LAFLaboratory of AI and FrequencyAI WORD DICTIONARY
聞いたことのある言葉を、わかる言葉に。
知りたい用語を探して、必要な説明をコピーできます。
Large Language Model
大量の言語データ等で学んだ大規模モデル。
定義
大量の文章などから学習し、言語の処理や生成を行う、大規模な言語モデルです。
かみくだくと
言葉の並びや関係の傾向を学び、与えられた文章に続く言葉を予測しながら回答を作ります。質問への回答、文章の要約、翻訳などに使われます。チャットの画面やサービスそのものの名前とは区別します。
具体例
「今日は天気が良いので、公園に」に続く言葉として、「行きます」「出かけます」などを予測します。質問への長い回答も、こうした予測を重ねて生成します。
使い分け・補足
文章の算術平均を計算しているわけではありません。自然な言葉で答えられることと、内容が正しいことは別です。
関連することば
出典
Machine Learning / ML
データから規則や傾向を学ぶ方法。
定義
データから規則性や特徴を学び、その結果を予測や分類などに利用する技術です。
かみくだくと
人がすべての判定ルールを一つずつ書く代わりに、データの例を使って、入力と結果の関係をモデルに学ばせます。「学習」はそのための工程、「推論」は学習したモデルを使う処理です。
具体例
猫と犬の写真を使って学習させ、初めて見る写真が猫か犬かを分類する仕組みを作ります。文章を扱うLLMも、機械学習を利用したモデルの一種です。
使い分け・補足
AIを使うたびに、その会話を使ってモデルが自動的に学習し直す、という意味ではありません。
関連することば
出典
Training
データを使ってモデルの数値を調整する処理。
定義
データを用いてモデルの内部を調整し、目的に合った出力が得られるようにする過程です。
かみくだくと
データから答えを予測し、結果に応じて内部の数値などを調整する工程を指します。学習でできたモデルを使って新しい入力に答える工程は、推論と呼びます。
具体例
「これは猫」「これは犬」という正解を付けた写真を使い、見分けるためのモデルの内部を調整します。その後、別の写真を判定するときは推論になります。
使い分け・補足
会話の中で資料を渡して読んでもらうことと、モデル本体を学習し直すことは区別します。
関連することば
出典
Inference
学習済みモデルを動かして出力を得る処理。
定義
学習済みのモデルを使い、新たな入力に対する回答や予測などを出す処理です。
かみくだくと
AIを学ばせる工程がトレーニングなら、学習済みのAIを使う工程がインファレンスです。文章を作るだけでなく、画像を分類したり、数値を予測したりする処理も含みます。
具体例
学習を終えた猫・犬の分類モデルに、新しい写真を渡します。その写真を「猫」と判定する処理が推論です。学習済みのLLMが質問への回答を作る処理も推論です。
使い分け・補足
日本語の「推論」には、筋道を立てて考えるreasoningを指す使い方もあります。ここではinferenceの意味を説明しています。
関連することば
出典
広告掲載スペース
ローカルでの表示見本です。Prompt
AIへ渡す問い・指示・例などの入力。
定義
応答を得るためにAIへ与える、質問・指示・条件・例などの入力です。
かみくだくと
「何をしてほしいか」を伝える入力です。短い質問でもプロンプトになりますし、対象者や出力の形、参考にする資料を添えることもできます。入力した条件や資料は、AIが参照するコンテキストにもなります。
具体例
「AI初心者向けに、機械学習を身近な例で説明してください。専門語は短く補足してください」と頼みます。対象者と説明の方針を、依頼と一緒に伝えています。
使い分け・補足
プロンプトとコンテキストは、完全に別々の箱ではありません。プロンプトに書いた情報もコンテキストに含まれます。
関連することば
出典
Context
その処理でAIが参照する指示・履歴・資料など。
定義
AIが応答を生成するときに参照できる、指示・会話履歴・資料などの情報や文脈です。
かみくだくと
今のお願いだけでなく、それまでのやり取りや渡した資料も、回答を作るための情報になります。AIが参照できる範囲は、使うサービスや機能、そのときの設定などで変わります。
具体例
「モモカフェのチラシを作って」という指示に、営業時間10時〜18時の資料と、落ち着いた雰囲気にしたいという会話が添わっています。これらは回答に使えるコンテキストです。
使い分け・補足
前の設定を参照することと、モデル本体を学習し直すことは別です。別の会話でも同じ情報を参照できるとは限りません。
関連することば
出典
Token
モデルが情報を分割して扱う単位。
定義
言語モデルが文章を処理するときの単位で、単語や単語の一部、記号などに対応します。
かみくだくと
人が文字数で数えるのとは別の区切り方です。入力した文章や資料、生成する回答などの量を扱うときに使われます。区切り方はモデルなどによって異なります。
具体例
長い資料を渡して長い回答を作ってもらうと、短い質問に一言で答えてもらう場合と、処理するトークンの量が変わります。日本語1,000文字が、そのまま1,000トークンになるわけではありません。
使い分け・補足
一度に扱える情報量の上限はコンテキストウィンドウと呼ばれます。料金や利用枠の数え方は、トークンだけでなくサービスや機能によっても違います。
関連することば
出典
Hallucination / 幻覚
根拠や事実に合わない内容を生成する現象。
定義
AIが事実や根拠に合わない内容を、もっともらしく生成してしまう現象です。
かみくだくと
自然で説得力のある文章でも、裏付けのない内容が混ざる場合があります。必要な情報が足りないときに質問することもありますが、空白をそれらしく埋めてしまうこともあります。
具体例
営業時間を伝えずにカフェのチラシを頼んだところ、実際は10時〜18時なのに、「9時〜17時」と書かれてしまいます。言い切っていることは、正しさの証拠にはなりません。
使い分け・補足
資料を与えたりRAGを使ったりしても、間違いが完全になくなるわけではありません。営業時間や価格などは、元の情報と照合します。
関連することば
出典
Retrieval-Augmented Generation / 検索拡張生成
関連資料を探して、回答の材料に使う仕組み。
定義
必要な情報を外部から検索・取得し、AIへの入力に加えて、回答や文章を生成する手法です。
かみくだくと
モデルが学習した内容だけに頼らず、質問に必要な資料を探し、その情報を参照して回答させる仕組みです。取得した情報は、AIが答えるときのコンテキストに入ります。
具体例
カフェ紹介文を作るときに、お店の基本資料から「営業時間10時〜18時」を検索・取得します。それをAIに渡して、営業時間を含む紹介文を作ります。
使い分け・補足
営業時間を手で貼るだけなら、資料を参照させてはいますが、検索する仕組みとは区別します。元資料が古い、必要な情報を見つけられない、読み違えるといった問題も残ります。
関連することば
出典
AI Agent
目的に応じて道具や手順を選び、作業する仕組み。
定義
目的に向けて行動を選び、必要に応じてツールを使いながら処理を進めるシステムです。
かみくだくと
答えの文章を返すだけでなく、資料を確認し、作成し、結果を確かめるといった工程を進める役割です。どこまでできるかは、使えるツールや許可された権限で変わります。
具体例
「カフェのチラシを作って」という依頼に対して、店舗資料を読み、文章と画像を用意し、ファイルにまとめて内容を確認する、といった作業を進めます。
使い分け・補足
目的を伝えれば何でも全自動でできる、という意味ではありません。外部への送信や公開など、確認が必要な行動もあります。
関連することば
出典
Tool
検索・計算・ファイル操作など、AIが呼び出す機能。
定義
AIが利用する、検索・計算・画像作成・ファイル操作などの機能です。
かみくだくと
AIが文章で説明することと、実際に検索やファイル操作を実行することは別です。その実行に使う機能を、ここではツールと呼びます。最初から備わっているものと、外部サービスに接続するものがあります。
具体例
チラシを作る工程で、店舗資料を読む機能、画像を生成する機能、PDFを保存する機能を使います。これらが作業に使うツールの例です。
使い分け・補足
接続先が必ず別のAIというわけではありません。予約台帳やファイルを扱う機能もツールになります。利用できる範囲は権限などに依存します。
関連することば
出典
Agent Skill / SKILL.md
特定の仕事の手順・知識などをまとめたもの。
定義
特定の仕事の指示や手順、参考資料などをまとめ、AIが利用できるようにしたものです。
かみくだくと
ここではAgent Skillsの文脈を扱います。毎回ゼロから説明する代わりに、その仕事の進め方や確認事項をまとめて利用します。必要に応じてスクリプトなどを含むこともあります。
