AI用語集
AI技術に関する専門用語をわかりやすく解説しています。機械学習、深層学習、自然言語処理、コンピュータビジョンなど、様々な分野のAI用語を網羅。初心者から専門家まで、AIの理解を深めるための用語辞典です。
すべての用語
全 627 件の用語が登録されています。 301〜350件を表示中
| ID | 用語 | カテゴリ | 説明 |
|---|---|---|---|
| 332 | インテントベースマーケティング | AIとビジネス | 顧客の潜在的意図や目的を高度なAIアルゴリズムで推測し、それに基づいて最適なマーケティングアプローチを自動的に選択・実行する戦略。従来の行動ベースやデモグラフィックベースのセグメンテーションを超え、購買プロセスにおける顧客の根本的な動機や目標を理解することに焦点を当てる。特に検索クエリ、閲覧パターン、SNSエンゲージメントなどから複雑な購買意図を推測し、パーソナライズされたコンテンツやオファーを提供する。GoogleやAmazonが先駆的に実装し、現在は様々なマーケティングプラットフォームに導入されている。 |
| 331 | AIオーグメンテッドアナリティクス | AIとビジネス | データ分析プロセスをAIで強化し、より高度なビジネスインサイトを非専門家でも導出できるようにする分析アプローチ。自動データ前処理、パターン検出、異常値特定、予測分析、自然言語によるデータクエリなどの機能を統合し、従来のBIツールを進化させたもの。特に「なぜその結果になったのか」「次に何が起こるか」といった高次の質問に自動的に答える能力が特徴で、Microsoft Power BI、Tableau AI、Google Looker MLなどが提供している。データ民主化とデータドリブン経営の促進に貢献している。 |
| 330 | ビジネスプロセスオーケストレーションAI | AIとビジネス | 複雑なビジネスプロセスの流れを最適化・自動化するAIシステム。複数の部門や役割にまたがるワークフローを包括的に管理し、データに基づいて動的にプロセスを調整する。異常検出、ボトルネック予測、タスク優先順位の最適化などの機能を持ち、人間の意思決定者をサポートしながら業務効率を向上させる。IBM Watson Orchestrateなどが企業向けに提供しており、顧客対応、製品開発、サプライチェーン管理などの分野での活用が進んでいる。 |
| 329 | 変分オートエンコーダディフュージョン | 画像生成AI | 変分オートエンコーダ（VAE）とディフュージョンモデルを組み合わせた画像生成アーキテクチャ。VAEによる効率的な潜在空間表現とディフュージョンモデルの高品質生成能力を融合し、計算効率と画質を両立する。特に高解像度画像の生成や編集において従来手法より優れたパフォーマンスを発揮し、リアルタイムに近い速度での高品質画像生成を可能にする。Stable Diffusion、DALL-E、Midjourneyなどの商用画像生成AIの基礎技術として広く採用されている。 |
| 328 | 対照言語画像事前学習 | 画像生成AI | 大量の画像とテキストのペアから、両者の関連性を学習する自己教師あり手法。画像とそれを正確に説明するテキストを近づけ、無関係のペアを遠ざけるよう表現空間を最適化することで、テキストから画像、画像からテキストへの柔軟な変換を可能にする。OpenAIのCLIP、Google ResearchのALIGNなどが代表例で、高精度な画像検索、詳細なテキスト指示による画像生成、視覚的概念理解などの基盤技術となっている。マルチモーダル生成AIの中核技術として、様々な商用システムに応用されている。 |
| 327 | 適応型ノイズディフュージョン | 画像生成AI | 画像や音声の生成時に、コンテンツの特性に応じて最適なノイズ除去パターンを動的に調整するディフュージョンモデルの拡張技術。従来の固定的なノイズスケジュールと異なり、生成過程で対象の複雑さや詳細度に応じてノイズ除去率を適応的に変化させ、高品質な生成結果を高速に得ることを可能にする。特に複雑なテクスチャや微細な構造を持つ対象（人間の顔、自然風景、精密機械など）の生成において大幅な品質向上をもたらす。Stable Diffusion 3.0、DALL-E 3などの最新モデルで採用されている。 |
