外部ツール
外部ツールとは、人工知能やAIエージェントが自身の内部知識だけでは処理できない計算や最新情報の取得、データの操作などを行うために利用する外部のプログラムやAPIの総称です。
AI用語一覧（3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3ページ目です。
バイアス
バイアスとは、AIや機械学習において予測値と正解値の間に生じる系統的なずれ、またはデータの偏りによって生じる予測の不公平性のことです。統計学的にはモデルの表現力不足による誤差を指し、AI倫理では人間社会の偏見を反映した差別的な判定を指します。公平なAIを構築するには、学習データの選定から評価まで各段階でバイアスを監視・排除する対策が重要です。
パラメータ
パラメータとは、AIや機械学習のモデルがデータから学習する過程で自動的に調整される内部の数値データです。主に重みとバイアスで構成され、入力データから適切な予測や判断を行うための計算式を形作ります。パラメータの数が増えるほどモデルの表現力が高まりますが、膨大な計算資源と広範な学習データが必要になります。
RGB-Dカメラ
RGB-Dカメラは、通常のカラー画像（RGB）と同時に、被写体との距離情報である深度（Depth）を計測して出力するカメラです。従来のカメラでは困難だった3次元空間の立体的な形状や奥行きの把握が可能となり、コンピュータビジョンやロボットの自律移動、空間認識などのAI技術において、高精度な環境認識を実現するための重要なデバイスとして活用されています。
ROC曲線
ROC曲線（受信者動作特性曲線）とは、機械学習の二値分類モデルにおいて、分類の基準となる閾値を変化させたときの分類性能を視覚的に表現したグラフです。縦軸に真陽性率、横軸に偽陽性率をプロットして描き、モデルの識別能力を評価する指標として広く用いられます。曲線が左上に近いほど、モデルの分類精度が高いことを示します。
説明可能AI
説明可能AI（XAI）とは、AIの予測や判断のプロセス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機械学習モデルの透明性を高め、結果の根拠を明確にすることで、医療や金融などの重要分野でも安心して利用できるようにします。
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。
ベイズ更新
ベイズ更新とは、新しいデータが得られるたびに事前確率を更新して事後確率を求める統計的推論の手法です。AIや機械学習分野において、不確実性の高いデータを効率的に処理し、予測精度を逐次的に向上させるための重要なアルゴリズムとして広く活用されています。
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。
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。
超平面
超平面とは、n次元空間を2つに仕切るn-1次元の領域であり、機械学習ではデータを分類する決定境界として活用されます。例えば2次元での直線、3次元での平面に相当します。サポートベクターマシンなどの線形分離モデルで用いられ、複雑な特徴量空間内のデータを精度高く二分するために不可欠な数学的概念です。
順序変数
順序変数とは、データに含まれるカテゴリ間に順序やランク（大小関係）が存在する変数のことです。顧客の満足度評価（高・中・低）や学歴、資格ランクなどが該当します。機械学習やデータ分析における特徴量エンジニアリングでは、各選択肢の順序情報を保持したまま適切な数値へ変換（符号化）してモデルに入力することが重要です。
RNN
RNN（Recurrent Neural Network）は、時系列データや自然言語などの順序を持つ情報を処理するために設計されたニューラルネットワークです。過去の出力を記憶しながら処理を進める点が特徴ですが、長距離の依存関係学習には勾配消失問題などの限界があります。
GPT
GPT（Generative Pre-trained Transformer）は、OpenAI社が開発したトランスフォーマーというニューラルネットワーク構造をベースにする大規模言語モデルです。膨大なテキストデータから事前学習を行い、自然な文章生成や多様なタスクに対応できます。現代の生成AIの基盤技術として広く活用されています。
ビッグデータ
ビッグデータとは、従来のデータベース処理技術では管理や解析が困難な、巨大で複雑かつ多様なデータ群のことです。単に容量が大きいだけでなく、更新頻度の高さやデータの多様性が特徴です。AIや機械学習の精度向上、新たなビジネス価値の創出、迅速な意思決定において極めて重要な基盤として活用されています。
スカラー
スカラーとは、方向を持たず大きさ（数値）だけで表される量的データのことであり、AIや機械学習の分野ではモデルのハイパーパラメータや損失関数の計算などにおいて基本的なデータ単位として広く利用されています。
基底
AIや機械学習において基底とは、ベクトル空間を構成する基礎的なベクトルの組を指します。データの特徴量を表現する座標系として機能し、次元削減やデータ分析の基礎となります。
ハルシネーション
ハルシネーションとは、生成AIが事実とは異なる情報や根拠のない嘘の出力を、あたかも正しい事実であるかのように生成してしまう現象のことです。大規模言語モデルが過去の学習データの文脈や単語の確率的つながりに基づいて自然な文章を作り出す仕組みに起因して発生します。生成AIの信頼性やビジネス利用における重要な課題とされています。
プレーンテキスト
プレーンテキストとは、文字情報のみで構成され、フォント、装飾、配置などの書式情報を一切含まない、最も単純なテキストデータのことです。特定のアプリケーションやOSに依存しない高い互換性を持ち、あらゆるシステムで読み書きが可能です。AIや自然言語処理の分野では、LLM（大規模言語モデル）の学習データやプロンプトの処理において、不要なノイズを含まない標準フォーマットとして不可欠な存在です。
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。
汎用人工知能
汎用人工知能（AGI）とは、人間と同等以上の知能を持ち、自律的に学習・思考・判断を行うことができる仮説上の人工知能です。特定のタスクのみを処理する従来のAIとは異なり、未知の課題に対しても自ら解決策を見出せる柔軟性を持ちます。現在も研究開発が続けられており、実現時期や定義については議論が続いています。
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。
予測分析
予測分析とは、過去のデータと統計的手法や機械学習を組み合わせ、将来の出来事やトレンドを予測するデータ分析手法です。ビジネスや医療、製造など多様な分野で活用され、直感に頼らないデータ駆動型の意思決定やリスク管理、リソースの最適化に大きく貢献します。
発音辞書
発音辞書とは、単語とその正しい読み方や音素の並びを対応付けたデータベースのことです。主に音声合成や音声認識といった音声AI分野で使用され、漢字の読み分けや専門用語、固有名詞の誤読を防ぐ役割を果たします。自然な発声を実現し、システムが正しくテキストを音声へ変換・理解するための不可欠な基盤技術です。