AGI (汎用人工知能)
多くの領域にわたって人間レベルでほとんどの知的タスクを実行できる仮説的な AI システム。
Free AI glossary
AI用語集
Plain-language definitions of the AI terms you keep hearing — for students, professionals, and anyone curious about how AI works.
213条件A–Z検索 + アルファベットフィルター100%平易な言葉での定義
A8 条件
AI ガバナンス
AI が社会でどのように開発および使用されるかをガイドするポリシー、標準、および監視メカニズム。
AIエージェント
目標を達成するために観察、推論、行動を起こすことができるソフトウェア システム。多くの場合ツールやメモリを使用します。
AIの安全性
AI システムにおける有害な動作、障害、誤用のリスクを軽減することに重点を置いた分野。
AIの調整
AI システムを人間の意図、価値観、安全上の制約に従って動作させる作業。
AI法
AI システムおよびプロバイダーに対する欧州連合のリスクベースの規制枠組み。
ANN (近似最近傍)
徹底的な比較を行わずにクエリに近いベクトルを検索し、正確性を犠牲にして速度を向上させるアルゴリズム。
API（アプリケーションプログラミングインターフェース）
あるソフトウェア システムが別のシステムにリクエストを送信し、別のシステムからの応答を受信するための構造化された方法。
B1 term
BPE (バイトペアエンコーディング)
最も頻繁に使用される文字のペアを再利用可能なトークンに結合するサブワードのトークン化アルゴリズム。
D1 term
DPO (直接優先最適化)
別の報酬モデルを必要とせずに、好みのペアに基づいてモデルを直接微調整するトレーニング方法。
G2 条件
GAN (敵対的生成ネットワーク)
ジェネレーターとディスクリミネーターが相互にトレーニングする生成セットアップ。
GSM8K
言語モデルにおける段階的な推論を評価するために使用される、小学校の算数の文章題のベンチマーク。
H1 term
HumanEval
単体テストを通じてコード生成の正確さを測定するために使用される Python プログラミング問題のベンチマーク。
K1 term
KVキャッシュ
以前のトークンから保存されたキーと値のテンソルにより、トランスフォーマーは過去のアテンションを再計算することなく新しいトークンを生成できます。
L1 term
LoRA (低ランク適応)
低ランクのアダプター行列を追加する、パラメーター効率の高い微調整方法。
M2 条件
MCP (モデル コンテキスト プロトコル)
AI アプリケーションが標準的な方法で外部ツール、データ ソース、コンテキスト プロバイダーに接続できるようにするオープン プロトコル。
MMLU
多肢選択式の質問を使用して、57 の学術および専門科目にわたる言語モデルをテストするベンチマーク。
O1 term
OCR (光学式文字認識)
画像またはスキャン内のテキストを機械可読テキストに変換するテクノロジー。
P3 条件
Pass@k
生成された k 個のサンプルのうち少なくとも 1 つがテストに合格する可能性を測定するコード評価メトリクス。
Perplexity
モデルが真の次のトークンにどれだけ驚いたかを測定する言語モデルのメトリクス。
Prompt Engineering
プロンプトを設計して、出力品質、信頼性、制御性を向上させます。
Q1 term
QLoRA
4 ビットの重み量子化と LoRA アダプターを組み合わせてメモリの必要性を削減する微調整手法。
R3 条件
RAG (検索拡張生成)
外部の知識を取得し、それを推論時の生成にフィードする方法。
RAG フュージョン
複数のクエリ バリアントを生成し、それぞれの結果を取得し、ランキングを融合する取得方法。
RoPE (回転位置埋め込み)
クエリとキー ベクトルを回転して相対的なトークンの位置をエンコードする位置エンコード方式。
T2 条件
Top-k サンプリング
次の可能性が最も高い k 個のトークンのみからサンプリングするデコード戦略。
Top-p (核) サンプリング