| 326 | 創作者コントロールシステム | 画像生成AI | 生成AIによる創作物に対するアーティストやクリエイターの権利と制御を保護・強化するシステム。画像や音楽の生成にあたって、特定のアーティストのスタイルや作品の特徴をAIが学習・模倣する際のオプトアウト機能、スタイル使用の検出と通知、収益分配メカニズムなどを提供する。Adobe FireflyやGoogleのSynthiaなどで実装され、AIとクリエイティブ産業の共存を目指した技術的・倫理的フレームワークとして、国際的なガイドラインにも影響を与えている。 |
| 325 | スタイルコードハードウェア | 画像生成AI | 特定の芸術スタイルや視覚表現をAIが理解・再現できるよう最適化された専用ハードウェア。特に画像生成AIにおけるスタイル転送や芸術的創作を高速・高品質に実行するために設計された特殊プロセッサで、従来のGPUよりも芸術的表現処理に特化している。スタイル特徴の抽出と適用に関する計算を効率化し、リアルタイムでの高品質なスタイル生成を可能にする。アーティスト協力のもとに開発され、美術教育や商業デザインなど様々な創造的作業での活用が期待されている。 |
| 324 | 対称枠付け生成 | 画像生成AI | 生成AIによる画像作成において、対象物が画像のフレーム内に完全かつ均等に収まるよう制御する技術。従来の生成モデルでは被写体の端が切れたり、不自然な配置になりやすいという課題があったが、この技術によりプロの写真家のような構図で被写体を中央に適切に配置することが可能になる。特に製品写真、ポートレート、広告用ビジュアルなど商業利用において重要性が高く、Midjourney V7、Stable Diffusion XLなど最新の画像生成AIに実装されている。 |
| 323 | 統一マルチモーダル理解フレームワーク | AIと自然言語処理 | テキスト、画像、音声、動画など異なる情報モダリティを統一的に処理・理解する枠組み。モダリティ固有の処理を行う個別モジュールではなく、すべての入力を共通の表現空間で処理する統合アーキテクチャを採用する。クロスモーダル推論（画像から言語、言語から音声など）やマルチモーダル対話において特に強みを発揮し、より自然で文脈に即したAIコミュニケーションを実現する。GoogleのGemini、OpenAIのGPT-4V、Anthropicのクロード3などが採用する次世代AIアーキテクチャの中核概念として注目されている。 |
| 322 | 文脈適応型言語生成 | AIと自然言語処理 | 社会的・文化的文脈、対話の履歴、ユーザー特性などに応じて言語表現を適応的に生成する技術。同じ内容でも、相手の知識レベル、文化的背景、心理状態などに合わせて最適な表現を選択し、コミュニケーションの効果を高める。特に教育、カスタマーサポート、医療対話などの分野で重要性が高く、Anthropicのクロード、OpenAIのGPT-4などの最新モデルでは、プロンプト内の暗黙的な文脈手がかりからユーザー特性を推測し、適応的な応答を生成する能力が強化されている。 |
| 321 | 言語処理コンポジショナリティ | AIと自然言語処理 | 言語の構成要素（単語、フレーズ、文）の意味を組み合わせて、より大きな言語単位の意味を導き出す能力。人間の言語理解の基本原理の一つで、AIにおいても重要な課題となっている。特に慣用句、皮肉、文化的参照などの非構成的表現の理解において重要で、単純な単語の組み合わせでは捉えられない意味を理解する能力を指す。最新の大規模言語モデルでは、注意機構（Attention）の多層化と自己教師あり学習の高度化により、この能力が大幅に向上している。 |
| 320 | ニューロシンボリック言語処理 | AIと自然言語処理 | ニューラルネットワークの学習能力と記号論理の明示的推論を組み合わせた言語処理アプローチ。曖昧さの解消、複合的推論、常識推論など、従来の純粋ニューラル手法が苦手とする言語理解タスクを強化する。例えば「ボブがアリスにハンマーを渡した。彼女はそれで釘を打った。」という文での照応関係の理解において、「釘を打つ」という行為と「ハンマー」の関係を論理的に推論できる。IBM Research、MITなどが先駆的研究を展開し、より堅牢で説明可能な次世代言語理解システムのアーキテクチャとして注目されている。 |
