AI用語集

RLAIFとは、人手の代わりにAIの評価を利用して好みデータを作り、強化学習でモデルを調整する手法です。理解すると調整がしやすくなります。

RLHFとは、人の好みの評価を使って報酬モデルを作り、強化学習でモデルの振る舞いを整える手法です。理解すると調整がしやすくなります。

アラインメントとは、モデルの出力を人の意図や安全基準に合うよう調整し、望ましくない振る舞いを減らす取り組みです。安全な運用の基礎になります。

埋め込みとは、文章や画像を意味が近いほど近くなる数値ベクトルに変換し、検索や分類に使う表現です。理解すると調整がしやすくなります。

エージェントとは、目標達成のために計画し、ツールを使い、結果を見直しながらタスクを進めるAIの実行形態です。理解すると調整がしやすくなります。

エージェントメモリとは、会話や作業の重要情報を保存し、後のタスクで再利用できるようにする仕組みです。体験設計で重要になります。

音声合成とは、テキストから自然な音声を生成する技術で、読み上げや対話型アシスタントに使われます。体験設計で重要になります。

音声認識とは、音声データを文字に変換する技術で、会議の文字起こしや字幕生成に使われます。体験設計で重要になります。

温度とは、次トークン選択の確率分布のばらつきを調整する設定で、創造性と安定性のバランスを変えます。理解すると調整がしやすくなります。

MCPとは、LLMアプリケーションと外部ツール・データソースを接続する方法を標準化するプロトコルです。エージェントのツール連携を理解する鍵になります。

ADKとは、AIエージェントを設計、実装、評価、デプロイするための開発キットです。モデル単体ではなく、ツールや状態管理を含むアプリ開発の文脈で使われます。

A2Aプロトコルとは、複数のAIエージェントが役割や状態を共有しながら連携するための通信方式です。単体エージェントからマルチエージェント運用へ進む流れを理解する用語です。

Web検索とは、LLMが回答前または回答中にWeb上の情報を取得し、最新情報や出典を反映する機能です。ニュース、価格、仕様変更などを扱うAIアプリで重要です。

SWE-benchとは、実際のGitHub課題をもとにAIのソフトウェア修正能力を測るベンチマークです。コーディングエージェントの実力を読む際の代表的な指標です。