確率の合計が p になる最小のトークン セットからサンプリングする復号化戦略。
X1 term
XAI（説明可能なAI）
AI 予測をより透明性があり、理解しやすくするためのテクニックと実践。
ア5 条件
アリビ
トークンの距離に基づいて注意スコアにペナルティを課す位置バイアス手法で、モデルがより長いコンテキストを推定するのに役立ちます。
アルゴリズム
問題を解決したりタスクを完了したりするためにコンピュータが従う、定義された一連のルールまたは手順。
アルゴリズムのバイアス
歪んだデータ、仮定、またはモデリングの選択によって引き起こされるモデル出力の体系的な不公平。
アルゴリズムの透明性
AI システムのロジック、データ ソース、制限がどの程度明確に文書化され、理解しやすいか。
アンサンブル
複数のモデルからの予測を組み合わせて堅牢性または精度を向上させます。
エ4 条件
エージェントのワークフロー
AI システムが計画、実行、結果を確認し、目標に向かって反復する複数段階のプロセス。
エージェントループ
AI エージェントが目標を完了するか停止条件に達するまで、観察、計画、行動、反映する反復サイクル。
エバルハーネス
モデルのバージョン間でプロンプト、データセット、スコアリング ロジックを実行する反復可能な評価フレームワーク。
エンコーダ
入力を潜在表現に変換するモデルのコンポーネント。
オ2 条件
オープンソースモデル
検査、適合、再利用のために公開された重みまたはコードとともにリリースされたモデル。
オンデバイスAI
AI 推論は、リモートのクラウド サービスではなく、ユーザーのハードウェア上でローカルに実行されます。
ガ1 term
ガードレール
安全でないまたは望ましくないモデルの動作を制限するルール、チェック、および制御。
ク3 条件
クリップ
テキストと画像間の共有表現を学習するマルチモーダル モデル アーキテクチャ。
クロスエンコーダー
高精度の関連性判断のために、クエリとドキュメントを 1 つのパスで一緒にスコアリングするモデル。
クロスエントロピー損失
不正確な確率にペナルティを課すことによって分類モデルをトレーニングするために使用される一般的な目的関数。
グ3 条件
グラウンディング性
AI の応答がソース データまたは取得された証拠によってどの程度裏付けられるか。
グラウンドトゥルース
モデル出力のトレーニングまたは評価に使用される信頼できる参照ラベル。
グラデーション
損失を減らすために各パラメータをどの程度変更する必要があるかを示すベクトル。
コ3 条件
コンテキストウィンドウ
言語モデルが一度に処理できる入力トークンの最大量。
コンピュータビジョン
画像やビデオから意味を抽出する AI の分野。
コンピューティング
モデルのトレーニングと実行に必要な処理リソース。多くの場合、FLOPS または GPU 時間で測定されます。
シ2 条件
ス3 条件
スケーリングの法則
モデルのサイズ、データ、またはコンピューティングによってパフォーマンスがどのように向上するかを示す経験的な関係。
スパースモデル
計算量を減らすために、多くのパラメーターがゼロまたは非アクティブになっているモデル。
スライディングウィンドウの注意
コンピューティングを削減するために、各トークンが近くのトークンの固定サイズのウィンドウのみに注目するアテンション パターン。
セ5 条件
セーフティケース
AI システムが定義された使用状況において安全であるという、証拠によって裏付けられた構造化された議論。
セーフティフィルター
安全でないモデルの入力または出力をブロックまたは書き換えるモデレーション層。
セマンティック検索
多くの場合、埋め込みを使用して、キーワードの正確な重複ではなく意味に一致する検索を行います。
セルフプレイ
モデル自体のコピーとの相互作用や競合を通じてデータを生成することでモデルが向上するトレーニング設定。
センテンスピース
言語に依存しないトークナイザーは、空白で事前に分割することなく、生のテキストからサブワード単位を直接学習します。
ゼ1 term
ゼロショット学習
事前の一般知識に頼って、タスク固有の例を使用せずにタスクを解決する。
ツ1 term
ツールの使用
検索、計算機、API などの外部ツールを呼び出すモデルの機能。
テ1 term
テスト時のコンピューティング