| 319 | マルチリンガル共通表現空間 | AIと自然言語処理 | 異なる言語の単語や文を共通のベクトル空間にマッピングする技術で、言語間の意味的等価性を捉える。100以上の言語で同じ意味の表現が空間的に近接して配置されるよう設計され、高品質な多言語処理の基盤となる。従来の対訳データに依存した手法を超え、言語間の構造的類似性を活用することで、低資源言語や方言も含めた効率的な言語間知識転移を可能にする。Google、Meta、Anthropicなどが開発する最新の大規模言語モデルの中核技術として、グローバルコミュニケーションの障壁低減に貢献している。 |
| 318 | 神経言語理解 | AIと自然言語処理 | 脳の言語処理メカニズムにインスパイアされた言語理解アプローチ。単なる統計的パターン認識を超え、人間の言語理解に近い階層的・構造的な言語処理を実現する。単語の意味表現、構文構造の分析、文脈の統合、推論などのプロセスを模倣し、より深い言語理解を目指す。fMRIなどの脳活動データと言語モデルを接続する研究も進み、人間の言語処理と機械学習モデルの架け橋となる新興研究分野として注目されている。 |
| 317 | インテント認識AI | AIと自然言語処理 | 人間の言語表現から意図や目的を高精度に理解するAI技術。表面的な言語パターンだけでなく、文脈、非明示的な意味、文化的ニュアンスなどを考慮して話者の真の意図を推定する。カスタマーサービス、医療対話、教育支援など、正確な意図理解が重要な対話システムで活用され、特に複雑な要求や曖昧な表現の解釈に強みを持つ。最新のモデルでは、同じ言葉でも状況によって異なる意図を識別できる文脈依存型インテント認識が実現されている。 |
| 316 | デジタル製品パスポート | AI法規制 | AIシステムを含むデジタル製品の開発・製造・使用に関する重要情報を記録したデジタル証明書。EU AI法で導入された概念で、AIシステムの学習データ、アーキテクチャ、性能指標、リスク評価結果、開発者情報などの透明性情報を含む。QRコードなどを通じてアクセス可能で、規制当局による監査や消費者の情報に基づく選択を支援する。サプライチェーン全体での責任あるAI開発と利用を促進し、システムのライフサイクル全体にわたる追跡可能性を確保する法的フレームワーク。 |
| 315 | マルチエージェント協業 | AI技術 | 複数のAIエージェントが互いに通信・協力して問題を解決する仕組み。異なる専門性や能力を持つAIが協力することで、単一のAIでは解決困難な複雑な問題に対処できる。各エージェントが特定の役割を担い、情報共有と協調作業を行う先進的なAI協業モデル。 |
| 314 | AIプロンプトエンジニア | AI職種 | AIシステムから最適な結果を得るためのプロンプト（指示）を設計する専門家。効果的な指示文の構築、適切なパラメータ設定、コンテキスト提供などの技術を駆使して、AIの出力品質を最大化する役割を担う新しい職種。 |
| 313 | アライメント問題 | AI安全性 | AIシステムの目標や価値観を人間の価値観や意図に確実に一致させる課題。AIが自己改善する過程で人間の意図と一致しない目標を追求する危険性があり、特に自己改善型AIの発展において重要な安全上の問題とされている。 |
| 312 | メタ学習 | 機械学習 | 「学習の仕方を学習する」能力。AIが異なるタスクや環境に効率的に適応するためのアプローチで、新しい問題に直面したときに過去の学習経験を活用して、より効率的に学習する能力を指す。少ないデータや経験から効果的に学習できる重要な技術。 |
| 311 | Cognition社 | AI企業 | DEVINを開発したAIスタートアップ企業。競技プログラミングの金メダリストたちによって2023年11月に設立され、CEOのScott Wu氏、CTOのSteven Hao氏らが率いる。2024年初頭にPeter ThielのFounders Fundから2,100万ドルのシリーズAラウンドを調達している。 |
| 310 | フィードバックベースの学習 | 機械学習 | システムの出力結果やパフォーマンスに基づいて性能を調整し、改善する学習方法。強化学習の基本原理の一つで、良い結果をもたらした行動を強化し、悪い結果をもたらした行動を抑制することで、時間の経過とともにシステムの性能が向上する。 |
| 309 | 自己再帰的改善 | AI技術 | AIシステムが自らの性能や機能を分析し、継続的に改良していくプロセス。システムが自身のコードやアルゴリズムを修正・最適化する能力を持ち、改善のサイクルを繰り返すことで指数関数的な性能向上につながる可能性がある概念。 |