具体例
チラシ作りなら「店舗情報を確認する→配色と文章を決める→読みやすく配置する→営業時間と価格を元資料と照合する」という作り方を残します。別のお店では情報と必要な手順を調整して使います。
使い分け・補足
一般語としての「身につけた技能」とは区別します。手順を用意しただけで、作業の正しさや全自動での完成が保証されるわけではありません。
関連することば
出典
Plugin
機能や連携などを追加する拡張パッケージ。
定義
アプリなどへ機能や連携を追加するためのパッケージです。構成や意味は製品によって違います。
かみくだくと
追加したい機能や、仕事の手順、外部サービスへの接続などを、まとまりとして取り入れる例があります。どの要素を含められるかは、利用する製品の仕様で確認します。
具体例
チラシ作りのスキルと、デザインサービスへの接続をまとめて追加する構成を考えます。その手順に沿ってエージェントがツールを使う、という組み合わせができます。これは説明用の例です。
使い分け・補足
「プラグインなら一発で完成」「ツールなら毎回確認」という違いではありません。確認の有無は、権限・設定・手順などによります。
関連することば
出典
Knowledge Distillation
教師モデルの出力等を使い別モデルへ能力を移す学習。
定義
あるAIモデルの出力などを用いて、その振る舞いを別のモデルへ学習させる手法です。
かみくだくと
教える側を教師モデル、学ぶ側を生徒モデルと呼ぶことがあります。教師の回答などを教材にして別のモデルを学習させるもので、小型化などにも使われます。
具体例
大きなモデルに質問への回答を作らせ、その回答を教材として小さなモデルを学習させます。利用者が回答を読んで自分の頼み方を変えることとは別です。
使い分け・補足
すべての知識や能力が丸ごと移るわけではありません。他のモデルの出力を教材に使う場合も、提供元の利用条件などを確認する必要があります。
関連することば
出典
Artificial Intelligence
知的な処理を機械で実現する技術の総称。
定義
知的な処理を機械で実現する技術の総称。
かみくだくと
人が行う認識・予測・判断などの処理を、機械で実現しようとする広い分野です。文章を作る生成AIだけでなく、画像の分類や需要の予測なども含みます。
具体例
写真から猫を見分ける仕組みも、お店の紹介文を作る仕組みも、AIの使われ方の例です。
使い分け・補足
AIという呼び方だけでは、何ができるかや、どんな方法を使うかまでは分かりません。
関連することば
出典
Generative AI / GenAI
文章・画像・音などを生成するAI。
定義
文章・画像・音などを生成するAI。
かみくだくと
学習したデータの傾向を使って、依頼に応じた文章・画像・音声などを作る仕組みです。入力を分類するだけの処理とは、出力の作り方が違います。
具体例
「新しいカフェを紹介する短い文章を」と頼み、紹介文の候補を作ってもらいます。
使い分け・補足
新しい出力が作られても、事実の正しさや、既存作品と似ていないことが保証されるわけではありません。
関連することば
出典
Deep Learning / DL
多層のニューラルネットを使う学習。
定義
多層のニューラルネットを使う学習。
かみくだくと
情報を段階的に変換する層を重ねて、データの特徴を学ぶ方法です。人が特徴をすべて指定する代わりに、画像や言葉の複雑なパターンを学習できます。
具体例
写真の明暗や輪郭などを手掛かりに、最終的に猫か犬かを見分けるモデルを学習させます。
使い分け・補足
層が深いという構造の呼び名であり、人のように深く理解しているという意味ではありません。
関連することば
出典
Neural Network / NN
数値を変換する層をつないだモデル。
定義
数値を変換する層をつないだモデル。
かみくだくと
小さな数値計算を多数つなぎ、入力を順に変換して結果を出す仕組みです。つながりの重みなどを学習で調整し、分類や生成に役立つ関係を表します。
具体例
画像を表す数値を入力し、いくつもの計算を経て、猫らしさを示す値を出します。
使い分け・補足
脳から着想を得た名前ですが、人間の神経や意識をそのまま再現したものではありません。
関連することば
出典
Model
学習した規則で入力を出力へ変える仕組み。
定義
学習した規則で入力を出力へ変える仕組み。
かみくだくと
学習で調整した数値と計算の構造を使い、入力から予測や生成を行う仕組みです。同じモデルを、異なるアプリやサービスから利用することもあります。
具体例
同じ言語モデルを、社内の質問窓口と、チラシ文章の作成ツールの両方で使います。
使い分け・補足
会社、モデル、アプリを分けて考えると、機能や料金の話を整理しやすくなります。
関連することば
出典
Small Language Model
比較的小型の言語モデル。
定義
比較的小型の言語モデル。
かみくだくと
比較的小さな規模で作られた言語モデルを指します。大規模モデルに比べ、限られた機器で動かしやすい場合がありますが、規模の境界に共通の決まりはありません。
具体例
手元の機器で短い文章を分類するため、用途に合った小型の言語モデルを選びます。
使い分け・補足
小型なら必ず高速・低料金、大型なら必ず高性能、という一律の関係ではありません。
関連することば
出典
Foundation Model
さまざまな用途の土台になる学習済みモデル。
定義
さまざまな用途の土台になる学習済みモデル。
かみくだくと
広いデータで学習し、さまざまな用途へ適応させられる土台のモデルです。文章、画像など、扱う情報や学習の方法によって種類があります。
具体例
同じ土台の言語モデルを使い、一方では要約、もう一方では問い合わせ対応を行います。
使い分け・補足
基盤モデルを使っただけで、個別業務に必要な資料や確認手順までそろうわけではありません。
関連することば
出典
Multimodal
文章・画像・音など複数種類の情報を扱う。
定義
文章・画像・音など複数種類の情報を扱う。
かみくだくと
文章だけ、画像だけという枠を越えて、複数の種類の情報を扱うことです。入力できる種類と、出力できる種類は、モデルや製品によって異なります。
具体例
カフェのメニュー写真を見せて、写真に写った料理を文章で説明してもらいます。
使い分け・補足
画像を読めるからといって、画像の生成や音声出力もできるとは限りません。
関連することば
出典
Modality
文章・画像・音声など、情報の種類。
定義
文章・画像・音声など、情報の種類。
かみくだくと
情報を表す種類を指す言葉です。文章、画像、音声、動画などを区別するときに使い、複数を組み合わせる構成をマルチモーダルと呼びます。
具体例
写真と、その写真についての質問文を渡す場合、画像と言語の二つのモダリティを使っています。
使い分け・補足
ファイル形式の違いと同じではありません。JPEGとPNGは、どちらも画像という種類に含まれます。
関連することば
出典
Natural Language Processing / NLP
人間の言葉をコンピューターで扱う技術。
定義
人間の言葉をコンピューターで扱う技術。
かみくだくと
人間が使う言葉を、コンピューターで分析・変換・生成する技術分野です。文章の分類、翻訳、情報の抽出なども含み、生成AIだけの分野ではありません。
具体例
お客様の問い合わせ文を読み、予約変更・料金質問・その他に振り分けます。
使い分け・補足
文法が自然でも、文章の意図や背景をいつでも正しく読み取れるとは限りません。
関連することば
出典
Computer Vision / CV
画像や映像から情報を読み取る技術。
定義
画像や映像から情報を読み取る技術。
かみくだくと
画像や映像から、物体・文字・動きなどの情報を読み取る分野です。何が写っているかを調べる処理と、画像を新しく生成する処理は区別します。
具体例
店舗の入口を撮影した写真から、看板の位置や、文字がある領域を見つけます。
使い分け・補足
照明や撮影角度が変わると認識結果も変わるため、現場の画像で確認する必要があります。
関連することば
出典
Classification
入力を決められた種類へ振り分ける処理。
定義
入力を決められた種類へ振り分ける処理。
かみくだくと
入力を、あらかじめ決めた種類に分ける処理です。答えが連続した数値になる回帰とは、予測する対象の形が異なります。
具体例
届いたメールを「予約」「質問」「営業案内」に分類し、担当を振り分けます。
使い分け・補足
分類先を決める基準が曖昧だと、正解の付け方や評価も曖昧になります。
関連することば
出典
Regression
価格や数値などの値を予測する処理。
定義
価格や数値などの値を予測する処理。
かみくだくと
入力と数値の関係を学び、値を予測する処理です。種類を当てる分類と違い、売上や時間などの量を予測する場面で使います。
具体例
曜日や過去の来客数などを使い、翌日の来客数の目安を予測します。
使い分け・補足