品質または推論を向上させるために応答生成中に使用される追加の推論計算。
デ9 条件
データセット
トレーニング、検証、テストに使用される構造化サンプルまたは非構造化サンプルのコレクション。
データドリフト
モデルのパフォーマンスを低下させる可能性がある、時間の経過に伴う実世界の入力データの変化。
データのラベル付け
教師あり学習のために生データにタグまたはターゲット出力を割り当てるプロセス。
データの出所
データセットまたはモデル アーティファクトの文書化された起源、所有権、および履歴。
データリネージュ
データがどこから来たのか、どのように変換されたのか、どこで使用されたのかの記録。
データ保持ゼロ
短期間の運用期間を超えた処理後に要求/応答ペイロードが保存されないポリシー。
データ拡張
モデルの一般化を改善するために変更されたトレーニング サンプルを作成する手法。
ディープラーニング
表現学習に多層ニューラル ネットワークを使用する機械学習のサブセット。
デシジョンツリー
一連の if-then 特徴分割を通じて予測を行うモデル。
ト6 条件
ド1 term
ドメイン適応
あるドメインでトレーニングされたモデルを別のドメインでより適切に実行できるように転送するメソッド。
ナ2 条件
ニ2 条件
ニューサウスウェールズ州
高次元ベクトルに対する高速近似最近傍検索のためのグラフベースのインデックス構造。
ニューラルネットワーク
生物学的ニューロンとシナプスにヒントを得た階層型計算モデル。
ハ2 条件
バ3 条件
バイアス
データまたはモデルの動作におけるエラーまたは不公平性の一貫したパターン。
バイエンコーダー
クエリとドキュメントを別々のベクトルにエンコードして、大規模な規模で迅速に比較できるようにするモデル。
バックプロパゲーション
ネットワークを通じて予測誤差を逆方向に伝播することによってモデルの重みを更新するコア トレーニング アルゴリズム。
パ3 条件
パイプライン
前処理、モデル ステップ、後処理ステージの順序付けられたワークフロー。
パラメータ
出力に影響を与える、モデル内で学習された重み。
パラメータ効率の良い微調整 (PEFT)
追加されたパラメーターの小さなサブセットをトレーニングすることでモデルを適応させる方法。
ヒ1 term
ヒューマンフィードバックからの強化学習 (RLHF)
人間の好みの信号を使用してモデルの動作を形成するトレーニング方法。
ビ2 条件
フ2 条件
フィーチャーストア
トレーニングと推論のために、検証された ML 機能を一貫して保存および提供するためのマネージド システム。
フラッシュアテンション
最適化されたアテンション アルゴリズムにより、メモリの使用量が削減され、トランスフォーマーのトレーニングと推論が高速化されます。
ブ1 term
ブラックボックスモデル
内部推論が人間によって直接解釈することが困難なモデル。
プ3 条件
プレゼンスペナルティ
トークンが出現する確率を減らし、新しい話題を促すデコード設定。
プロンプト
生成モデルに提供される入力命令とコンテキスト。
プロンプトテンプレート
変数、書式設定ルール、タスク固有の指示を含む再利用可能なプロンプト パターン。
ベ4 条件
ベースラインモデル
より複雑なアプローチが実際に結果を改善するかどうかを比較するために使用される単純な参照モデル。
ベクターデータベース
高次元の埋め込みベクトルの保存とクエリのために最適化されたデータベース。
ベンチマーク
モデルのパフォーマンスを測定および比較するために使用される標準化されたテストまたはデータセット。
ベンチマーク漏れ量
ベンチマーク テストの例またはそれに近いバリアントがトレーニング データに存在すると、報告されるパフォーマンスが水増しされます。
マ2 条件
マルチヘッドアテンション
複数のアテンション操作を並行して実行して、さまざまなタイプの関係をキャプチャするトランスフォーマー メカニズム。
マルチモーダルモデル
テキスト、画像、音声などの複数のデータ型を処理または生成できるモデル。
メ1 term
メモリ (エージェントメモリ)
AI エージェントが継続性を向上させるためにステップまたはセッション全体で使用する保存されたコンテキスト。
モ4 条件
ラ1 term
ラベルのスムージング