| 308 | サンドボックス環境 | コンピュータセキュリティ | 隔離された安全な実行環境。プログラムやコードを本番システムから分離して実行することで、悪意のあるコードや予期しない動作からシステムを保護する。開発、テスト、セキュリティ分析などで使用される。AIエージェントのコード実行では、ユーザーのコードが他のプロセスやデータに影響を与えないよう、厳格に制御された環境を提供する。 |
| 307 | Tabnine | AIツール | 機械学習を活用したコード補完ツール。開発者のコーディングパターンを学習し、コンテキストに基づいたコード提案を行う。GitHub Copilotと同様に、プログラマーの生産性向上を目的としているが、完全な自律性は持たない。 |
| 306 | 自己改善型AI | AI技術 | フィードバックや経験から学習し、自らのパフォーマンスや機能を継続的に向上させるAIシステム。人間の介入なしに自身のアルゴリズムやアプローチを最適化する能力を持ち、時間の経過とともに性能が向上する特徴がある。 |
| 305 | 技術的シンギュラリティ | AI概念 | AIが自己改善のサイクルを通じて人間の知能を超え、予測不可能な技術発展を引き起こす理論的な転換点。AIが自身を改良し続け、指数関数的な知能の成長が起こることで、人間の理解を超えた技術革新が起こるという概念。レイ・カーツワイルなどの未来学者によって提唱されている。 |
| 304 | 自己改善能力 | AI技術 | AIシステムが経験から学習し、フィードバックに基づいて自らのパフォーマンスや機能を向上させる能力。失敗からの学習、パターン認識の改善、新しいアプローチの発見などを通じて、時間の経過とともに性能が向上する特性を指す。 |
| 303 | コーディング支援ツール | AIツール | GitHub CopilotやTabnineなど、開発者のコード作成を支援するAIツール。コード補完、提案、生成などの機能を提供するが、完全な自律性は持たず、人間の開発者による監督や指示が必要。プログラマーの生産性向上を目的としている。 |
| 302 | DEVIN | AIツール | Cognition社が開発した自律型AIソフトウェアエンジニア。プロジェクト全体を独立して計画・実行できる能力を持ち、コード作成、デバッグ、テスト、ドキュメント読解、アプリケーション構築などを自律的に行うことができる。2024年3月に発表され、従来のAIコーディング支援ツールを大きく上回る性能を示している。 |
| 301 | 自律型AIコーディングシステム | AIツール | 人間の介入なしにコードを生成、テスト、デバッグし、ソフトウェアプロジェクト全体を自律的に管理できるAIシステム。従来のコード補完ツールとは異なり、プロジェクトの計画から実装、テスト、デプロイまでの一連のプロセスを独立して実行できる能力を持つ。 |
| 300 | ハイブリッドソートリスト | AI検索 | 従来の関連性ベースの検索結果と生成AIによる回答を組み合わせた次世代検索結果表示形式。Google、Bingなどの主要検索エンジンで採用されており、ユーザークエリの意図に応じて、AIによる直接的な回答、従来のウェブページリンク、ナレッジパネル、関連クエリなどを最適な比率で提示する。検索体験をより効率的で情報豊富なものに変えることを目指し、特に複雑な質問や探索的クエリに対する満足度向上に貢献する。通常のリスト表示とAI回答の長所を組み合わせた新しい検索パラダイムとして急速に普及している。 |
| 299 | アーキテクチャサーチ | AI研究手法 | 最適なニューラルネットワークアーキテクチャを自動的に探索・発見する技術。層の数、ニューロン数、接続パターン、活性化関数などの設計パラメータを進化的アルゴリズムや強化学習などを用いて最適化する。人間の設計者が見落としがちな革新的構造や、特定タスクに高度に特化したアーキテクチャの発見を可能にし、AIモデルの性能向上と効率化に寄与する。Google Brain、Microsoft Research、DeepMindなどが先進的な自動アーキテクチャ探索システムを開発している。 |
| 298 | フォルス限界 | AI能力 | 大規模言語モデルが生成する「もっともらしい誤り」の限界と特性。言語モデルが自信を持って提示するにもかかわらず誤っている情報のパターン分析と、その発生メカニズムの解明を目指す研究領域。特に、事実の隣接領域（実在するものに似た架空のエンティティ、起こりそうだが実際には起こらなかった出来事など）での誤りが生じやすいことが知られている。人間の認知バイアスと類似した性質を持ち、AIの認識論的限界を理解する上で重要な概念として、哲学者や認知科学者の注目を集めている。 |