予測値は未来の確定値ではなく、データの範囲や状況の変化によって誤差が出ます。
関連することば
出典
Artificial General Intelligence
幅広い課題に汎用的に対応する知能の構想。
定義
幅広い課題に汎用的に対応する知能の構想。
かみくだくと
特定の作業だけでなく、多様な課題へ広く適応できる人工知能を考える概念です。どの範囲や水準に達したら実現と呼ぶかには、複数の考え方があります。
具体例
文章作成だけでなく、初めて出会う異なる分野の課題にも柔軟に対応できる知能を想定します。
使い分け・補足
一つの試験の高得点だけで、AGIが実現したと一律に判断できるわけではありません。
関連することば
出典
Artificial Superintelligence
人間を大きく上回る知能の構想。
定義
人間を大きく上回る知能の構想。
かみくだくと
人間の能力を多くの領域で大きく上回る人工的な知能を想定する概念です。人間並みの汎用性を論じるAGIとは、着目する能力の水準が異なります。
具体例
科学研究や技術設計などの広い領域で、人間をはるかに超える能力を持つ知能を想像します。
使い分け・補足
将来を論じる概念であり、特定の製品の機能名や、実現時期の確約を示す言葉ではありません。
関連することば
出典
Frontier Model
その時点で高度な能力を持つ先端的なAIモデルの呼び方。
定義
その時点で高度な能力を持つ先端的なAIモデルの呼び方。
かみくだくと
その時点で先端に位置する能力を持つモデルを指す呼び方です。先端とされる範囲は、研究の進展や、評価する能力によって移り変わります。
具体例
新たなモデルが登場した際、文章・画像・推論などの高度な能力を持つ先端モデルとして紹介されます。
使い分け・補足
固定された製品名や、どの用途でも最高であることを示す認定ではありません。
関連することば
出典
トランスフォーマー
情報同士の関係を扱う、多くの生成AIの基本構造。
定義
情報同士の関係を扱う、多くの生成AIの基本構造。
かみくだくと
情報同士の関係をAttentionで計算する、ニューラルネットワークの構造です。多くの言語モデルに使われ、文章以外の情報を扱う用途にも応用されています。
具体例
一文の中で、ある言葉がどの言葉と関係するかを計算し、文脈に応じた表現を作ります。
使い分け・補足
Transformerは構造の名前です。学習データや規模、調整方法が違えば、同じ構造でも振る舞いは異なります。
関連することば
出典
アテンション / 注意機構
入力のどの部分を重く参照するか計算する仕組み。
定義
入力のどの部分を重く参照するか計算する仕組み。
かみくだくと
情報を処理するときに、どの部分をどの程度参照するかを数値で計算する仕組みです。文章の中の離れた言葉の関係を扱うことにも役立ちます。
具体例
「猫が椅子に乗った。それは黒かった」のような文で、言葉同士の関連を計算します。
使い分け・補足
人間が意識を集中させることと同じではなく、関係を計算しても解釈が常に正しくなるとは限りません。
関連することば
出典
Self-Attention
同じ入力の中にある要素同士の関係を計算する。
定義
同じ入力の中にある要素同士の関係を計算する。
かみくだくと
同じ入力に含まれる要素同士について、参照の重さを計算するAttentionです。個々の言葉を、周囲や離れた位置の言葉との関係を踏まえて表現できます。
具体例
「カフェの新しいメニュー」という入力の中で、「新しい」と「メニュー」などの関係を扱います。
使い分け・補足
Selfという名前は、AIが自分自身を意識したり内省したりすることを意味しません。
関連することば
出典
Parameter
モデルの振る舞いを決める調整可能な数値。
定義
モデルの振る舞いを決める調整可能な数値。
かみくだくと
モデルの動作に影響し、学習で調整される数値を指します。重みなどが含まれ、多数の値の組み合わせによって入力から出力への関係を表します。
具体例
同じ構造のモデルでも、学習で得たパラメータが違うと、写真の判定や文章の出し方が変わります。
使い分け・補足
パラメータ数だけでは、学習の質や、実際の用途での性能は比較しきれません。
関連することば
出典
Weights
学習で調整される、モデル内部の数値。
定義
学習で調整される、モデル内部の数値。
かみくだくと
ニューラルネットワークの計算で、情報をどの程度伝えるかなどに関わる数値です。学習によって調整されるモデル内部のパラメータの一種です。
具体例
入力された特徴を組み合わせる際、ある特徴の影響を強くし、別の特徴の影響を弱くする数値を調整します。
使い分け・補足
利用者がその場で渡した文章や資料を、そのまま重みと呼ぶわけではありません。
関連することば
出典
Billion parameters
モデル規模を表す表記。1Bは10億。
定義
モデル規模を表す表記。1Bは10億。
かみくだくと
モデルのパラメータ数を表すとき、Bはbillion、つまり10億を意味します。大きさを比較する目安ですが、保存容量を直接表す単位ではありません。
具体例
7Bと表記されたモデルなら、およそ70億のパラメータを持つという意味です。
使い分け・補足
必要なメモリは数値の保存形式や構造でも変わるため、7Bなら何GBと単純には決まりません。
関連することば
出典
Mixture of Experts
複数の専門部分から一部を選んで計算する構造。
定義
複数の専門部分から一部を選んで計算する構造。
かみくだくと
複数の専門部分を持ち、入力に応じて使う部分を選ぶ構造です。モデル全体のパラメータ数と、一度の処理で動かす部分の数が異なる場合があります。
具体例
入力ごとに、用意された複数の専門部分のうち一部へ計算を振り分けます。
使い分け・補足
複数の独立したチャットAIが相談するマルチエージェントとは、構造上の話が異なります。
関連することば
出典
Dense Model
各入力で基本的に全体の重みを使う構造。
定義
各入力で基本的に全体の重みを使う構造。
かみくだくと
MoEのように一部の専門部分を選ぶ方式との対比で使われる呼び方です。通常、入力の処理でモデルの広い範囲のパラメータを使います。
具体例
同じ入力を処理するとき、専門部分を選ぶMoEと、全体を使う密モデルの構成を比較します。
使い分け・補足
密モデルと呼ぶだけで、性能や速度、必要なメモリが一律に決まるわけではありません。
関連することば
出典
Encoder
入力を内部表現へ変換する部分。
定義
入力を内部表現へ変換する部分。
かみくだくと
入力を受け取り、その特徴や関係を内部で扱いやすい表現へ変換する部分です。変換した表現は、分類や別の出力を作る処理などで使われます。
具体例
文章を読み取り、意味に関係する特徴を数値の表現にして、検索の比較に使います。
使い分け・補足
入力を符号化するという役割であり、ファイルを暗号化する処理と同じではありません。
関連することば
出典
Decoder
内部表現などから出力を作る部分。
定義
内部表現などから出力を作る部分。
かみくだくと
内部の表現や、それまでに生成した内容などを使って、出力を作る部分です。言語モデルでは、続きのトークンを順に生成する構成にも使われます。
具体例
翻訳する文章の情報を受けて、訳文の単語などを順に出力していきます。
使い分け・補足
エンコーダーとデコーダーの組み合わせ方は、モデルの構造によって異なります。
関連することば
出典
Tokenizer
文字列などをトークンへ分ける仕組み。
定義
文字列などをトークンへ分ける仕組み。
かみくだくと
文章を、モデルが扱うトークンへ分割し、対応する番号などに変換する仕組みです。同じ文章でも、使うトークナイザーによって区切り方が異なります。
具体例
入力した日本語の文章を、そのモデル用の単位に分けてから、モデルへ渡します。
使い分け・補足
見た目の文字数や空白の数だけで、正確なトークン数を決められるとは限りません。
関連することば
出典
Input Tokens
指示・資料・履歴など、入力側の処理単位。
定義
指示・資料・履歴など、入力側の処理単位。
かみくだくと
モデルへ渡して処理させる側のトークンです。最後の質問だけでなく、システムの指示、会話履歴、参照資料などが含まれる場合があります。
具体例
短い質問を送っても、長い資料と会話履歴が一緒に渡されれば、入力側の情報量は大きくなります。
使い分け・補足
画面に今入力した文字数と、実際に課金や制限へ使われる入力トークン数は一致するとは限りません。
関連することば
出典
Output Tokens
モデルが生成する側の処理単位。
定義
モデルが生成する側の処理単位。
かみくだくと
モデルが生成する側の情報量を数える単位です。利用者に表示される文章に加え、モデルや製品によっては検討過程の分も計算対象になります。
具体例
一行の回答と、長い解説を生成する回答では、出力側に使うトークン量が変わります。
使い分け・補足
料金や上限の説明では、表示された文章だけを数えるのかを、サービスの仕様で確認します。