一般化を改善するためにハードラベルを柔らかくする正則化方法。
リ2 条件
レ2 条件
一1 term
一般化
トレーニング セットの外にある新しい未確認のデータに対してモデルがどの程度うまく機能するか。
事2 条件
人3 条件
位1 term
位置エンコーディング
トランスフォーマーがシーケンスの順序を区別できるように、トークンの埋め込みに情報が追加されました。
保1 term
保護されたデコード
出力トークンを有効な構造またはポリシーに準拠した選択肢に制限する生成戦略。
信1 term
信頼区間
測定されたモデル メトリックの真の値が含まれる可能性が高い統計範囲。
偽1 term
偽陰性
モデルが真陽性のケースを見逃す不正確な予測。
出1 term
出力パーサー
モデル出力を検証し、厳密に型指定されたマシンで使用可能な構造に変換するロジック。
分2 条件
剪1 term
剪定
重要性の低いモデルの重みやニューロンを削除して、サイズを削減し、計算を行います。
勾1 term
勾配降下法
誤差が少なくなる方向にパラメータを更新する最適化手法。
単1 term
単語の埋め込み
意味関係を捉えた単語の密なベクトル表現。
即1 term
即時注入
悪意のある命令がモデルの入力または取得されたコンテンツに挿入される攻撃パターン。
反2 条件
合1 term
合成データ
機密トレーニング データを強化、シミュレート、または保護するために使用される人工的に生成されたデータ。
周1 term
周波数ペナルティ
これまでのトークンの出現頻度に比例してトークンの確率を下げるデコード設定。
命1 term
命令チューニング
命令と応答のペアに基づいてモデルを微調整して、タスクの追跡を改善します。
因1 term
因果推論
単純な相関関係ではなく、因果関係を推定する方法。
固1 term
固有表現認識 (NER)
人、場所、日付、組織などのエンティティを識別する NLP タスク。
埋2 条件
基1 term
基礎モデル
多くの下流タスクに適応できる大規模な事前トレーニング済みモデル。
堅1 term
堅牢性
ノイズ、シフト、または敵対的な入力の下でパフォーマンスを維持するモデルの機能。
報1 term
報酬モデル
RLHF パイプラインでよく使用される、優先信号に基づいて出力をスコアリングするモデル。
変1 term
変圧器
注意を使用してシーケンス全体の関係を並行してモデル化するニューラル アーキテクチャ。
大1 term
大規模言語モデル (LLM)
テキストを生成および分析するために大規模なテキスト コーパスでトレーニングされた言語モデル。
学1 term
学習率
各更新ステップでパラメータがどの程度変更されるかを制御するトレーニング ハイパーパラメータ。
専1 term
専門家の混合 (MoE)
選択されたエキスパートのみが入力ごとに実行される特殊なサブネットワークを備えたアーキテクチャ。
小1 term
小規模言語モデル (SLM)
待ち時間、コスト、またはデバイス上での使用を低減するために最適化されたコンパクトな言語モデル。
差1 term
差分プライバシー
統計ノイズを追加して、出力から個々のレコードを確実に推測できないようにするプライバシー技術。
幻1 term
幻覚
モデルが流暢ではあるが誤った情報またはサポートされていない情報を生成する場合。
引1 term
引用
モデルの主張を裏付けるためにモデルの応答に含まれるソースの一節または文書への参照。
弱1 term
弱い監督
きれいなラベルが不足している場合に、ノイズの多いラベル、ヒューリスティックなラベル、または部分的なラベルを使用してモデルをトレーニングする。
強1 term
強化学習
報酬によるトレーニングは、エージェントが長期的な利益を最大化するアクションを学習することを示します。
従1 term
従量制課金
API 呼び出し、トークン、推論時間、または消費されたコンピューティングに応じてコストが変動する価格設定。
微1 term
微調整
ドメイン固有のデータに対するトレーニングを継続して、事前トレーニングされたモデルを特定のタスクに適応させます。
思2 条件
意2 条件
感1 term
感情分析
テキスト内の感情的な調子や意見を分類する NLP タスク。
憲1 term
憲法AI
