半教師あり学習
半教師あり学習は、少量の教師データと大量の未ラベルデータを利用してモデルを訓練する機械学習の手法です。データ収集コストを大幅に削減しつつ、高い予測精度を実現できるため注目されています。
AI用語一覧（6ページ目）
498件AI用語一覧を498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6ページ目です。
自律型エージェント
自律型エージェントとは、人間が逐一指示を出さなくても、AI自身が目標を設定し、自ら計画を立ててタスクを遂行するシステムの総称です。大規模言語モデルなどの発展により、複雑な作業を自律的にこなす技術として注目を集めています。
価値関数
価値関数とは、強化学習においてある状態や行動が将来的にどれだけの報酬をもたらすかを数値化して予測するための関数です。エージェントが最適な方策を選択するための重要な指標となります。
大規模言語モデル（LLM）
大規模言語モデル（LLM）とは、膨大なテキストデータを学習し、人間のような自然な文章を生成・理解できるAIモデルです。Transformerと呼ばれる深層学習アーキテクチャをベースにしており、対話型AIや文章要約、翻訳、プログラミング支援など幅広い分野で活用されています。現代の生成AIにおける中核技術です。
ジェイルブレイク
ジェイルブレイクとは、大規模言語モデルなどの生成AIに対して安全対策や利用規約を迂回する特別な入力を行い、不適切な出力や本来禁止されている応答を引き出す攻撃手法や現象のことです。ロールプレイや巧みな前提条件の設定によって制限を解除させようとするもので、AIの安全性を脅かす課題としてセーフティフィルターの強化やアライメント対策が進められています。
学習データ
学習データとは、機械学習モデルがパターンや規則性を学び、予測や推論の能力を獲得するために使用されるデータのことです。テキスト、画像、音声、数値など多様な形式が存在し、モデルの精度や安全性は学習データの品質と量に大きく依存します。AI開発における基盤となる重要な要素であり、適切な収集と前処理が不可欠です。
L2正則化
L2正則化（Ridge正則化）とは、機械学習モデルの過学習を防ぐために損失関数へ重みの2乗和を加算する手法です。モデルの重みが極端に大きくなるのを抑え、未知データに対する予測性能（汎化性能）を向上させます。
ドロップアウト
ドロップアウトとは、ディープラーニングの訓練時にニューラルネットワーク内のノードをランダムに無効化することで過学習を防ぐ正規化の手法です。特定のノードへの過度な依存を抑え、モデルの汎化性能を高めます。推論時には全ノードを使用するため、手軽に導入できる標準的な手法として幅広く活用されています。
ベイズ推論
ベイズ推論は、新たに観測されたデータに基づいて、ある事象の発生確率（事後確率）を順次更新していく統計的な手法です。不確実性を確率分布として扱えるため、機械学習の予測や意思決定において重要な役割を果たします。
潜在意味解析
潜在意味解析（LSA）は、テキストデータ内の単語と文書の共起関係を数学的に分析し、背後にある潜在的な意味構造を抽出する自然言語処理の技術です。特異値分解による次元削減を用いて、表記の揺れや同義語の関連性を捉えることができます。検索エンジンの高度化や類似文書の推薦など、初期のセマンティック検索に大きく貢献した古典的かつ重要な手法です。
ハイパーパラメタ
ハイパーパラメタとは、機械学習やディープラーニングにおいてモデルの学習を開始する前に人間が手動で設定する構成設定値です。学習率やバッチサイズなどが該当し、モデルがデータから自動的に調整するモデルパラメータとは明確に区別されます。ハイパーパラメタの適切な調整は、モデルの予測精度や学習速度を左右する非常に重要な工程です。
テキスト分類
