汎化性能
汎化性能とは、AIや機械学習モデルが学習時に使用していない未知のデータに対して、正確な予測や処理を行える能力のことです。訓練データだけに過剰に適応してしまう過学習を防ぎ、実運用環境で高い精度を維持するために極めて重要な指標となります。適切なモデル評価やテストデータによる検証を通じて、汎化性能の向上が図られます。
AI用語一覧（4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4ページ目です。
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。
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。
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。
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。
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。
非線形分離
非線形分離とは、複雑に入り組んだデータを直線や平面ではなく、曲線や曲面を用いて分類する手法のことです。単純な直線ではうまく分けられない境界を持つデータに対して、機械学習モデルが正確な識別を行うために不可欠な概念となっています。
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。
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。
ReLU
ReLU（レルー）は、ディープラーニングのニューラルネットワークで広く用いられる活性化関数の一種です。入力値が0以下の場合は0を出力し、0を超える場合は入力をそのまま出力するという単純な計算ルールを持ちます。計算が非常に高速で、勾配消失問題を緩和できるため、現代の深層学習モデルにおいてデファクトスタンダードとして定着しています。
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。
主成分分析
主成分分析とは、多次元データの情報を可能な限り失わずに、より少ない変数へと要約する次元削減の手法です。AIや機械学習の前処理として、データの可視化や過学習の防止に広く活用されています。
フィルタリングバブル
フィルタリングバブルとは、検索エンジンやSNSなどの推薦アルゴリズムがユーザーの好みに合わせて情報を最適化することで、見たくない情報が遮断され、自身の固定観念や偏った情報だけに囲まれる現象のことです。
推論パイプライン
推論パイプラインとは、AIモデルに入力データの前処理から実際の予測処理、結果の後処理までのステップを自動的かつ連続的に実行する一連の流れを指します。効率的で安定したAIシステムの運用に不可欠な仕組みです。
エンコーダ
エンコーダとは、入力されたデータをコンピュータが処理しやすい形や別の表現に変換する仕組みのことです。自然言語処理や画像認識などのAI分野で広く活用されており、データの意味や特徴を効率的に抽出する役割を担っています。
デコーダ
デコーダは、符号化されたデータや入力されたコンテキストを基に、テキストや画像などの分かりやすい情報へ変換・生成するAIの重要な構成要素です。大規模言語モデルなどの生成AIにおける中核技術として幅広く活用されています。
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。
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。
カーネルトリック
カーネルトリックとは、低次元のデータを高次元空間へ直接写像することなく、内積計算の工夫によって線形分離が困難な問題を効率的に解く機械学習の手法です。計算量を抑えつつモデルの表現力を高められるため、サポートベクターマシンなどで広く活用されています。
状態
AIや強化学習において「状態（State）」とは、ある特定の時点における環境やシステムが置かれている状況や情報を表すデータのことです。エージェントが次の行動を決定するための判断材料となり、マルコフ決定過程やリカレントニューラルネットワークなどのモデルで中心的な役割を果たします。
生徒モデル
生徒モデルとは、知識蒸留などの手法において、大規模な教師モデルから出力を模倣するように学習し、軽量かつ高速な推論を実現する機械学習モデルのことです。
訓練済みモデル
訓練済みモデルとは、機械学習やディープラーニングのアルゴリズムに大量のデータを学習させ、予測や判断ができるようにパラメータを最適化した状態のAIプログラムのことです。