関連することば
出典
Context Window
一度の処理で扱える情報量の上限。
定義
一度の処理で扱える情報量の上限。
かみくだくと
一度の処理で扱える指示・履歴・資料などの量の上限です。通常はトークン数などで表され、入力と出力の配分もモデルの仕様に関わります。
具体例
長い会話と資料を一緒に渡すとき、それらを上限内に収める必要があります。
使い分け・補足
上限内に入った情報を、すべて同じ精度で思い出したり活用したりできるという保証ではありません。
関連することば
出典
Knowledge Cutoff
主な学習知識がいつ頃までかを示す目安。
定義
主な学習知識がいつ頃までかを示す目安。
かみくだくと
モデルが事前に学んだ知識の時期を示す目安です。モデル自体の知識と、実行時の検索や資料から得た新しい情報は分けて考えます。
具体例
学習後に変わった営業時間はモデルの知識だけでは分からなくても、最新の店舗資料を渡せば参照できます。
使い分け・補足
カットオフ以前の情報なら、すべて正確に知っているという意味でもありません。
関連することば
出典
Pre-training
幅広いデータで基本能力を学ぶ段階。
定義
幅広いデータで基本能力を学ぶ段階。
かみくだくと
幅広いデータを使って、モデルの基本となる特徴や能力を学ぶ段階です。その後、指示への応答や特定の用途に合わせて追加の調整を行う場合があります。
具体例
大量の文章から言葉の関係を学び、その土台を使って、後から対話向けの調整を行います。
使い分け・補足
事前学習を終えただけで、人の指示に望ましい形で答えられるとは限りません。
関連することば
出典
Post-training
事前学習後に能力や振る舞いを調整する段階。
定義
事前学習後に能力や振る舞いを調整する段階。
かみくだくと
事前学習でできたモデルに対して、使い方に合う能力や振る舞いを調整する段階です。望ましい回答例や、回答を比べた評価などを使う方法があります。
具体例
説明の丁寧さや、指示への従い方を調整するために、回答例などで追加学習します。
使い分け・補足
一つの学習方法の名前ではなく、事前学習の後に行うさまざまな調整を含む呼び方です。
関連することば
出典
Fine-tuning
学習済みモデルを追加データで調整すること。
定義
学習済みモデルを追加データで調整すること。
かみくだくと
学習済みのモデルへ追加のデータを与え、内部のパラメータなどを調整することです。特定の書式や仕事への対応を学ばせる用途があります。
具体例
問い合わせ文と望ましい返信の組を用意し、返信の形式に沿いやすくなるよう調整します。
使い分け・補足
新しい資料を読ませるだけのRAGや、指示文を変更する方法とは区別します。
関連することば
出典
Instruction Tuning
指示に応じた回答例などで学習する調整。
定義
指示に応じた回答例などで学習する調整。
かみくだくと
指示と、その指示に応じた出力の例を使って、モデルを調整する方法です。単に文章の続きを作るだけでなく、利用者の依頼へ応答する振る舞いに関わります。
具体例
「三行で要約して」という指示と、実際の三行の要約を組にして学習に使います。
使い分け・補足
学習後でも、曖昧な指示や未知の課題で、必ず期待どおりに動くとは限りません。
関連することば
出典
Supervised Fine-tuning
望ましい出力例を使う追加学習。
定義
望ましい出力例を使う追加学習。
かみくだくと
入力と望ましい出力の組を教材に、学習済みモデルを追加で調整する方法です。出力の評価だけを使う調整とは、学習データの用意の仕方が異なります。
具体例
商品の説明を入力し、決めた項目順の紹介文を正解例として学習させます。
使い分け・補足
正解例の誤りや偏りも学習に影響するため、教材の内容と評価用のデータを確認します。
関連することば
出典
Supervised Learning
正解の付いた例で学ぶ方法。
定義
正解の付いた例で学ぶ方法。
かみくだくと
入力に正解のラベルや目標値が付いた例を使う学習です。モデルの予測と正解を比較し、分類や数値予測などの性能を改善します。
具体例
猫と犬の写真にそれぞれ名前を付け、その正解を使って見分け方を学習させます。
使い分け・補足
教師とは人が横で話しかけることではなく、正解となる情報を利用するという意味です。
関連することば
出典
Unsupervised Learning
正解ラベルなしで構造や特徴を見つける方法。
定義
正解ラベルなしで構造や特徴を見つける方法。
かみくだくと
人が付けた正解ラベルを使わず、データの中のまとまりや構造を見つける方法です。似たものをまとめる処理などに使われます。
具体例
購入履歴の特徴が似ているお客様を、あらかじめ決めた正解なしにグループ化します。
使い分け・補足
見つかったグループに、業務上の意味があるかどうかは別途確かめる必要があります。
関連することば
出典
Self-supervised Learning
データ自身から学習の正解を作る方法。
定義
データ自身から学習の正解を作る方法。
かみくだくと
元のデータの一部を隠すなどして、そのデータ自身から学習課題の正解を作る方法です。大量の例すべてに、人が一つずつ正解を付ける負担を減らせます。
具体例
文章の前半から次に来る部分を予測し、実際の続きと比較して学習します。
使い分け・補足
学習の仕組みが不要という意味ではなく、正解の作り方が特徴です。
関連することば
出典
Reinforcement Learning / RL
報酬を手掛かりに行動を改善する学習。
定義
報酬を手掛かりに行動を改善する学習。
かみくだくと
行動の結果に対する報酬を手掛かりに、よい行動の選び方を学ぶ方法です。何を報酬とするかが、学習後の振る舞いに大きく関わります。
具体例
ゲームで得点につながる行動を試し、その結果を使って行動方針を改善します。
使い分け・補足
報酬の決め方が目的とずれていると、得点だけを稼ぐ望ましくない行動を学ぶ場合があります。
関連することば
出典
Reinforcement Learning from Human Feedback
人の評価を手掛かりにした強化学習。
定義
人の評価を手掛かりにした強化学習。
かみくだくと
人の好みや評価を手掛かりに、モデルの振る舞いを調整する強化学習です。人が比べた回答などをもとに、報酬を与える仕組みを作ることがあります。
具体例
二つの回答を人が読み比べ、より望ましい方を選んだ評価を、調整に利用します。
使い分け・補足
通常のチャットで「ありがとう」と言うだけで、その場でこの学習が行われるという意味ではありません。
関連することば
出典
Reinforcement Learning from AI Feedback
AIの評価を手掛かりにした強化学習。
定義
AIの評価を手掛かりにした強化学習。
かみくだくと
人の評価の代わりや補助として、AIが付けた評価を使う強化学習です。評価する側の基準や能力も、調整の結果に影響します。
具体例
回答が方針に沿っているかを別のAIに評価させ、その結果を学習の手掛かりにします。
使い分け・補足
AIの評価だから客観的とは限らず、採点役の偏りや見落としも確かめる必要があります。
関連することば
出典
Direct Preference Optimization
好ましい回答と好ましくない回答の組から調整する方法。
定義
好ましい回答と好ましくない回答の組から調整する方法。
かみくだくと
同じ入力への好ましい回答と好ましくない回答の組を使い、好ましい方へ寄るように直接調整する方法です。明示的な報酬モデルを別に作る方式との違いがあります。
具体例
同じ質問に対する、条件に沿った回答と条件を外した回答を組にして学習させます。
使い分け・補足
どちらが望ましいかという判断の質が、調整の方向に影響します。
関連することば
出典
Low-Rank Adaptation
少量の追加パラメータでモデルを調整する方法。
定義
少量の追加パラメータでモデルを調整する方法。
かみくだくと
モデル全体を大きく更新する代わりに、小さな追加の数値群を主に調整する手法です。追加学習の計算や保存の負担を抑えるために使われます。
具体例
元のモデルを土台に、特定の文体へ寄せるための小さな追加部分を学習します。
使い分け・補足
画像の絵柄に使う例が有名ですが、言語モデルなどにも使われる手法です。
関連することば
出典
Parameter-Efficient Fine-Tuning
調整するパラメータを抑える追加学習の総称。
定義
調整するパラメータを抑える追加学習の総称。
かみくだくと
追加学習で更新するパラメータを絞り、計算や保存の負担を減らす方法の総称です。LoRAも、この考え方に含まれる手法の一つです。
具体例
大きなモデルのすべてを学習し直す代わりに、一部の追加パラメータを調整します。
使い分け・補足
負担を減らせても、どの用途にも同じ精度で適応できるとは限りません。
関連することば
出典