AI透かしとは、AI生成コンテンツであることを判別しやすくするために、画像、音声、テキストなどへ検出可能な信号を埋め込む技術です。

拡散モデルとは、ノイズから段階的に画像を復元する過程を学習し、高品質な画像生成を実現する生成モデルです。仕組みを知ると使い分けやすいです。

関数呼び出しとは、モデルが必要な操作を関数名と引数で返し、外部処理を安全に実行できるようにする仕組みです。体験設計で重要になります。

ガードレールとは、禁止内容の検知や出力制御を行い、危険・不適切な回答を防ぐための安全対策の総称です。安全な運用の基礎になります。

画像生成とは、文章の指示などから新しい画像を作り出す技術で、デザイン案作成や表現の試作に使われます。体験設計で重要になります。

画像理解とは、画像の内容を解析して物体や文字、関係性を把握し、説明や分類に活かすAIの能力です。体験設計で重要になります。

強化学習とは、行動の結果として得られる報酬を最大化するように方策を学ぶ学習手法です。理解すると調整がしやすくなります。

拒否応答とは、安全上または方針上対応できない依頼に対して、理由を添えて断るモデルの振る舞いです。安全な運用の基礎になります。

グラウンディングとは、回答を特定の根拠情報に結び付け、推測ではなく参照に基づいて答える状態を作る考え方です。理解すると調整がしやすくなります。

継続事前学習とは、事前学習済みモデルに追加データで再び事前学習を行い、知識や語彙を拡張する方法です。理解すると調整がしやすくなります。

KVキャッシュとは、生成中の注意計算の中間結果を保存し、次トークン生成を高速化する推論最適化です。体験設計で重要になります。

検索拡張生成とは、外部検索で根拠文を取り出し、その内容を使って回答を生成することで正確さを高める手法です。理解すると調整がしやすくなります。

憲法AIとは、事前に定めた原則集に基づいて出力を自己改善させ、安全で一貫した振る舞いを目指す学習手法です。安全な運用の基礎になります。

構造化出力とは、決まった構造で回答させ、後段の処理で機械的に扱いやすくする出力方式です。体験設計で重要になります。

混合専門家とは、複数の小さな専門モデルを用意し、入力に応じて一部だけを選んで計算するモデル設計です。仕組みを知ると使い分けやすいです。

コンテキスト圧縮とは、長い入力を要点や必要情報に縮めて、トークンを節約しつつ精度を保つ工夫です。理解すると調整がしやすくなります。

コンテキストウィンドウとは、モデルが一度に参照できる入力と出力の合計文脈範囲で、トークン数で表されます。理解すると調整がしやすくなります。

コンテキスト長とは、コンテキストウィンドウで扱えるトークン上限を指し、長文処理の能力と直結します。理解すると調整がしやすくなります。

Computer Useとは、AIが画面を見ながらクリック、入力、スクロールなどのPC操作を実行する能力です。AIエージェントが既存アプリを扱う基礎になります。

コーディングエージェントとは、コードの読解、編集、テスト実行、修正提案を自律的に進めるAIエージェントです。単なる補完ツールから開発ワークフロー全体へ広がる概念です。

Content Credentialsとは、画像や動画などの作成・編集履歴を確認できるメタデータ表示の仕組みです。生成AI時代のコンテンツ来歴確認で重要になります。

