GLOSSARY / CONCEPTS
AI 用語集
中核的な AI 概念を平易な言葉で解説 — 専門用語の壁なし。
01大規模言語モデル（LLM）膨大なテキストで学習し、言語を予測・生成するニューラルネットワークで、すべての AI チャットアシスタントの心臓部です。02生成 AIテキスト・画像・動画・音声・コードなど、新しいコンテンツを生み出す AI。固定選択肢の分類や予測だけに留まりません。03プロンプト（プロンプトエンジニアリング）プロンプトは AI モデルに与える指示。プロンプトエンジニアリングは、望む出力を安定して引き出す指示文を書く技術です。04トークンAI モデルが実際に読み書きする小さなテキスト断片（約 1 語またはその一部）。課金もコンテキスト上限もトークン単位で数えます。05ハルシネーション（幻覚）AI モデルが事実でない情報を自信ありげに述べること — でっち上げの事実、偽の引用、もっともらしい誤答です。06マルチモーダルテキストだけでなく、画像の理解・音声の生成・動画の視聴など、複数のメディアを同時に扱えるモデルです。07ファインチューニング事前学習済みモデルを、独自のサンプルで追加学習して特定のスタイル・タスク・領域に適応させることです。08オープンウェイト（オープンソースモデル）学習済みパラメータが公開され、誰でも自分のハードウェアで実行・監査・改造できるモデルです。09コンテキスト窓（コンテキストウィンドウ）モデルが一度に参照できるテキスト量 — 会話と添付文書を含む作業記憶で、トークン単位で測ります。10検索拡張生成（RAG）モデルがまず関連文書（やウェブ）を検索し、見つけた内容に基づいて出典付きで回答する手法です。11AI エージェント単発の質問応答にとどまらず、ウェブ閲覧・コード作成・ツール利用といった複数段階のタスクを自律的に計画・実行する AI システムです。12推論（インファレンス）学習済みモデルを動かして出力を得る行為です。チャットの返答・生成画像・API 呼び出しのすべてが一度の推論パスです。13エンベディング（埋め込み）テキスト・画像・音声を意味を捉えた数値で表したもの。ベクトルを比較することで機械が類似コンテンツを見つけられます。14API（AI の API）開発者が自社ソフトウェアから AI モデルを呼び出せるプログラミングインターフェースで、通常は利用量に応じて課金されます。15AI 安全性とアライメントAI システムを有用・誠実・無害にする取り組みです。有能でも有害な出力ではなく、人間の意図と価値に従うことを目指します。16基盤モデル（ファウンデーションモデル）広範なデータで学習された大規模で汎用的なモデル。単一の仕事ではなく、多くの下流タスクに適応できるように設計されています。17拡散モデル現代のほとんどの画像・動画生成を支えるモデル群。ノイズを段階的に除去して、鮮明な画像へと仕上げていきます。18LoRA（低ランク適応）ベースモデルに新しいスタイル・キャラクター・スキルを教える軽量な方法。モデル全体の再学習ではなく、数時間で学べる小さな追加ファイルです。19量子化モデルの重みを 16 ビットから 8・4 ビット以下へ圧縮する技術。大型モデルを小型ハードウェアで動かせるようになり、代償はわずかな品質低下です。20トークナイザーテキストをトークンに分割するコンポーネント。モデルが実際に読み、書き、課金の単位となる最小単位です。21混合エキスパート（MoE）各リクエストを少数の専門サブネットワークへ振り分けるアーキテクチャ。トークンあたりの計算量を抑えつつ、最前線級の品質を実現します。22ベクトルデータベーステキスト（や画像）を数値の埋め込みとして保存し、最も似た項目をミリ秒で探すデータベース。RAG や AI 検索の記憶層です。23システムプロンプト会話が始まる前にモデルへ与えられる非公開の指示。役割・トーン・境界・ルールを定めます。24温度（テンパラチャ）モデル出力の予測可能性・創造性を調整するダイヤル。事実の正確さには低く、多様性には高く。25Transformerチャットボットから画像生成まで、現代のほぼすべての AI モデルの基盤となるニューラルネットワーク構造。