Teacher / Student Model
蒸留で教える側と学ぶ側のモデル。
定義
蒸留で教える側と学ぶ側のモデル。
かみくだくと
知識蒸留などで、教材を与える側を教師、そこから学ぶ側を生徒と呼びます。人同士の関係ではなく、学習での役割を示す名前です。
具体例
高性能なモデルの回答を用意し、それを教材として、別のモデルの振る舞いを調整します。
使い分け・補足
教師が大きく生徒が小さい構成はありますが、名称だけで規模や性能の差が決まるわけではありません。
関連することば
出典
Dataset
学習や評価のためにまとめたデータ。
定義
学習や評価のためにまとめたデータ。
かみくだくと
学習や評価など、ある目的のためにまとめたデータです。どの範囲を含め、どんな条件で集め、どう分けたかも、結果を理解するために重要です。
具体例
問い合わせ文と分類先の組をまとめ、学習用と、未使用の評価用に分けて用意します。
使い分け・補足
件数が多くても、重複や誤り、偏りがあると、性能の確認が難しくなります。
関連することば
出典
Synthetic Data
生成やシミュレーション等で人工的に作ったデータ。
定義
生成やシミュレーション等で人工的に作ったデータ。
かみくだくと
AIによる生成やシミュレーションなどで人工的に作るデータです。実データだけでは集めにくい例を補う用途がありますが、品質の確認は欠かせません。
具体例
問い合わせ対応の学習材料として、想定される質問と回答の候補を人工的に作ります。
使い分け・補足
生成元の間違いや似た表現ばかりの偏りが、作ったデータに持ち込まれることがあります。
関連することば
出典
Annotation / Labeling
データに正解・属性・位置などの情報を付ける作業。
定義
データに正解・属性・位置などの情報を付ける作業。
かみくだくと
データへ、分類名や物体の位置などの情報を付ける作業です。モデルに何を学ばせるか、評価で何を正解とするかを具体的にする役割があります。
具体例
写真に写る看板を四角で囲み、「看板」というラベルを付けます。
使い分け・補足
担当者ごとに判断が違わないよう、ラベルの定義や迷う例の扱いをそろえます。
関連することば
出典
Overfitting
学習例に合いすぎて、新しい例に弱くなる状態。
定義
学習例に合いすぎて、新しい例に弱くなる状態。
かみくだくと
学習に使った例へ細かく合わせすぎて、新しい例に対応しにくくなる状態です。学習用の成績だけを見ていると、気付きにくいことがあります。
具体例
練習問題はよく解けるのに、少し言い方を変えた問い合わせの分類で間違えるようになります。
使い分け・補足
学習に使っていないデータで確認し、実際に使う場面に対応できるかを見ます。
関連することば
出典
Generalization
未経験のデータや課題にも対応すること。
定義
未経験のデータや課題にも対応すること。
かみくだくと
学習で見た例だけでなく、初めての入力にも、学んだ関係を使って対応することです。実際に役立つモデルかを考えるうえで重要な性質です。
具体例
学習に使っていない角度や場所の猫の写真でも、猫と判定できるかを確かめます。
使い分け・補足
少し違う例で使えることと、どんな未知の状況でも使えることは同じではありません。
関連することば
出典
Prompt Engineering
指示や例の書き方を工夫すること。
定義
指示や例の書き方を工夫すること。
かみくだくと
欲しい結果を得るため、AIへの指示、条件、例、出力形式などを設計して試すことです。実際の出力を見ながら、曖昧な部分を減らしていきます。
具体例
「紹介文を書いて」から、「初心者向け、三行、価格は資料の表記を使う」と条件を具体化します。
使い分け・補足
指示の工夫だけで、資料不足や権限の問題、モデルの限界まで解消できるわけではありません。
関連することば
出典
Context Engineering
AIに渡す情報全体を選び、整理し、維持すること。
定義
AIに渡す情報全体を選び、整理し、維持すること。
かみくだくと
AIが作業に使う指示・履歴・資料・道具の情報を、選び、整理し、渡す設計です。必要な情報を保ち、不要な情報で作業を圧迫しないようにします。
具体例
チラシ作成に必要な店舗資料だけを選び、最新の営業時間と制作手順を一緒に渡します。
使い分け・補足
指示を長くするほどよいという話ではなく、関連性、鮮度、情報同士の矛盾も扱います。
関連することば
出典
System Prompt
AIの基本動作や役割を定める指示。
定義
AIの基本動作や役割を定める指示。
かみくだくと
モデルやAIアプリの基本的な役割、回答方針などを伝える指示です。利用者の個別依頼より上位の指示として扱われる実装があります。
具体例
問い合わせ窓口のAIへ、「店舗資料を参照し、資料にない価格は作らず確認する」と基本方針を渡します。
使い分け・補足
文章で禁止しても、外部送信などの実行権限が物理的に止まるわけではありません。
関連することば
出典
User Prompt
利用者がその場で送る入力。
定義
利用者がその場で送る入力。
かみくだくと
利用者がその場でAIへ送る依頼や質問です。基本の動作方針を設定する指示と区別し、いま何をしてほしいかを伝えます。
具体例
「このメニューを、初めて来る人向けの短い紹介文にしてください」と送ります。
使い分け・補足
ユーザーの入力にも資料や引用が含まれるため、その全部が実行すべき命令とは限りません。
関連することば
出典
Role
システム・ユーザーなど、メッセージの立場。
定義
システム・ユーザーなど、メッセージの立場。
かみくだくと
会話のメッセージが、誰の立場で送られたかを示す区分です。システム、利用者、AI、ツールの結果などを区別する構成があります。
具体例
利用者の質問と、外部ツールが返した店舗情報を、別の立場のメッセージとして渡します。
使い分け・補足
「あなたは編集者です」という役柄の指定と、メッセージ構造としてのロールは区別します。
関連することば
出典
Zero-shot
正解例を示さずに課題を頼む方法。
定義
正解例を示さずに課題を頼む方法。
かみくだくと
具体的な正解例を入力に示さず、課題や条件を説明して依頼する方法です。モデルがすでに学んだ能力や、指示への対応を利用します。
具体例
お手本を付けず、「次の問い合わせを、予約・質問・その他に分類してください」と頼みます。
使い分け・補足
何も情報を渡さないという意味ではありません。課題の定義や判断条件は伝えられます。
関連することば
出典
Few-shot
少数の例を添えて課題を頼む方法。
定義
少数の例を添えて課題を頼む方法。
かみくだくと
少数のお手本を入力に添えて、欲しい形式や判断の仕方を伝える方法です。例から共通する形を読み取ってもらうことを狙います。
具体例
二件の問い合わせと分類結果を示してから、三件目も同じ形式で分類してもらいます。
使い分け・補足
会話の中で例を見せることと、モデルの重みを追加学習で変えることは別です。
関連することば
出典
In-context Learning / ICL
入力内の例や説明を使って課題に対応すること。
定義
入力内の例や説明を使って課題に対応すること。
かみくだくと
そのときの入力にある例や説明を利用し、課題への対応を変える現象です。通常、その場でモデルのパラメータを学習し直すことは指しません。
具体例
店名と紹介文の書き方の例をいくつか渡し、新しい店について同じ書式で書いてもらいます。
使い分け・補足
次の会話にも同じ例や方針が自動的に残るかどうかは、別の保存機能や設定によります。
関連することば
出典
Grounding
資料や検索結果などの根拠に出力を結びつけること。
定義
資料や検索結果などの根拠に出力を結びつけること。
かみくだくと
出力を、参照資料や検索結果などの根拠に結びつけることです。どの情報を根拠として答えるかを明確にする狙いがあります。
具体例
営業時間の回答を、最新の店舗案内にある「10時〜18時」の記載に基づかせます。
使い分け・補足
根拠資料が古い場合や、AIが読み違えた場合もあるため、根拠を渡すだけで正しさは保証されません。
関連することば
出典
Prompt Template
差し替え部分を設けた指示のひな形。
定義
差し替え部分を設けた指示のひな形。
かみくだくと
繰り返し使う文章や指示の形を定め、変える部分を差し替えられるようにしたものです。必要な項目の抜けを減らす用途にも役立ちます。
具体例
「店名：○○、営業時間：○○、対象者：○○」という欄を用意し、店ごとに情報を入れます。
使い分け・補足
ひな形の条件が別の案件に合わない場合もあるため、空欄を埋めるだけで済むか確認します。
関連することば
出典
Custom Instructions
利用者の好みや共通条件を設定する指示。
定義
利用者の好みや共通条件を設定する指示。
かみくだくと
好みの口調や共通の前提などを、毎回書かずに参照させるための設定です。どの会話へ適用されるかは、製品や設定によって異なります。
具体例