能力評価とは、AIモデルがどのタスクをどの程度こなせるかを、ベンチマーク、専門家評価、レッドチーミングなどで測る取り組みです。安全性評価の前提にもなります。

差分プライバシーとは、個々のデータの影響が推測されにくいようノイズを加え、学習や集計のプライバシーを守る考え方です。安全な運用の基礎になります。

視覚言語モデルとは、画像と文章を一緒に理解し、画像内容の説明や質問回答を行えるモデルです。仕組みを知ると使い分けやすいです。

思考の連鎖とは、結論だけでなく途中の推論手順も文章化して解かせ、複雑な問題の正答率を上げる技法です。理解すると調整がしやすくなります。

指示チューニングとは、「指示→望ましい回答」の例で学習し、モデルを指示に従いやすくする追加学習です。理解すると調整がしやすくなります。

システムプロンプトとは、会話全体の方針や守るべきルールを定める上位の指示で、ユーザー入力より優先されます。理解すると調整がしやすくなります。

出典引用とは、回答の根拠となった文書や箇所を明示し、読者が確認できるようにする仕組みです。体験設計で重要になります。

出力トークンとは、モデルが生成した回答文が分割されたトークン数で、料金や生成上限の計算に使われます。料金見積もりの基本になります。

少数例プロンプティングとは、入力と望ましい出力の例を少し入れて、モデルに形式や判断基準を学習させる方法です。理解すると調整がしやすくなります。

自己回帰モデルとは、直前までの文脈から次のトークンを順番に予測し、文章を1つずつ生成するモデルです。仕組みを知ると使い分けやすいです。

自己整合性とは、同じ問いを複数回解かせて多数決などで答えをまとめ、偶然の誤りを減らす推論手法です。理解すると調整がしやすくなります。

事前学習とは、大量の未整理テキストから言語の一般的な知識を身につけるための大規模な学習段階です。理解すると調整がしやすくなります。

自動評価とは、ルールや別モデルを使って出力品質を機械的に測り、素早く改善サイクルを回す評価方法です。理解すると調整がしやすくなります。

従量課金とは、利用量に応じて費用が増減する料金方式で、AIでは主にトークンや処理量が基準になります。料金見積もりの基本になります。

ストップシーケンスとは、特定の文字列が出た時点で生成を止めるための終了条件です。理解すると調整がしやすくなります。

ストリーミング生成とは、回答を一度に返さず、生成されたトークンから順に逐次表示する出力方式です。体験設計で重要になります。

セーフティ分類器とは、入力や出力が安全基準に反していないかを判定する検知モデルで、ガードレールの中核になります。安全な運用の基礎になります。

ゼロショットプロンプティングとは、例を示さず指示だけでタスクを解かせる方法で、手早く試すときに使われます。理解すると調整がしやすくなります。

推論モデルとは、複雑な問題を段階的に考え、数学、コード、計画立案などで高い正確性を狙うAIモデルです。通常のチャットモデルとの使い分けがニュース理解のポイントです。

C2PAとは、デジタルコンテンツの作成元や編集履歴を暗号学的に記録・検証するための標準仕様です。Content Credentialsを支える技術基盤として理解されます。

