拡散モデル
拡散モデルは、データにノイズを徐々に加えて破壊する過程と、そのノイズを除去して元のデータを復元する過程を深層学習で学ぶ生成AIモデルです。高画質な画像生成などで広く活用され、高い創造性と安定性を実現しています。
AI用語一覧（8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8ページ目です。
トップkサンプリング
トップkサンプリングとは、大規模言語モデルが文章を生成する際に、確率が高い上位k個の単語のみを選択肢として残し、その中からランダムに次の単語を選ぶ手法です。確率の低い不自然な単語を排除しつつ、文章の多様性を保つために広く使われています。
ヒューリスティック関数
ヒューリスティック関数とは、探索問題において現在の状態からゴールまでに必要なコストや距離を大まかに見積もる評価関数のことです。探索範囲を絞り込み、最適な解を効率的に見つけるために利用されます。
C言語
C言語とは、1972年に開発された汎用プログラミング言語です。処理速度が非常に速く、ハードウェアに近い低レイヤーの制御が得意なため、オペレーティングシステムや機械学習フレームワークの内部実装、AIアクセラレータの制御プログラムなどに広く活用されています。
スケジュールサンプリング
スケジュールサンプリングとは、ニューラルネットワークの訓練時において、正解データとモデル自身の予測のどちらを入力として使うかを確率的に切り替える手法です。訓練と推論の乖離を解消し、モデルの性能や頑健性を向上させます。
情報漏洩
情報漏洩とは、組織や個人の機密情報や個人情報が外部へ不当に流出・開示される事象です。AI分野では、大規模言語モデルなどの生成AIに対して機密データや個人情報を入力した結果、訓練データとして取り込まれ第三者の出力に現れるリスクや、モデルから訓練データを復元する攻撃などが課題となっています。
カーネルサイズ
カーネルサイズとは、畳み込みニューラルネットワークにおけるフィルタの大きさを指します。画像認識や特徴抽出の精度と計算コストに大きな影響を与える重要なハイパーパラメータです。
平滑化
平滑化とは、データや信号に含まれる微小な変動やノイズを取り除き、全体的な傾向や滑らかな変化を抽出する処理です。AIや機械学習の分野では、過学習の防止や画像処理、音声認識などにおいて、データの品質を高めるための重要な前処理手法として広く活用されています。
プーリング層
プーリング層は、CNNなどの畳み込みニューラルネットワークにおいて、特徴マップの解像度を小さくしてデータ量を削減する層です。位置のわずかなズバに対する頑健性を高め、計算量を効率化する役割を持ちます。
CPU
CPU（中央演算処理装置）とは、プログラムの命令を解釈・実行し、コンピューター全体を制御・演算する基本的なハードウェアです。汎用的な処理能力が高く、複雑な分岐処理を得意としています。AIの分野においても、データの事前処理やモデルの推論処理、他のアクセラレータとの制御などで欠かせない役割を果たしています。
マルチモーダル
マルチモーダルとは、テキスト、画像、音声、動画などの異なる種類や形式のデータを統合して同時に処理・理解するAI技術のことです。人間が視覚や聴覚など複数の感覚を組み合わせて状況を把握するように、より複雑で高度な認知や推論を可能にするため、次世代のAI基盤として注目を集めています。
アルゴリズムバイアス
アルゴリズムバイアスとは、AIシステムや機械学習モデルが、学習データの偏りや設計上の問題により、特定のグループに対して不公正で差別的な判断や予測を出力してしまう現象を指します。AI倫理の観点から社会的影響が大きく、公正性の確保が重要な課題となっています。
ドメイン
AIや機械学習におけるドメインとは、特定の専門分野や問題領域を指します。医療や金融などの領域ごとにデータの特徴や求められる精度が異なるため、モデルの設計や適用の際には重要な考慮要素となります。
データバイアス
データバイアスとは、AIの学習用データに偏りがあることで、出力結果や判断に不公正な歪みが生じる現象です。歴史的な偏見や収集方法の偏りが原因となり、機械学習モデルの精度低下や公平性の欠如を引き起こすため、AI倫理の観点からも重要な課題となっています。
非凸関数
非凸関数とは、グラフの形状が直線ではなく、局所的な凹凸が多数存在する関数のことです。AIや機械学習において、ニューラルネットワークの学習をはじめとする多くの最適化問題で現れ、大域的最適解ではなく局所最適解に陥るリスクがあるため高度なアルゴリズムが必要となります。
敵対的生成ネットワーク
敵対的生成ネットワーク（GAN）は、生成器と識別器という2つのAIモデルを競い合わせることで、高精度な画像やデータを自動生成するディープラーニングの枠組みです。1人のアーティストと1人の鑑定士が競うように学習し、本物そっくりな偽物を作り出します。
ラッパー法
ラッパー法とは、機械学習のモデルを用いて最適な特徴量の組み合わせを選択する手法です。予測性能を直接評価基準にするため精度向上が期待できますが、計算コストが非常に高いという特徴があります。
ワークフローエンジン
ワークフローエンジンとは、複数のタスクや処理の順序、条件分岐を定義して自動実行するためのシステム基盤です。AI分野では、大規模言語モデルや機械学習モデルを組み合わせた複雑なパイプラインを管理するために広く活用されています。
API
APIとは、異なるソフトウェアやプログラム同士が機能を共有し、データをやり取りするための仕組みです。AIの分野では、自社のシステムに外部の機械学習モデルや大規模言語モデルを組み込む際に広く活用されています。
自律性
AIの自律性とは、人間からの詳細な常時指示なしに、システム自身が状況を判断して目標達成に向けた行動を選択・実行する性質を指します。機械学習や強化学習の発展に伴い、ロボット制御や自動運転、AIエージェントなどで重要な役割を担っています。
ライブラリ
ライブラリとは、特定の機能や処理を再利用できるようにまとめたプログラムの集まりです。AI分野では、データの加工やモデル構築、数値計算などを効率化するために広く活用されています。PyTorchなどのオープンソース製品が多く存在し、開発者がゼロからプログラムを組む手間を省き、高機能なシステムを迅速に開発するために不可欠な存在となっています。
平均値代入法
平均値代入法は、データセット内の欠損値を、その変数の観測データの平均値で補完するデータ前処理の手法です。実装が極めて容易で計算コストが低いため、機械学習の初期フェーズなどで広く用いられます。しかし、データの分散を過小評価し、統計的なバイアスを引き起こすリスクがあるため、慎重な適用が求められます。
交差検証
交差検証（クロスバリデーション）とは、機械学習モデルの汎化性能を正確に評価するための手法です。手元にあるデータを複数のグループに分割し、訓練用データとテスト用データを入れ替えながら評価を繰り返します。特定データへの偏りを防ぎ、未知のデータに対する予測精度（汎化性能）を客観的に測定できるため、ハイパーパラメータ自動調整やモデル選択で必須の評価手法です。
Lasso回帰
Lasso回帰（ラッソ回帰）は、過学習を防ぐためにL1正則化を導入した線形回帰の手法です。不要な特徴量の係数を完全にゼロにする特徴があり、自動的に変数選択を行うことができます。データが多く特徴量が過剰な場合のモデルの簡素化や、予測精度の向上、解釈性の向上に広く用いられています。