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 977 件の用語が登録されています。 951〜977件を表示中
| ID | 用語 | カテゴリ | 説明 |
|---|---|---|---|
| 28 | オートエンコーダ | アーキテクチャ | 入力データを低次元の潜在表現に圧縮（エンコード）し、そこから元のデータを再構築（デコード）することを学習するニューラルネットワーク。教師なし学習の一種で、データの特徴抽出や次元削減、ノイズ除去などに利用される。変分オートエンコーダ（VAE）やデノイジングオートエンコーダなど様々な派生型がある。 |
| 27 | 生成的敵対的ネットワーク（GAN） | アーキテクチャ | 2014年にIan Goodfellowらによって提案された生成モデル。ジェネレータとディスクリミネータの二つのネットワークが敵対的に学習する。ジェネレータは本物そっくりのデータ生成を目指し、ディスクリミネータは本物と偽物の区別を学習する。画像生成などで高品質な結果を生み出すが、学習の不安定さが課題。近年は拡散モデルに一部置き換えられている。 |
| 26 | リカレントニューラルネットワーク（RNN） | アーキテクチャ | 時系列データや順序データを処理するためのニューラルネットワーク。内部状態を持ち、時間的または順序的な依存関係を捉える。単純なRNNは長い系列での勾配消失問題があるが、LSTM（Long Short-Term Memory）やGRU（Gated Recurrent Unit）などの改良型はこの問題を緩和し、言語モデリングや音声認識などで使用されてきた。 |
| 25 | グラフニューラルネットワーク（GNN） | アーキテクチャ | グラフ構造データを処理するためのニューラルネットワーク。ノードとエッジで表現される関係性データを学習し、分子構造予測、推薦システム、ソーシャルネットワーク分析などに応用される。各ノードの特徴をその近傍ノードの情報と組み合わせて更新する「メッセージパッシング」機構が特徴。 |
| 24 | 混合専門家モデル（MoE） | アーキテクチャ | 複数の「専門家」ネットワーク（サブモデル）と、入力に応じて適切な専門家を選択するゲーティング機構から構成されるモデル。すべてのパラメータを常に使用せず、入力ごとに一部のパラメータのみを活性化させることで、計算効率とパラメータ効率を向上させる。MixtralやGemini 1.5などで採用されている。 |
| 23 | アテンション機構 | アーキテクチャ | シーケンスの各位置が他の位置との関連性を計算し、重要な部分に「注意を払う」仕組み。クエリ、キー、バリューの三つの要素から構成され、特にトランスフォーマーベースのモデルで中核技術となっている。長距離依存関係の捕捉や並列計算に優れ、言語モデルの性能向上に大きく貢献した。 |
| 22 | エンコーダ・デコーダモデル | アーキテクチャ | 入力を中間表現にエンコードし、それを目的の出力形式にデコードする2段階構造のニューラルネットワーク。機械翻訳や要約など、入力と出力の長さが異なるシーケンス変換タスクに適している。BERTはエンコーダのみ、GPTはデコーダのみを使用するのに対し、T5やBARTは完全なエンコーダ・デコーダ構造を持つ。 |
| 21 | トランスフォーマー | アーキテクチャ | 2017年にVaswaniらによって提案された「Attention Is All You Need」というアーキテクチャ。自己注意機構を中心とし、RNNやCNNと異なり並列処理に適した設計により、高速な学習と推論を実現。エンコーダ・デコーダ構造を持ち、GPTなど現代の大規模言語モデルの基盤となっている。 |
| 20 | エッジAI | 技術 | クラウドではなく端末（エッジデバイス）上で動作するAI技術。低遅延、プライバシー保護、オフライン動作などの利点があり、スマートフォンやIoTデバイスでのリアルタイム処理に適している。 |
| 19 | RAG（検索拡張生成） | 技術 | 外部情報源からの検索結果を生成AIの入力に組み込む手法。モデルの知識を外部データベースで補完し、最新情報へのアクセスや正確性向上を実現する技術。 |
| 18 | マルチモーダル学習 | 技術 | テキスト、画像、音声、動画など複数の情報様式（モダリティ）を統合的に処理し理解する技術。各モダリティから得られる情報を相互補完的に活用することで、より豊かな世界理解や表現が可能になる。GPT-4V、GeminiなどのマルチモーダルAIは、テキストと視覚情報を組み合わせたタスクで優れた性能を示している。 |
| 17 | エンドツーエンド学習 | 技術 | 中間処理ステップや特徴エンジニアリングを排除し、入力から直接出力までを単一モデルで学習するアプローチ。例えば音声認識では、音声波形から直接テキスト出力を生成する。システム全体を最適化でき、ドメイン知識への依存を減らせる利点があるが、より多くのデータと計算リソースが必要になる傾向がある。 |