その核心は attention（注意機構）です。26RLHF（人間のフィードバックによる強化学習）生の言語モデルを礼儀正しく、役に立ち、安全にする学習ステップ。どの回答が優れているかという人間の判断を大量に用いて教えます。27蒸留（ディスティレーション）小さく高速なモデルに大きなモデルを模倣させる手法。実行コストを大幅に抑えつつ、大モデルの品質の多くを引き継ぎます。28ガードレールAI システムの外側にある安全層。有害出力・禁止トピック・プロンプト攻撃・危険な操作を、ユーザーに届く前に遮るフィルタとルールです。29ツール呼び出しモデルがソフトウェアを使う仕組み。テキストを出力するだけでなく、電卓・検索エンジン・API を呼ぶ構造化リクエストを発行し、結果を回答に織り込みます。30構造化出力モデルにスキーマ通りの有効な JSON を返させること。デモと、本番に載せられるソフトウェアの分水嶺です。31少数ショットプロンプティングプロンプト内での「例による教育」。入出力ペアをいくつか見せると、新しい入力でそのパターンを模倣します — 再学習は不要です。32プロンプトインジェクションAI システムへの攻撃手法。モデルが読むデータに指示を忍び込ませ、本来の命令を無視させます — LLM 時代の SQL インジェクションです。33思考連鎖（Chain-of-Thought）モデルが回答前に問題を段階的に考え抜く手法。数学・論理・計画で大幅に向上しますが、時間とトークンを余分に消費します。34評価（Evals）AI の振る舞いに対する体系的なテスト。固定タスクセットと採点器により、モデルやプロンプトの変更が実際に良くなったかを示します。35ジェイルブレイク細工されたプロンプトで AI アシスタントの安全規則を無視させ、本来拒否すべき出力を引き出す手法です。36視覚言語モデル（VLM）画像もテキストと同様に読めるモデル。スクリーンショット・グラフ・写真・図を送り、自然言語で質問できます。37音声認識（ASR）話し声をテキストへ変換する技術。会議の文字起こし、音声アシスタント、字幕ツールの基盤で、明瞭な音声では人間に近い精度に達しています。38ボイスクローン録音から特定人物の声の合成コピーを作る技術。今や数秒の音声で足り、創作の超能力であると同時に詐欺の経路でもあります。39グラウンディングモデルの回答を検証可能な情報源 — 自社文書、データベース、ライブのウェブ — に固定し、記憶だけを信頼しないことです。40小規模言語モデル（SLM）（およそ 1〜13B パラメータの）コンパクトなモデルで、小ささ以上の力を出すよう調整されています。高速・低コスト・プライベートで、スマホ・ノート・エッジデバイスで動きます。41潜在空間モデルが概念を表現する内部の数値空間。近い点は似た意味を持ち、ある方向へ動くと概念が滑らかに変わります。42インペインティング画像の選択した部分だけを再生成します。通行人を消し、商品を差し替え、背景を広げる — 残りはピクセル単位でそのまま。43チェックポイントモデルの重みの保存スナップショット。オープンモデルを取得するときの手元に来るファイルであり、コミュニティがハブで共有する単位です。44KV キャッシュ既に読んだトークンについてのメモを再計算なしで保持させる仕組み。長い会話が GPU メモリを食う理由です。45リランキング真の関連度で検索結果を並べ替える第二段階のモデル。本気の RAG と企業検索の背後にある静かな品質向上です。46AGI（汎用人工知能）本質的にすべての認知作業で人間に並ぶ仮想の AI。業界が掲げる到達点であり、最も論争的な言葉です。47追従性（シコファンシー）AI アシスタントが同意し、おだてて、反論されると正しい答えを手放す習性。人間のフィードバック学習の直接的な副作用です。48サンプリングパラメータ温度以外のダイヤル（top-p、top-k、ペナルティ）。モデルが単語を選ぶ方法を形どり、出力の多様性・焦点・繰り返しを調整します。