| 297 | シミュレーテッドユーザーテスト | AI評価 | AIシステムのパフォーマンスと安全性を評価するために、多様な仮想ユーザープロファイルを自動生成して相互作用をシミュレートする手法。実際のユーザーテストでは捕捉しきれない稀なケースやエッジケースを大規模かつ効率的に発見できる。特に大規模言語モデルの評価において、異なる人口統計、言語使用パターン、使用目的、悪用意図などを模倣した仮想ユーザーを用いることで、モデルの堅牢性と安全性を包括的に評価する。Anthropicなどが自社モデル評価プロセスの一部として導入している先進的手法。 |
| 296 | 言語モデルサーベイヤー | ツール | 言語モデルの出力サンプルに対して人間のアノテーターが評価を行うプラットフォーム。モデルの能力、バイアス、安全性などを多角的に評価し、改善点を特定するためのツール。OpenAIやAnthropicなどが内部評価に使用しているほか、研究者コミュニティによる多様なベンチマークも開発されている。特に主観的評価（役立ち度、創造性、自然さなど）や文化的文脈での適切さなど、自動評価が困難な側面の評価において重要な役割を果たす。 |
| 295 | バリューアライメント | AI倫理 | AIシステムの行動や判断を人間の価値観や倫理的原則に整合させる技術・方法論。特に強化学習や自律的意思決定を行うAIにおいて重要とされ、明示的な価値関数の設計、人間からのフィードバック学習、倫理的制約の組み込みなどのアプローチがある。AI安全性研究における中心的課題の一つで、特に高度化するAIの意図整合性問題（AIの目標と人間の意図の乖離）への対策として注目されている。Anthropic、DeepMind、OpenAIなどが重点的に研究を進めている分野。 |
| 294 | コンフォーマル予測 | AI不確実性 | AIモデルの予測に対して、統計的に厳密な信頼区間や不確実性推定を提供する手法。モデルの性質や分布の仮定に依存せず、データから直接予測の信頼性を定量化できる。特に高リスク意思決定（医療診断、自動運転、金融予測など）において、予測の信頼度を明示することで、適切な人間の関与と判断を可能にする。従来のベイズ的不確実性推定と比較して計算効率が高く、実用的な応用が拡大している最先端の不確実性定量化技術。 |
| 293 | 自然言語パイプライン | AIインタラクション | 自然言語による指示で複雑なAIタスクやワークフローを構築・実行するフレームワーク。コードを書かずに、言葉だけでデータ処理、分析、可視化などの一連の操作を定義できる。OpenAIのAdvanced Data Analysis、Anthropicの高度分析モード、Google Bardのデータプロセッシングなどが代表例で、非技術者でも高度なAI活用を可能にする。自然言語理解、タスク分解、コード生成、実行モニタリングなどの技術を統合し、ユーザーとAIのシームレスな協働を実現する。 |
| 292 | 知識編集 | AI能力 | AI言語モデルが保持する知識や情報を選択的に更新・修正する技術。モデル全体を再訓練することなく、特定の事実や関連性を変更することを可能にする。特に時間の経過とともに変化する情報（企業幹部、政治指導者、最新製品など）の更新や、事実誤認の修正に有効。パラメータ直接編集、メモリオーグメンテーション、検索拡張生成などの手法があり、大規模言語モデルの保守と正確性維持の重要技術として研究が進められている。 |
| 291 | 大規模エージェントシミュレーション | AI研究 | 多数のAIエージェントが相互作用する仮想環境でのシミュレーション実験。社会的現象、経済システム、集団行動などの複雑なダイナミクスを研究するためのプラットフォーム。各エージェントに異なる目標、知識、能力を与え、創発的な集団行動や社会的パターンの形成過程を観察・分析する。Google DeepMindのGenerative Agentsプロジェクトなどが先駆的研究を展開しており、社会科学の実験的手法とAI研究の橋渡しとなる方法論として注目されている。 |