「回答は日本語で、結論を先に書く」という共通条件を設定します。
使い分け・補足
モデルを再学習させる機能とは別で、ほかの指示との関係や適用範囲も確認する必要があります。
関連することば
出典
Memory
後で参照できるよう情報を保持する仕組み。
定義
後で参照できるよう情報を保持する仕組み。
かみくだくと
情報を保存し、後の処理で取り出して使えるようにする仕組みです。保存先や保持期間、取り出す方法にはさまざまな実装があります。
具体例
利用者が希望した回答の長さを保存し、次の作業で参照します。
使い分け・補足
会話履歴、外部ファイル、モデルの学習知識はそれぞれ異なり、同じ「記憶」の一語で混同しないようにします。
関連することば
出典
Short-term / Long-term Memory
直近の作業情報と、継続保存する情報の区別。
定義
直近の作業情報と、継続保存する情報の区別。
かみくだくと
いま進めている作業の情報と、作業を越えて保存する情報を区別する呼び方です。人間の記憶と同じ仕組みを実装しているとは限りません。
具体例
今回のチラシの修正指示は作業中に保持し、店の基本情報は別の資料として継続保存します。
使い分け・補足
長期記憶と呼ばれていても、永久保存や、毎回確実に参照されることが保証されるわけではありません。
関連することば
出典
Compaction
履歴を要約・整理して扱う量を減らす処理。
定義
履歴を要約・整理して扱う量を減らす処理。
かみくだくと
長くなった会話や作業履歴を要約・整理し、扱う情報量を減らす処理です。必要な前提や現在の状態を、短い形で引き継ぐことを狙います。
具体例
長い打ち合わせを、決まった店名・営業時間・未決の修正点にまとめて次の処理へ渡します。
使い分け・補足
圧縮の過程で細かな条件が落ちることがあるため、重要な決定は別の正本にも残します。
関連することば
出典
Context Rot
情報量が増えると、参照の正確さ等が低下する現象。
定義
情報量が増えると、参照の正確さ等が低下する現象。
かみくだくと
長い履歴や多くの資料があると、必要な情報を正確に利用しにくくなる現象を指す呼び方です。情報の量だけでなく、位置や関連性も影響し得ます。
具体例
初めに伝えた営業時間が長い会話に埋もれ、後の文章で別の時刻が書かれてしまいます。
使い分け・補足
一定の長さを超えると必ず起きる、という一つの固定した境界を示す言葉ではありません。
関連することば
出典
Session
一続きの会話や作業を管理する単位。
定義
一続きの会話や作業を管理する単位。
かみくだくと
一続きの会話や作業の状態を管理する単位です。同じ作業の途中で参照する履歴や情報を、どこまでまとめるかに関わります。
具体例
チラシの初稿作りから修正までを、一つの会話として管理します。
使い分け・補足
セッションが続くことと、すべての過去情報が毎回そのままモデルへ渡されることは同じではありません。
関連することば
出典
Turn
会話で入力や応答をやり取りする一つの区切り。
定義
会話で入力や応答をやり取りする一つの区切り。
かみくだくと
会話の入力や応答を区切って数えるための単位です。利用者の入力とAIの応答を一組とするなど、数え方には文脈による違いがあります。
具体例
紹介文を頼み、AIが初稿を返す。その後、短くするよう頼むと、次のやり取りへ進みます。
使い分け・補足
利用上限などの数字に使われる場合は、そのサービスが何を一ターンと数えるかを確認します。
関連することば
出典
Multi-turn
複数回のやり取りを続けて進めること。
定義
複数回のやり取りを続けて進めること。
かみくだくと
一回だけの入力と回答で終わらず、複数回のやり取りを通じて作業を進めることです。前の出力に対する修正や、追加の条件を扱えます。
具体例
チラシの初稿を見て「もっと短く」、次に「営業時間を目立たせて」と頼みます。
使い分け・補足
やり取りを重ねるほど自動的に品質が上がるわけではなく、矛盾した条件や情報の埋没にも注意します。
関連することば
出典
Reasoning
情報を組み合わせ、段階を踏んで解を導く処理。
定義
情報を組み合わせ、段階を踏んで解を導く処理。
かみくだくと
情報や条件を組み合わせ、途中の検討を重ねて答えへ近づく処理を指します。モデルを実行するというinferenceの用法とは、着目する点が違います。
具体例
予算、締切、必要な作業を比べ、どの順に進めるかを検討して計画を作ります。
使い分け・補足
段階的に考えているような説明でも、途中の前提や結論が正しいとは限りません。
関連することば
出典
Reasoning Model
回答までの検討過程を重視したモデル。
定義
回答までの検討過程を重視したモデル。
かみくだくと
回答の前に検討する計算を重視したモデルの呼び方です。複雑な問題で役立つ場合がありますが、応答の速さや費用との兼ね合いがあります。
具体例
複数の条件を満たす予定表を作るため、回答前の検討に向いたモデルを選びます。
使い分け・補足
推論モデルなら必ず正解するわけではなく、調査資料や計算結果の確認は引き続き必要です。
関連することば
出典
Reasoning Tokens
回答を検討する過程で使う生成単位。
定義
回答を検討する過程で使う生成単位。
かみくだくと
モデルが回答を検討する過程で使う生成単位を指します。利用者に見える回答の長さとは別に、利用量や出力上限へ関わる場合があります。
具体例
表示された回答は短くても、複雑な条件の検討に処理を使う場合があります。
使い分け・補足
内部の検討がすべて画面に表示されるとは限らず、数え方や公開範囲は製品の仕様で確認します。
関連することば
出典
CoT / 思考の連鎖
途中の考え方を段階的に表す方法。
定義
途中の考え方を段階的に表す方法。
かみくだくと
答えだけでなく、途中の考え方を段階的に示す表現や手法です。問題をいくつかの手順に分けて説明する際などに使われます。
具体例
合計金額を求めるとき、数量と単価を掛け、次に各項目を足すという説明を示します。
使い分け・補足
出力された説明は、モデル内部で起きた処理の完全で忠実な記録とは限りません。
関連することば
出典
Test-time Compute / Inference-time Compute
回答時に使う追加の計算。
定義
回答時に使う追加の計算。
かみくだくと
モデルを学習させるときではなく、利用時に回答を作るために使う計算です。検討を増やす、複数の候補を比べる、といった方法があります。
具体例
難しい問題に対して、答えの候補をいくつか検討してから最終回答を選びます。
使い分け・補足
計算を増やすほど必ず改善するわけではなく、待ち時間や利用量との釣り合いも必要です。
関連することば
出典
Sampling
候補の確率分布から次の出力を選ぶ処理。
定義
候補の確率分布から次の出力を選ぶ処理。
かみくだくと
候補ごとの確率などをもとに、次の出力を選ぶ処理です。必ず最も高い候補を選ぶ方式だけでなく、一定のランダムさを含む選び方があります。
具体例
文章の続きを作る際、「行きます」「出かけます」などの候補から、設定に応じて次の語を選びます。
使い分け・補足
同じ入力でも違う文章になる理由の一つですが、変化の原因がすべてこの設定とは限りません。
関連することば
出典
温度 / テンパラチャー
出力候補の選ばれ方のランダムさを調整する値。
定義
出力候補の選ばれ方のランダムさを調整する値。
かみくだくと
出力候補の確率の差を調整し、選ばれ方のランダムさへ影響させる値です。一般に低くすると高い候補へ寄りやすくなります。
具体例
紹介文の案を広げる場合と、決まった書式にそろえたい場合で、対応モデルの設定を比べます。
使い分け・補足
値を下げても事実の間違いがなくなるわけではなく、対応範囲や推奨設定もモデルによって違います。
関連することば
出典
Nucleus Sampling
確率の合計が指定値になる候補群から選ぶ方法。
定義
確率の合計が指定値になる候補群から選ぶ方法。
かみくだくと
出力候補を確率の高い順に集め、合計が指定した割合に達する範囲などから選ぶ方法です。候補をどこまで広げるかを調整します。
具体例
次の語の候補を、確率の合計が設定した範囲になるまで集め、その中から選びます。
使い分け・補足
Top-pは回答の正解率を指定する数値ではありません。設定の意味は、利用する実装でも確認します。
関連することば
出典
トップケー
上位k個の候補に絞る設定。
定義
上位k個の候補に絞る設定。
かみくだくと
候補を上位k個などに絞る考え方です。生成時の候補選びにも、検索結果の取得件数にも使われるため、何を数えるかを確認します。
具体例
資料検索で関連性の高い上位五件を取り出す場合、検索側のTop-kを五に設定します。
使い分け・補足
生成の候補数と検索の件数では処理が違うので、同じ設定名でも意味を分けて読みます。
関連することば
出典
シード / 乱数の種
ランダムな処理の出発点を指定する値。
定義
ランダムな処理の出発点を指定する値。