| 16 | ニューロシンボリックAI | 研究分野 | 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・一般化能力を組み合わせるアプローチ。深層学習の限界（説明可能性の欠如、膨大なデータ要求など）を克服しつつ、シンボリックAIの剛性も軽減することを目指す。数学的推論や論理的思考を要するタスク、少数ショット学習などへの応用が期待されている。 |
| 14 | 連合学習 | 技術 | データをサーバーに集約せず、各デバイスやクライアント上でモデルを訓練し、パラメータのみを共有する分散機械学習手法。プライバシー保護が重要な医療データ分析、スマートフォンでのユーザー体験向上、異なる組織間でのAI協調開発など、データ共有が困難な状況で特に有用。 |
| 13 | 説明可能AI（XAI） | 研究分野 | AIシステムの意思決定過程を人間が理解できるように説明する技術と手法の研究分野。ブラックボックス的なディープラーニングモデルの透明性を高め、解釈可能性を向上させることを目指す。特に医療診断や金融審査など重要な意思決定に関わる応用では、説明責任と信頼性確保のために不可欠な要素となっている。 |
| 12 | 強化学習 | 技術 | エージェントが環境と相互作用しながら、報酬を最大化する行動を学習する機械学習の一分野。試行錯誤を通じて最適な戦略を発見する。AlphaGoやOpenAI Fiveなどのゲームでの成功、ロボット制御、リソース管理、推薦システムなどに応用され、自律的なAIシステム開発において重要な役割を果たす。 |
| 11 | 生成AI | 応用分野 | 新しいコンテンツ（テキスト、画像、音楽、動画など）を自律的に生成するAI技術。GANや拡散モデル、大規模言語モデルなど様々なアプローチがある。創造的作業の自動化や補助、コンテンツのパーソナライゼーション、データ拡張などに応用され、芸術、メディア制作、ゲーム開発などの分野に変革をもたらしている。 |
| 10 | 自然言語処理（NLP） | 応用分野 | コンピュータが人間の言語を理解・生成・操作するための技術分野。機械翻訳、感情分析、質問応答、文書要約、チャットボットなど多様なタスクを含む。近年は大規模言語モデルの登場により飛躍的に発展し、検索エンジン、仮想アシスタント、コンテンツ自動生成などで広く活用されている。 |
| 9 | AIアシスタント | AI応用 | 人間のようなインタラクションを通じて様々なタスクを支援する高度なAIシステム。質問応答、情報検索、タスクの自動化、文章生成などの機能を備え、自然言語で対話できる。Siri、Alexa、Google Assistant、Claudeなどが代表例。 |
| 8 | Claude 3.7 Sonnet | モデル | Anthropicが開発した最新のAIモデル。強化された推論能力と拡張思考モードを備え、複雑な問題解決やコンテキスト理解に優れている。特にビジネスや学術分野での利用に向いている。 |
| 7 | GPT-4o | モデル | OpenAIが開発したマルチモーダルモデル。テキスト、画像、音声、動画を統合的に処理し、高速応答性と多言語対応を特徴とする。約50言語に対応し、人間に近い応答速度を実現している。 |
| 6 | 生成AI | 概念 | 既存データから学習して新しいコンテンツ（テキスト、画像、音楽、動画など）を自律的に生成するAI技術。GANやTransformerベースの言語モデル、拡散モデルなどが代表的で、創造的タスクや表現力を持つ応用が急速に発展している。 |
| 5 | AIエージェント | AI応用 | 自律的に動作し、環境を認識して目標達成のために行動するAIシステム。従来の受動的なAIとは異なり、能動的にツールを使用し、計画を立案し、タスクを実行する能力を持つ。外部APIとの連携、データ分析、意思決定、問題解決などを組み合わせて複雑なワークフローを自動化できる。2025年は「エージェント時代」と呼ばれ、実用的なAIエージェントが急速に普及している。 |
| 4 | マルチモーダルAI | 概念 | テキスト、画像、音声、動画など複数の種類のデータ（モダリティ）を同時に処理できるAI技術。人間のように多様な情報を統合して理解・生成する能力を持ち、より複雑なタスク処理を可能にする。 |
| 3 | 深層学習 | 概念 | 多層のニューラルネットワークを用いる機械学習手法の総称。音声認識や画像認識などで高い性能を示し、2010年代後半以降のAIブームを牽引した。 |
| 2 | 機械学習 | 概念 | データ（経験）から学習し、その結果をもとに予測や判断を行うアルゴリズムと研究分野。AIの主要手法の一つであり、データに基づいてモデルを自動的に改善することを特徴とする。 |
| 1 | 人工知能 (AI) | 概念 | コンピュータが人間の知能的な働きを模倣・実現する技術・研究分野。自動化や推論、学習などの機能を含み、機械学習や深層学習がその主要な手段となっている。 |