大規模言語モデルとは、大量の文章から言葉のつながりを学び、対話や要約などを生成するAIモデルです。仕組みを知ると使い分けやすいです。

チャンク分割とは、長い文書を適切な長さの塊に分け、検索やRAGで扱いやすくする前処理です。理解すると調整がしやすくなります。

注意機構とは、入力のどの部分を重視するかを重みで表し、必要な情報を集めて出力に反映する仕組みです。理解すると調整がしやすくなります。

ツール利用とは、モデルが検索や計算など外部ツールを呼び出し、結果を取り込んで回答精度を高める仕組みです。実装設計でよく登場します。

転移学習とは、あるデータで学んだ知識を別のタスクに活かし、少ないデータでも性能を出す学習の考え方です。理解すると調整がしやすくなります。

DPOとは、好みの比較データを直接目的関数に取り込み、強化学習を使わずに方策を最適化する学習手法です。理解すると調整がしやすくなります。

データ漏えいとは、機密情報や個人情報が意図せず外部へ出たり、学習・出力から復元されてしまうリスクです。安全な運用の基礎になります。

トークンとは、文章をモデルが扱える細かな単位に分けたもので、料金や入力長の見積もりにも使われます。理解すると調整がしやすくなります。

トークン課金とは、入力と出力のトークン数に応じて料金が決まる従量課金方式です。料金見積もりの基本になります。入力と出力を意識すると節約につながります。

トップPサンプリングとは、確率の高い候補から合計確率がPに達するまで選び、その範囲で次トークンを抽選する方法です。理解すると調整がしやすくなります。

トランスフォーマーとは、文章中の重要な関係を注意機構で捉え、並列計算で学習できるニューラルネットです。仕組みを知ると使い分けやすいです。

テスト時コンピュートとは、学習後の推論時に使う計算量を増やして回答品質を高める考え方です。推論モデルやエージェントの性能改善を読む際の基礎概念です。

入力トークンとは、モデルに渡すプロンプトや文脈が分割されたトークン数で、料金や上限の基準になります。料金見積もりの基本になります。

ハルシネーションとは、モデルが事実に反する内容をもっともらしく生成してしまう現象です。理解すると調整がしやすくなります。

人手評価とは、実際の人が出力を読み、正確さや有用性などの観点で品質を判定する評価方法です。理解すると調整がしやすくなります。

ファインチューニングとは、事前学習済みモデルを特定用途のデータで追加学習し、振る舞いを最適化する手法です。理解すると調整がしやすくなります。

プランニングとは、目標を達成するための手順を分解し、実行順序や必要情報を整理するエージェントの工程です。理解すると調整がしやすくなります。

プロンプトとは、モデルに目的や条件を伝える入力文で、出力品質を左右する操作レバーです。理解すると調整がしやすくなります。

プロンプトインジェクションとは、悪意ある指示でシステムのルールを上書きし、意図しない情報漏えいや操作を狙う攻撃です。安全な運用の基礎になります。

プロンプトテンプレートとは、指示文の型を部品化し、変数を差し替えて安定した入出力を作る仕組みです。実装設計でよく登場します。

ベクトル検索とは、埋め込みベクトルの距離を使って意味の近い文書やデータを探す検索方式です。理解すると調整がしやすくなります。

ベクトルデータベースとは、埋め込みベクトルを保存し、近いベクトルを高速に検索できるよう最適化したデータ基盤です。実装設計でよく登場します。

ベンチマークとは、複数のモデルを同条件で比較するための標準的な問題集や評価手順のことです。理解すると調整がしやすくなります。

報酬モデルとは、回答の良さを数値で評価するモデルで、RLHFなどで学習の指標として使われます。理解すると調整がしやすくなります。

プロンプトキャッシングとは、繰り返し使う長い入力を再利用して、LLM APIの処理時間やコストを抑える仕組みです。長文RAGやエージェント実行の効率化で重要です。

音声エージェントとは、音声認識、LLM、音声合成、ツール利用を組み合わせ、会話しながらタスクを進めるAIです。低遅延と安全な実行設計が重要になります。

ブラウザ自動化とは、AIやプログラムがWebページを開き、クリック、入力、情報取得を行う仕組みです。Computer Useや業務エージェントの実用性を左右します。

プロベナンスとは、コンテンツやデータがどこで作られ、どのように編集・流通したかを示す来歴情報です。AI生成物の信頼性を判断する土台になります。

フロンティアモデルとは、現時点で最高水準に近い能力を持ち、広範なタスクに影響を与えうる大規模AIモデルです。性能だけでなく安全性や評価体制も注目されます。

マルチモーダルとは、文章だけでなく画像や音声など複数の種類の情報を同時に扱えるAIの性質です。体験設計で重要になります。

モデル蒸留とは、大きな教師モデルの出力を学習材料にして、小さな学生モデルへ知識を移す軽量化手法です。理解すると調整がしやすくなります。

役割付与とは、「あなたは○○です」と役割や立場を指定し、望む口調や観点で回答させやすくする手法です。理解すると調整がしやすくなります。

有害性とは、差別・暴力・嫌がらせなど人に害を与える内容の度合いで、安全性評価やフィルタリングの対象になります。安全な運用の基礎になります。

リトリーバーとは、質問に関連する文書やチャンクを検索で取り出し、LLMへ渡す役割を担うコンポーネントです。実装設計でよく登場します。

リフレクションとは、生成結果を自己点検し、誤りや不足を見つけて修正するための見直し工程です。理解すると調整がしやすくなります。

料金ティアとは、利用枠や単価、機能が段階別に定められた料金区分で、用途に合うプラン選びに使われます。料金見積もりの基本になります。

量子化とは、モデルの重み表現を低ビット化して計算量とメモリを減らし、推論を高速・低コストにする手法です。理解すると調整がしやすくなります。

リランキングとは、検索で集めた候補文書を別モデルや評価関数で並べ替え、より関連度の高い順に絞り込む工程です。理解すると調整がしやすくなります。

ルーブリック評価とは、評価観点と採点基準を表にして、出力を一貫したルールで評価する方法です。理解すると調整がしやすくなります。

レイテンシとは、リクエストしてから回答が返るまでの遅延時間で、体感速度と運用コストに直結します。体験設計で重要になります。

レート制限とは、一定時間に送れるリクエスト数やトークン量の上限で、安定運用と公平性のために設けられます。料金見積もりの基本になります。

レッドチーミングとは、悪用や失敗を想定した攻撃的なテストで、モデルやシステムの弱点を事前に洗い出す活動です。安全な運用の基礎になります。

LoRAとは、重み全体を更新せず小さな追加行列だけを学習し、少ない計算でモデルを適応させる手法です。理解すると調整がしやすくなります。

Realtime APIとは、音声やテキストを低遅延でやり取りし、会話型AIやライブ支援を実現するAPIです。音声エージェントやマルチモーダル体験の基盤になります。

Responsible Scaling Policyとは、高性能AIモデルの能力やリスクが上がる段階に応じて、安全評価、制限、公開判断を定める方針です。フロンティアモデルの安全治理で使われます。