かみくだくと
乱数を使う処理の出発点を指定する値です。条件をそろえた比較や、似た結果を再現するための手掛かりになります。
具体例
同じ画像生成の条件でSeedを固定し、プロンプトの変更による違いを比べます。
使い分け・補足
モデル、計算環境、ほかの設定が変わると、同じ値でも完全に同じ結果になるとは限りません。
関連することば
出典
Max Output Tokens
生成する出力の長さの上限。
定義
生成する出力の長さの上限。
かみくだくと
一度の生成で出せる長さに設ける上限です。モデルやAPIによって、表示する回答と検討に使う分の数え方などが異なります。
具体例
短い紹介文を作る処理に、出力トークン数の上限を設けます。
使い分け・補足
上限は必ずその長さまで書く指定ではなく、小さすぎると文章が途中で終わる場合もあります。
関連することば
出典
Agentic AI
判断・道具利用・行動を組み合わせるAIの呼び方。
定義
判断・道具利用・行動を組み合わせるAIの呼び方。
かみくだくと
目的に向けた判断、道具の利用、行動を組み合わせるAIを指す呼び方です。単発の文章生成よりも、仕事をどう進めるかという側面に着目します。
具体例
依頼された調査について、調べる内容を決め、検索し、不足を確認して報告をまとめます。
使い分け・補足
完全に人の確認が不要という意味ではなく、任せる範囲は製品や運用によって違います。
関連することば
出典
Chatbot
会話を通じて応答する仕組み。
定義
会話を通じて応答する仕組み。
かみくだくと
利用者との会話を入口として、質問への応答や案内を行う仕組みです。決めた回答を返すものも、言語モデルを使って生成するものもあります。
具体例
店舗サイトの会話欄に営業時間を質問すると、案内が返ってきます。
使い分け・補足
チャットという見た目だけでは、資料検索や予約処理までできるかは分かりません。
関連することば
出典
Copilot / 副操縦士型AI
人の作業を補助するAIの呼び方。
定義
人の作業を補助するAIの呼び方。
かみくだくと
人の作業に寄り添い、提案や補助を行うAIを表す呼び方です。製品名にも使われますが、何を実行できるかには共通の決まりがありません。
具体例
文章を書いている途中に表現の候補を出したり、表計算の操作を手伝ったりします。
使い分け・補足
補助という呼び名でも外部操作を伴う場合があるので、実際の機能と権限を確認します。
関連することば
出典
Autonomy
人の逐次指示なしに判断し行動する度合い。
定義
人の逐次指示なしに判断し行動する度合い。
かみくだくと
人が一手ずつ指示しなくても、目的に応じて判断や行動を進められる度合いです。何を任せ、どこで止めるかという設計と合わせて考えます。
具体例
資料の検索と下書き作成までは自分で進め、公開の直前で利用者へ確認するようにします。
使い分け・補足
自律性が高いことと、誤りが少ないことや、与えてよい権限が広いことは同じではありません。
関連することば
出典
Workflow
複数の処理をつないだ作業の流れ。
定義
複数の処理をつないだ作業の流れ。
かみくだくと
複数の処理をどんな順番や条件で進めるかを定めた作業の流れです。決まった手順を使う構成と、途中の判断をAIへ任せる構成があります。
具体例
問い合わせを受け付け、資料を確認し、返信案を作り、人が確認して送る流れを決めます。
使い分け・補足
流れの中でAIが判断する箇所と、単に決まった処理をする箇所を分けると管理しやすくなります。
関連することば
出典
Planning
目的の達成に向けた手順を立てる処理。
定義
目的の達成に向けた手順を立てる処理。
かみくだくと
目的を達成するため、必要な処理や順番を考えることです。計画を一度立てるだけでなく、実行結果を踏まえて変える場合もあります。
具体例
チラシ制作を、店舗情報の確認、文章作成、画像準備、配置、最終確認の順に計画します。
使い分け・補足
計画が整って見えても実行できるとは限らず、使える道具や時間と照合する必要があります。
関連することば
出典
Task Decomposition
大きな仕事を小さな作業へ分けること。
定義
大きな仕事を小さな作業へ分けること。
かみくだくと
大きな仕事を、実行や確認をしやすい小さな仕事へ分けることです。各作業の入力、出力、依存関係をはっきりさせるのに役立ちます。
具体例
「新商品を紹介する」を、特徴の確認、紹介文、画像、投稿文の準備へ分けます。
使い分け・補足
分けた作業を個別に仕上げても、全体の条件がそろわなければ完成とはいえません。
関連することば
出典
Agent Loop
判断・道具利用・結果確認を繰り返す仕組み。
定義
判断・道具利用・結果確認を繰り返す仕組み。
かみくだくと
次に何をするか判断し、道具を使い、その結果を確認する流れを繰り返す仕組みです。結果に応じて次の行動を変えられます。
具体例
検索結果に必要な営業時間がなければ、別の資料を探し、見つかった情報で紹介文を更新します。
使い分け・補足
終わらない繰り返しを避けるため、完了条件、実行回数、利用量などを管理します。
関連することば
出典
Orchestration
複数の処理や担当の進め方を調整すること。
定義
複数の処理や担当の進め方を調整すること。
かみくだくと
複数の処理や担当を組み合わせ、順番や情報の受け渡しを管理することです。どの役割が何をし、失敗したらどうするかも設計の対象になります。
具体例
調査する担当の結果を、文章を作る担当へ渡し、最後に確認する担当へ回します。
使い分け・補足
担当を増やすこと自体が目的ではなく、連携の複雑さと効果を合わせて見ます。
関連することば
出典
Routing
依頼を適した処理先やモデルへ振り分けること。
定義
依頼を適した処理先やモデルへ振り分けること。
かみくだくと
依頼の種類や条件を見て、適したモデル・道具・担当へ振り分けることです。決めた規則で分ける場合も、AIに判断させる場合もあります。
具体例
画像に関する依頼は画像処理へ、計算の依頼は計算ツールへ振り分けます。
使い分け・補足
振り分けを間違えると後続の処理も合わなくなるため、境界の曖昧な依頼を確認します。
関連することば
出典
Multi-agent
複数のエージェントを組み合わせる構成。
定義
複数のエージェントを組み合わせる構成。
かみくだくと
複数のエージェントに役割を持たせ、協力や分担で作業を進める構成です。同じ課題を別々に検討する形や、工程ごとに引き継ぐ形があります。
具体例
調査、執筆、確認の役割に分け、それぞれの結果を使って一つの報告を仕上げます。
使い分け・補足
互いに同じ誤りをする場合もあり、数を増やすだけで品質が上がるとは限りません。
関連することば
出典
Subagent
一部の作業を担当する補助エージェント。
定義
一部の作業を担当する補助エージェント。
かみくだくと
主となるエージェントから、一部の仕事を任される補助的なエージェントです。担当する範囲や、受け取る情報を絞って利用する場合があります。
具体例
主担当が資料の要約だけを補助担当へ任せ、戻ってきた結果を報告に組み込みます。
使い分け・補足
親と同じ情報や権限を持つとは限らないため、依頼と必要資料を明確に渡します。
関連することば
出典
Handoff
作業や必要な情報を次の担当へ引き継ぐこと。
定義
作業や必要な情報を次の担当へ引き継ぐこと。
かみくだくと
仕事の担当を移すときに、目的、現在地、必要な資料などを次の担当へ渡すことです。単に役割名を変えるだけではなく、引き継ぐ情報が重要です。
具体例
調査済みの事実、未確認の疑問、参照URLをそろえて、執筆の担当へ渡します。
使い分け・補足
要約で判断の理由や重要な条件が落ちると、次の担当が同じ調査を繰り返すことがあります。
関連することば
出典
Agent Harness
モデルに道具・状態管理・実行手順を与える周辺ソフト。
定義
モデルに道具・状態管理・実行手順を与える周辺ソフト。
かみくだくと
モデルを実際の作業へ使うため、道具、会話状態、実行の流れなどを支える周辺ソフトです。同じモデルでも、この仕組みでできる作業が変わります。
具体例
モデルにファイル編集やコマンド実行の道具を与え、結果を返し、次の行動へ進める環境を用意します。
使い分け・補足
アプリができることを、モデル単体の能力と混同しないようにします。
関連することば
出典
Computer Use / Browser Use
AIが画面やブラウザーを操作して作業すること。
定義
AIが画面やブラウザーを操作して作業すること。
かみくだくと
画面の内容を読み、クリックや文字入力などでコンピューターを操作する方法です。サービスのAPIを直接呼ぶ方法とは操作の経路が異なります。
具体例
ブラウザーに表示されたフォームを確認し、必要な欄に情報を入力します。
使い分け・補足
表示やボタン位置が変わると操作も影響を受けるため、操作結果の確認が必要です。
関連することば
出典
Human-in-the-loop / HITL