49MCP（Model Context Protocol）AI モデルが共通インターフェース経由で外部ツールやデータソースに接続できるオープン標準。「AI アプリの USB-C」です。50音声合成（TTS）テキストを自然な音声へ変える技術。音声 AI の出力側の半分で、多くの言語で人のナレーションと区別がつきません。51AI アップスケーリング画像や動画を元の解像度以上へ拡大する技術。忠実な 2 倍のシャープ化から、もっともらしい新ディテールを生成するモデルまで幅があります。52AI ウォーターマーキングAI 生成コンテンツに埋め込まれる不可視の標識（または目に見えるラベル）。後から合成メディアを識別できるようにする、来歴の中核です。53合成データ人工的に生成された学習データ。実データが不足・機密・高価なときに、モデル出力やシミュレーションが代役を務めます。54オンデバイス AIスマホ・ノート・機器本体だけで完結する AI。クラウド往復なし — ピーク性能と引き換えに、プライバシー・低遅延・オフラインの自由を得ます。55学習（事前学習と事後学習）モデルを作る工程です。事前学習が膨大なテキストから言語を学び、事後学習がそれを役に立つアシスタントへ仕上げます。56コンテキストエンジニアリングプロンプト作りの先にある規律です。限られたコンテキスト窓に何を入れるか — 指示、検索文書、ツール結果、履歴 — を、どの順で入れるかまで設計します。57Attention（注意機構）モデルが出力ごとに入力のどの部分が重要かを判断する仕組み。現代の AI を可能にした唯一のアイデアです。58指示チューニング数千の指示–応答ペアでベースモデルをファインチューニングし、頼みを聞けるようにする工程。生の予測器と使えるアシスタントの間にあります。59レッドチーミング敵に先んじて AI システムを意図的に攻撃します — ジェイルブレイク、プロンプトインジェクション、奇妙なエッジケース — そして壊れた箇所を直します。60テスト時コンピュート答える段階でより多くの計算を使うこと — 長く考え、複数回サンプリングし、検証する — 事前にモデルを大きくすることだけでなく。61AI スロップ低コストで量産される AI コンテンツの洪水 — リスト記事、偽画像、ボットコメント — が検索・SNS・そして学習データを汚しつつあります。62AI バイアスデータから学んだ系統的な不公平。モデルが性別・人種・言語・文化についてのステレオタイプを機械の規模で反復・増幅します。63ヒューマンインザループAI システムを、人が適切な場面で承認・修正・引き継ぐように設計すること。信頼できる自動化と、なんとか生き延びる自動化の違いです。64AI 検出器テキストやメディアが機械製か推測するツール。シグナルとしては役立ち、裁判官としては信頼できず、剽窃疑惑とも絡み始めています。65モデルマージ複数のファインチューン済みモデルの重みを一つに統合する手法。追加の学習コストなしでスキルを混ぜられます。66チャンキング埋め込み前に文書を検索サイズの断片へ切ること。地味ですが RAG の回答品質を静かに決める重要な判断です。67過学習パターンを学ぶ代わりに学習例を暗記してしまうこと。練習テストは完璧、新しいものには脆い。68データアノテーションあらゆる AI システムの足元にある人間の労働です。テキスト・画像・音声にタグを付け、モデルが学ぶ正解を用意します — 数百万人規模の産業です。69モデルカードAI モデルの栄養成分表示。何者で、何で学習し、どう評価され、どこで失敗するか — モデルを比較可能で監査可能にする文書です。70AI ガバナンスAI システムを説明責任に置くルール・役割・審査プロセス。企業内（ポリシー、監査）と社会（EU AI Act などの規制）の両方を指します。71アンサンブル複数モデルの出力を組み合わせ、どれ単独よりも良い答えを得ること。多数決、best-of-N 選択、大規模なエキスパート混合ルーティングなど。72データキュレーション学習に何を入れるかを選ぶこと — フィルタリング、重複除去、重み付け — が、品質の競争でモデルアーキテクチャと同じほど重要になっています。