バウンディングボックス
バウンディングボックスとは、画像や動画内で特定の物体がどこにあるかを示す長方形の領域です。物体検出をはじめとするコンピュータビジョンの領域で広く活用され、AIに物体の位置と種類を学習させるアノテーションや、検出結果の可視化に不可欠な基礎技術です。
AI用語一覧（3ページ目）
336件AI用語一覧を336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。
教師
機械学習における「教師」とは、AIモデルに学習させるための正しい答え（正解ラベル）やそのデータを提供する役割・概念を指します。人間がデータに注釈をつけるアノテーション作業などを通じて準備され、AIが入力データと正解との誤差を計算して予測精度を向上させるための基準として機能します。
オートエンコーダー
オートエンコーダーは、入力データを一度圧縮して元のデータを復元するように学習する教師なし学習のニューラルネットワークです。データを圧縮するエンコーダーと、復元するデコーダーから構成され、データの次元削減やノイズ除去、異常検知などに広く活用されています。非線形な特徴を抽出できる点が大きな特徴です。
検証データ
検証データとは、機械学習モデルの訓練中にモデルの性能を評価し、ハイパーパラメータの調整や過学習の検知を行うために使用されるデータセットです。訓練データとは独立して用意され、モデルの直接的な学習には使われません。最適なモデル構造や設定を選び出し、未知のデータに対する予測精度を高める重要な役割を担います。
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。
ハイパーパラメータ
ハイパーパラメータとは、機械学習モデルの訓練を開始する前に人間や外部アルゴリズムが事前に設定する調整用パラメータです。モデルの学習プロセスそのものや構造を制御する役割を持ち、学習率やバッチサイズ、エポック数などが代表例です。モデルがデータから自動的に獲得する通常のパラメータとは区別され、予測精度や学習速度を左右する極めて重要な要素です。
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。
自然言語処理
自然言語処理とは、人間が日常的に使用する日本語や英語などの言語をコンピュータに理解・処理させるAI技術の分野です。テキストの解析、文章生成、機械翻訳、感情分析など幅広く応用されています。近年は深層学習や大規模言語モデルの進化により、生成AIをはじめとする高精度で柔軟な対話システムが実現しています。
機械学習
機械学習とは、コンピュータが大量のデータからパターンや規則性を自動的に学び、未知のデータに対する予測や判断を行う技術です。明示的なプログラムを記述することなく、データに基づいて性能を向上させます。人工知能の主要な一分野であり、画像認識や自然言語処理など、現代の様々なAIサービスの基盤として活用されています。
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。
テキストマイニング
大量のテキストデータから自然言語処理や統計解析を用いて有益な情報や規則性、傾向を抽出・分析する技術です。アンケート回答やSNSの投稿、コールセンターのログといった非構造化データを構造化し、顧客ニーズの把握や課題の発見に役立てられます。
音声認識
音声認識とは、人間が発声した音声データをテキストデータへ自動変換する技術です。入力された音波の特徴を分析し、AIを活用して対応する言葉や文字を特定します。スマートフォンの音声入力やスマートスピーカー、会議の自動文字起こしなどに広く活用されており、現代の音声インターフェースにおける基盤技術となっています。
クラスタリング
クラスタリングとは、事前のアタリや正解ラベルがないデータ群の中から、特徴が似ているデータを自動的にグループ分けする機械学習の手法です。データ同士の類似度や距離を基に「クラスタ」と呼ばれる群を形成します。顧客データのグループ分けや文書分類、画像セグメンテーションなどに広く活用されています。
ユーザープロンプト
ユーザープロンプトとは、生成AIや大規模言語モデル（LLM）に対してユーザーが直接入力する命令や質問のテキストのことです。AIから希望する回答や成果物を引き出すためのインプットであり、プロンプトエンジニアリングの基本要素となります。システムプロンプトと組み合わせることで出力の精度や対話の方向性を調整できます。
プロンプトインジェクション
プロンプトインジェクションとは、大規模言語モデルに対して開発者の意図しない命令を悪意を持って注入し、システムプロンプトの制限を回避させたり不正な出力を引き出したりする攻撃手法です。生成AIを活用したアプリケーションにおける重大なセキュリティ脅威であり、適切な防御策の導入が強く求められています。
ボイスチェンジャー
ボイスチェンジャーは、人間の声の音高や音色をリアルタイムに変換して別の声にする技術やソフトウェアです。従来のピッチ変換に加え、近年はディープラーニングなどのAI技術を用いたリアルタイム音声変換が主流となり、極めて自然に他人の声やキャラクターの声へ変換することが可能になりました。エンタメからセキュリティまで幅広く活用されています。
ディープフェイク
ディープフェイクとは、ディープラーニング（深層学習）技術を用いて、実在する人物の顔や声を合成・改変して作られた偽の画像、動画、音声コンテンツのことです。映画の特殊効果やエンターテインメント領域で活用される一方で、なりすまし犯罪や誤情報の拡散など社会的なリスクが懸念されており、検知技術の向上や法的な対策が進められています。
入力層
入力層とは、ニューラルネットワークにおいて外部からデータを受け取り、モデル内部へ受け渡す最初の層です。画像やテキスト、数値などの入力データを適切な形式に変換・調整し、続く隠れ層へと伝達する役割を果たします。データの次元数に応じたユニットで構成され、機械学習モデル全体の精度や処理効率の基礎を支える重要なコンポーネントです。
分類
分類とは、AIや機械学習において、入力されたデータがどのカテゴリやクラスに属するかを予測するタスクです。スパムメールの判定や画像の認識など、さまざまな分野の自動化や判断基準として広く利用されています。
SQLインジェクション
SQLインジェクションとは、WebアプリケーションやAIシステムの入力フォーム等に悪意のあるSQL命令を注入し、データベースを不正に操作するサイバー攻撃の手法です。データベース内の機密情報の閲覧、改ざん、削除などの被害を引き起こすため、入力数値の検証やエスケープ処理、プレースホルダーを利用した適切な対策が不可欠です。
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。
事前学習
事前学習とは、AIモデルに特定のタスクを学習させる前段階として、大量のデータを用いて汎用的な知識やパターンを習得させるプロセスのことです。ディープラーニングや大規模言語モデルの開発において不可欠な手法であり、ゼロから学習させるよりも少ないデータと計算量で高精度なモデルを構築できる転移学習の基礎となっています。
エポック
エポックとは、機械学習やディープラーニングにおいて、訓練用データセット全体をモデルに1回学習させる単位のことです。データが1周学習されると「1エポック」とカウントされます。学習回数を適切に設定することで、AIモデルの予測精度を高めつつ、過学習や未学習を防ぐために重要なハイパーパラメータとして使用されます。
サンプリング
AIのサンプリングとは、確率分布に基づいて次に生成する単語やピクセルを確率的に選択する手法です。モデルの出力に多様性や創造性を与えるために重要な役割を果たし、温度パラメータなどを用いて出力のランダム性を調整できます。