| 290 | 現在性保証 | AI信頼性 | AIシステムが最新の情報や現在の状況に基づいて回答・判断していることを保証するメカニズム。特に言語モデルにおいて、訓練データのカットオフ日以降の情報をリアルタイムに反映する技術的枠組み。ウェブ検索統合、定期的更新訓練、時間認識プロンプティングなどの手法を組み合わせることで実現され、情報の鮮度と正確性を担保する。医療、法律、時事問題などの最新情報が重要な領域での信頼性向上に不可欠とされ、主要AIプラットフォームで実装が進められている。 |
| 289 | 自律エージェントネットワーク | AIシステム | 複数のAIエージェントが連携・協力して複雑なタスクを遂行するシステム。各エージェントが特定の役割や専門性を持ち、相互通信と調整を通じて全体として高度な問題解決能力を発揮する。特にソフトウェア開発、科学研究、ビジネスプロセス自動化などの複雑な領域での応用が期待されており、Microsoft Copilot Studio、AutoGPTなどのプラットフォームで実装が進められている。エージェント間の協調プロトコル、役割分担最適化、集合的意思決定メカニズムなどが研究の焦点となっている。 |
| 288 | AI評議会 | AI統治 | AIシステムの開発・展開における倫理的判断や重要決定を多角的視点から評価するための組織体制。技術専門家、人文科学者、法律家、社会科学者などの多様なステークホルダーで構成され、AIの社会的影響や倫理的課題に関する集合的意思決定を行う。Anthropic、OpenAI、Googleなど主要AI企業で導入されており、製品リリース判断、安全性評価、倫理的ジレンマの解決などを担う。AI統治の民主化と多様な価値観の反映を目指す重要なガバナンスメカニズムとして注目されている。 |
| 287 | ニューラルシンボリックAI | AIアーキテクチャ | ニューラルネットワークの学習能力と記号的推論の解釈可能性を組み合わせたハイブリッドアプローチ。データ駆動型の知識獲得と論理的推論の両方の強みを活かし、より堅牢で説明可能な知的システムの構築を目指す。数学的問題解決、科学的推論、常識推論など、従来のニューラルネットワークが苦手とする領域での応用が期待されており、IBM Research、MIT、スタンフォード大学などが先進的研究を展開している。 |
| 286 | AI人格化 | AIインタラクション | AIシステムに特定の性格、世界観、表現スタイルを与えることで、より自然で一貫性のあるインタラクションを実現する技術。ユーザーとの心理的距離を縮め、エンゲージメントを高める効果がある。Anthropicのクロードやメタのリャマ3.1パーソナなど商用AIで実装されており、カスタム人格設定によるパーソナライズも可能になりつつある。倫理的観点からは、過度の人格化による誤解や依存への懸念も指摘されており、適切なバランスの研究が進められている。 |
| 285 | 自己編集モデル | 生成AI | 生成した出力を自律的に評価・修正できるAIモデル。初期出力の問題点を自己批判的に分析し、より高品質な最終結果を提供するためのフィードバックループを内部に持つ。特にテキスト生成における事実的正確性、一貫性、論理的構造、表現の適切さなどの向上に効果を発揮する。OpenAIの「ChatGPT with self-edit」など、実用化が進められている技術で、人間のエディターのような編集能力をAIに付与することで、生成コンテンツの信頼性と品質向上を目指す。 |
| 284 | AIプロンプトの権利 | AI法律 | AIシステムへの指示（プロンプト）に関する法的権利と保護の枠組み。商業的価値を持つプロンプトエンジニアリングの成果や、AIとの独自の対話方法に対する知的財産権の適用範囲を定義する。米国著作権局が2025年に発表した基準では、「創造的表現を含む十分な人間の創作性を示すプロンプト」に限定的な著作権保護を認めている。AIツールの普及に伴い、プロンプトマーケットプレイスやライセンシングモデルの発展とともに、法的保護の重要性が高まっている分野。 |
| 283 | リサーチエージェント | AIアシスタント | 特定のテーマや問いについて自律的に情報収集・分析・総合を行うAIシステム。検索エンジンアクセス、文献調査、事実検証、情報整理などの機能を統合し、人間の研究者やアナリストを支援する。Google、Anthropic、Perplexityなどが開発を進めており、教育、ビジネスインテリジェンス、科学研究などの分野での活用が期待されている。情報の信頼性評価、多角的視点の提示、最新動向の追跡などの高度な認知タスクを実行する。 |
