシーンで応用が進んでいます。
音声合成
音声合成は、テキストデータを人工的な音声に変換する技術です。従来の機械的な音声から、近年ではディープラーニング技術の導入により、人間の肉声と聞き分けがつかないほど自然な発話や感情表現が可能になりました。スマートスピーカーやナビゲーション、動画のナレーションなど、多様な分野で活用が広がっています。
ディープニューラルネットワーク
ディープニューラルネットワーク（DNN）とは、人間の脳の神経回路網を模したニューラルネットワークの隠れ層を多層に重ねた機械学習モデルです。入力層と出力層の間に複数の隠れ層を持つことで、画像処理や自然言語処理などの複雑なデータから高精度な特徴抽出が可能となり、現代のディープラーニング技術の中核を担っています。
コンピュータビジョン
コンピュータビジョンとは、コンピュータに人間のような「目」と「脳」の機能を持たせ、画像や動画から意味のある情報を抽出・理解するAI技術の一分野です。カメラから得られた視覚情報をデジタル信号として取り込み、ディープラーニングなどのアルゴリズムを用いて解析することで、物体の識別や状況の把握を自動で行います。
訓練データ
訓練データとは、機械学習モデルがパターンや規則性を学習するために使用されるデータ群です。AIの精度や性能を左右する基礎となり、適切な品質と量の確保が不可欠です。
テストデータ
テストデータは、機械学習モデルの最終的な予測精度や汎用性を客観的に評価するために使用される未学習のデータセットです。学習データや検証データとは明確に分離され、モデルが未知のデータに対してどの程度正しく予測できるか（汎化性能）を評価するために欠かせない役割を果たします。
正則化
正則化とは、機械学習モデルが訓練データだけに過度に適応してしまう「過学習」を防ぎ、未知のデータに対する予測性能を高めるための手法です。モデルの複雑さにペナルティを課すことでパラメータの極端な増大を抑え、よりシンプルなモデルへと誘導します。L1正則化やL2正則化、ドロップアウトなどの手法が存在します。
統計学
統計学とは、集められたデータの収集、整理、分析、解釈を行い、データの背景にある法則性や傾向を明らかにする学問です。人工知能や機械学習、データサイエンスの理論的基礎として不可欠であり、予測モデルの構築や意思決定の精度向上に重要な役割を果たしています。大量のデータから有効な知識を引き出すための必須ツールです。
データウェアハウス
データウェアハウス（DWH）とは、企業内の多種多様なシステムから収集した大量の業務データを統合・整理し、分析や意思決定に活用するためのデータ基盤です。時系列でデータを蓄積し、ビジネスインテリジェンス（BI）ツールや機械学習モデルを用いた高度なデータ分析をサポートします。
隠れマルコフモデル
隠れマルコフモデル（HMM）は、観測できない隠れた状態の推移と、その状態から確率的に発生する観測データの関係をモデル化した統計的確率モデルです。時系列データやシーケンスデータの解析に適しており、音声認識や自然言語処理などの分野で長年にわたり幅広く活用されています。
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。
シグモイド関数
シグモイド関数とは、任意の入力値を0から1の範囲の実数に変換するS字型の数学的関数です。機械学習や深層学習において二値分類の予測確率の算出やニューラルネットワークの活性化関数として広く活用されてきました。
隠れ層
隠れ層（中間層）は、ニューラルネットワークにおいて入力層と出力層の間に配置される層のことです。外部から直接見えない内部で、入力されたデータから複雑なパターンや特徴量を段階的に抽出・変換する役割を持ちます。この層を何重にも重ねることでディープラーニングが実現可能となり、高度な認識タスクに対応します。
特化型AI
特化型AIとは、特定のタスクや限定された領域の処理に特化した人工知能のことです。チェスや画像認識、音声認識など個別の分野で高い性能を発揮しますが、あらかじめプログラムされた範囲外の応用はできません。現在の実社会で普及しているAIはすべてこのタイプに分類されます。
人工超知能
人工超知能（ASI）とは、あらゆる分野において人間の知性を遥かに超越する能力を持つ、現時点では理論上の人工知能概念です。自己改善を繰り返すことで爆発的な進化を遂げるとされ、人類の存続や社会に計り知れない影響を与える可能性が議論されています。