モデルの出力が、文書化された一連の固定された原則によって導かれる、トレーニングおよび行動形成のアプローチ。
投1 term
投機的デコード
小規模なドラフト モデルが提案するトークンを、より大きなモデルが並行して検証する推論高速化方法。
推4 条件
損1 term
損失関数
トレーニング中の予測誤差を定量化する数学的目標。
教2 条件
数1 term
数回の学習
ほんの少数の例から行動を学習または適応すること。
普1 term
普及モデル
ノイズを反転して画像、音声、その他のコンテンツを合成することを学習する生成アーキテクチャ。
校1 term
校正
モデルの信頼スコアが実際の正確性確率とどの程度一致するか。
検3 条件
構1 term
構造化された出力
JSON、ツール引数、型付きフィールドなどの定義されたスキーマに制約されたモデル出力。
機1 term
機械学習 (ML)
システムがデータからパターンを学習し、時間の経過とともに改善できるようにする方法。
正1 term
正規化
値を一貫したスケールに変換して、最適化の安定性を向上させます。
注2 条件
温1 term
温度
生成される出力のランダム性を制御するサンプリング設定。
潜1 term
潜在空間
同様の概念がベクトルとして互いに近くに配置される、圧縮された表現空間。
特3 条件
状1 term
状況に応じた学習
プロンプトで直接提供される例のパターンに従うモデルの機能。
生1 term
生成AI
テキスト、画像、オーディオ、ビデオ、コードなどの新しいコンテンツを生成する AI システム。
畳1 term
畳み込みニューラル ネットワーク (CNN)
画像などのグリッド状のデータを処理するために最適化されたニューラル アーキテクチャ。
知2 条件
精1 term
精度
実際に正しい予測陽性者の割合。
継1 term
継続的な学習
モデルが事前の知識を忘れることなく新しいデータから学習し続けることができるトレーニング アプローチ。
脱1 term
脱獄
モデルの安全制約を回避することを目的とした即時テクニック。
自3 条件
自己教師あり学習
マスクされた部分または変換された部分を予測することにより、ラベルのないデータから表現を学習します。
自律システム
人間による直接的な制御を制限したり、制御せずにリアルタイムで意思決定し、行動できるシステム。
自然言語処理 (NLP)
AI の分野は、人間の言語の理解と生成に焦点を当てていました。
蒸2 条件
裁1 term
裁判官としてのLLM
言語モデルを使用して、評価中に他のモデルからの出力をスコアリングまたは比較します。
複1 term
複数クエリの取得
再現率を向上させるためにユーザー クエリをいくつかのバリアントに書き換える検索手法。
視1 term
視覚言語モデル (VLM)
視覚情報とテキスト情報を共同処理するマルチモーダル モデル。
親1 term
親ドキュメントの取得
小さなチャンクを検索しますが、より豊富なコンテキストを得るために、より大きな親ドキュメントを返す検索パターン。
評1 term
評価セット
トレーニング後にモデルの品質を測定するために使用される保持されたデータセット。
誤1 term
誤検知
モデルが陰性のケースを陽性として誤ってフラグを立てる不正確な予測。
説1 term
説明可能性
モデルの動作を人間にどの程度解釈して説明できるか。
調1 term
調整税
システムをより安全で制御しやすくするために必要な、時間、コンピューティング、または製品の速度に関する追加のコスト。
転1 term
転移学習
あるタスクまたはドメインで学んだ知識を応用して、別のタスクを改善すること。
透1 term
透かし
AI が生成したテキストまたはメディアに検出可能な信号を埋め込み、後でそれが機械によって生成されたものであると識別できるようにします。
過1 term
過学習
モデルがトレーニング データを記憶し、目に見えない入力に対してパフォーマンスが低下する場合。
重1 term
重量
ニューラル ネットワークを通過する信号をスケールする学習された数値。
量1 term
量子化
モデルの重みを 8 ビットや 4 ビットなどの低精度形式に変換します。
関1 term
関数呼び出し
外部ツールまたは API をトリガーする構造化呼び出しを生成するモデル機能。