テキスト分類は、自然言語処理を用いてテキストデータを事前に定義されたカテゴリーに自動で分類する技術です。迷惑メールの判定や顧客レビューの感情分析など幅広く実用化されています。ルールベースの手法から、機械学習、そして最新のディープラーニングや大規模言語モデルを用いた手法へと進化しており、現代のAI活用における基礎的なタスクの一つとなっています。
データサイエンス
データサイエンスとは、データの収集、処理、分析を通じて、価値ある洞察（インサイト）やビジネス上の意思決定に役立つ知見を導き出す学際的な分野です。統計学、数学、コンピュータサイエンス、そしてビジネスの専門知識を融合させ、膨大なビッグデータから予測モデルの構築やパターン発見を行い、社会や企業の課題解決に貢献します。
クラウドコンピューティング
クラウドコンピューティングとは、インターネット経由でサーバーやデータベースなどのコンピューティング資源を必要な分だけ利用する仕組みです。自社で高価な物理サーバーを保有することなく、柔軟にリソースを増減できるため、「機械学習」や「ディープラーニング」に必要な「GPU」などの計算環境を迅速かつ低コストで調達可能です。
回帰分析
回帰分析は、過去のデータから変数間の関係性を数式で表し、数値の予測や要因の分析を行う統計手法です。機械学習においては、売上予測や価格推定などの連続値を予測するタスクの基礎として広く活用されています。
決定木
決定木とは、データを分類または回帰するための代表的な教師あり学習アルゴリズムです。データを特定の条件（質問）によって段階的に分岐させ、樹木のような階層構造（木構造）で意思決定のプロセスを視覚化します。モデルの解釈性が非常に高く、専門知識がなくても予測に至るルールを容易に理解できる点が大きな特徴です。
データマート
データマートとは、組織内の特定の部門や目的に合わせて必要なデータだけを抽出・整理した専用のデータベースです。データウェアハウスやデータレイクからデータを切り出して構築され、特定の分析業務やBIツールでの可視化を高速化します。データのサイロ化を防ぐ適切な管理が必要ですが、迅速な意思決定を支援する重要なデータ基盤です。
特徴量エンジニアリング
特徴量エンジニアリングとは、機械学習モデルの予測精度を向上させるために、生のデータから適切な入力変数を作成・加工するプロセスです。ドメイン知識を活用してモデルがパターンを学習しやすくします。
マルコフ過程
マルコフ過程とは、未来の状態が現在の状態のみに依存し、過去の推移には依存しないというマルコフ性を満たす確率過程のことです。AIや強化学習において、エージェントが次に取る行動や環境の変化を確率的に予測・モデル化するための基礎理論として広く活用されています。
条件付き確率場
条件付き確率場（CRF）は、データの順序や文脈による相互依存関係を考慮して最適なラベルシーケンスを予測する確率的グラフィカルモデルです。自然言語処理の品詞タグ付けや固有名詞抽出などの「逐次ラベル付け」において、前後のつながりを統合的に判断して高精度な分類を実現するための基盤技術として広く用いられています。
統計的機械翻訳
統計的機械翻訳は、大量の二言語間テキストコーパスを用いた確率モデルに基づき、ある言語の文を別の言語へ自動的に翻訳する技術です。かつては主流の手法でしたが、現在はより文脈理解に優れるニューラル機械翻訳に取って代わられています。
確率変数
確率変数は、確率的に変動する事象に数値を割り当てる仕組みであり、AIや機械学習においてデータやモデルの不確実性を数学的に扱うための基礎となる極めて重要な概念です。
ベルヌーイ分布
ベルヌーイ分布は、結果が成功と失敗の2通りしかない試行の確率をモデル化する最も基本的な確率分布です。機械学習においては、二値分類問題の出力層や潜在変数の表現など、確率的な予測を行う際の基礎として広く利用されています。
二値分類
二値分類とは、データを「はい/いいえ」や「スパム/非スパム」のように2つのカテゴリのいずれかに振り分ける機械学習の基本的なタスクです。メールの迷惑メール判定や医療の病気有無の予測など、多様な分野で活用されています。