判断や確認の途中に人を入れる設計。
定義
判断や確認の途中に人を入れる設計。
かみくだくと
作業の途中に、人の判断や確認を組み込む設計です。最終結果の点検だけでなく、目的の確認や、重要な行動の前の承認なども含みます。
具体例
AIが返信案を作り、担当者が内容を確認してから送信します。
使い分け・補足
確認を入れるだけで安全になるとは限らず、判断に必要な情報を人へ示すことも大切です。
関連することば
出典
AI Worker / Digital Worker
役割を持って業務するAIを社員にたとえた呼び方。
定義
役割を持って業務するAIを社員にたとえた呼び方。
かみくだくと
役割や担当業務を持つAIを、社員になぞらえて表現する呼び方です。技術上の決まった仕様ではなく、運用のイメージを伝えるために使われます。
具体例
毎朝の集計をするAIを「集計担当」、投稿案を作るAIを「広報担当」として扱います。
使い分け・補足
呼び名から雇用上の扱いや責任の所在が決まるわけではなく、人が管理する範囲を明確にします。
関連することば
出典
Automation
繰り返す処理等を人の逐次操作なしで進めること。
定義
繰り返す処理等を人の逐次操作なしで進めること。
かみくだくと
決めた条件や手順に従い、人が毎回操作しなくても処理を進めることです。AIを使う場合もありますが、単純な規則だけで動く自動化もあります。
具体例
毎日同じ時刻に売上を集計し、決めた場所へ結果を保存します。
使い分け・補足
自動で動くことと、内容を理解して柔軟に判断できることは同じではありません。
関連することば
出典
Tool Call
AIが道具の実行を要求すること。
定義
AIが道具の実行を要求すること。
かみくだくと
モデルが、どの道具をどんな入力で使いたいかを出力することです。その要求を受けて実際に処理するのは、アプリや実行環境の側です。
具体例
AIが営業時間を調べるため、検索ツールへ店名を渡す呼び出しを要求します。
使い分け・補足
要求が生成されても、実行権限や接続の問題で、道具が実行できない場合があります。
関連することば
出典
関数呼び出し
実行する関数名や引数をモデルが指定する仕組み。
定義
実行する関数名や引数をモデルが指定する仕組み。
かみくだくと
利用可能な関数の定義を渡し、モデルに関数名や引数を指定させる仕組みです。自然文の依頼を、プログラムが実行できる形へつなげる用途があります。
具体例
「明日の予約を確認して」という依頼から、予約を検索する関数と対象日を指定させます。
使い分け・補足
指定された引数の妥当性と実行権限は、プログラム側でも確認する必要があります。
関連することば
出典
Application Programming Interface
ソフト同士が機能やデータをやり取りする窓口。
定義
ソフト同士が機能やデータをやり取りする窓口。
かみくだくと
別のソフトから機能や情報を利用できるようにした窓口です。どんな要求を送れば、どんな結果が返るかという約束に従って連携します。
具体例
予約システムのAPIを使い、画面をクリックせずに、指定日の予約情報を取得します。
使い分け・補足
APIがあっても、利用権限や料金、実行できる操作の範囲はサービスごとに異なります。
関連することば
出典
Model Context Protocol
AIアプリと外部データ・道具をつなぐ共通規格。
MCP Server / Client
機能を提供する側と、接続して使う側。
定義
機能を提供する側と、接続して使う側。
かみくだくと
MCPで機能や資料を提供する側がサーバー、それへ接続して使う側がクライアントです。実際の構成では、AIアプリが接続を管理します。
具体例
資料検索を提供するMCPサーバーへ、AIアプリ内のクライアントが接続して検索を依頼します。
使い分け・補足
どちらの側で、どの認証情報や権限を持つかを、接続設定と合わせて確認します。
関連することば
出典
Agent2Agent Protocol
エージェント同士の連携のための規格。
定義
エージェント同士の連携のための規格。
かみくだくと
異なるエージェント同士で、仕事や状態をやり取りするための規格です。道具や資料への接続を主に扱うMCPとは、接続する相手や目的が異なります。
具体例
受付をするエージェントから、日程調整を担当するエージェントへ仕事を依頼します。
使い分け・補足
規格に対応しているだけで、相手を信頼できることや、すべての仕事を任せられることにはなりません。
関連することば
出典
Connector / Integration
外部サービスとの接続を提供する機能。
定義
外部サービスとの接続を提供する機能。
かみくだくと
外部のサービスとAIアプリを結び、データの取得や操作を行えるようにする接続機能です。製品ごとに、提供する形や呼び名が異なります。
具体例
クラウド上の文書を検索するため、そのサービスへのコネクターを接続します。
使い分け・補足
閲覧だけできるものと、編集や送信もできるものがあるため、許可する範囲を確認します。
関連することば
出典
Hook
編集の前後など、決まった出来事で動く処理。
定義
編集の前後など、決まった出来事で動く処理。
かみくだくと
ファイルの編集前後など、特定の出来事に反応して実行される処理です。AIがその都度判断しなくても、決めた確認や記録を動かす用途があります。
具体例
コードを保存した後に、書式の確認や作業記録の更新を実行します。
使い分け・補足
何をきっかけに、どのプログラムがどんな権限で動くかを把握して利用します。
関連することば
出典
エージェンツ・エムディー
エージェントへ案件の指示や前提を渡すファイル。
定義
エージェントへ案件の指示や前提を渡すファイル。
かみくだくと
エージェントにプロジェクトの前提や作業方針を伝えるための文書です。対応する開発環境が読み、作業場所や確認方法などの指示に使います。
具体例
「公開ファイルはsiteに保存し、変更後にこの確認を実行する」と案件の手順を書きます。
使い分け・補足
文書の指示と、OSや実行環境のアクセス制限は別です。読む範囲も利用する製品で確認します。
関連することば
出典
クロード・エムディー
Claude Codeが参照する共通指示などのファイル。
定義
Claude Codeが参照する共通指示などのファイル。
かみくだくと
Claude Codeへ、案件の前提や作業手順などを伝える文書です。継続して使う情報を会話の外に置き、対応する環境から参照させます。
具体例
使う言語、テストの方法、変更してよいフォルダなどを、案件の文書にまとめます。
使い分け・補足
文書を参照することは、モデルの重みへ知識を永久に学習させることとは異なります。
関連することば
出典
Software Development Kit
サービスをプログラムから使うための開発道具一式。
定義
サービスをプログラムから使うための開発道具一式。
かみくだくと
特定のサービスや環境をプログラムから利用するための道具一式です。APIを扱いやすくするライブラリや、説明、利用例などを含みます。
具体例
提供元のSDKを使い、認証やリクエストの形式を一から組み立てずに、APIを呼び出します。
使い分け・補足
SDKの版とサービスの仕様が対応しているかを確認し、秘密のキーは公開コードへ入れないようにします。
関連することば
出典
Structured Output
決めた項目や形式に沿って出力させること。
定義
決めた項目や形式に沿って出力させること。
かみくだくと
出力の項目や形をあらかじめ決め、それに沿うように生成させる方法です。後のプログラムが扱いやすいデータを返す用途があります。
具体例
店名、営業時間、住所の三項目を、決めたJSONの形で出力してもらいます。
使い分け・補足
形式が条件に合っていても、住所や営業時間の中身が正しいことまでは保証されません。
関連することば
出典
ジェイソン / ジェイソンスキーマ
データの記述形式と、その形のルール。
定義
データの記述形式と、その形のルール。
かみくだくと
JSONは、名前と値、配列などでデータを表す形式です。JSON Schemaは、必要な項目や値の型など、そのデータが満たす形を定める仕組みです。
具体例
営業時間を文字列、席数を数値として返すルールをSchemaで定め、出力されたJSONを確認します。
使い分け・補足
文章の見出しを整えるMarkdownとは目的が異なり、形の検証と事実の確認も別です。
関連することば
出典
Retrieval / 情報検索
必要そうな情報を取り出す処理。
定義
必要そうな情報を取り出す処理。
かみくだくと
質問や条件に関係しそうな情報を、保存先から取り出す処理です。キーワードや意味の近さなど、探す方法にはさまざまな種類があります。
具体例
「営業時間は？」という質問に対し、店舗資料から営業時間の記載がある部分を取り出します。
使い分け・補足
取り出した情報が本当に必要な根拠か、更新されているかは、別に確認します。
関連することば
出典
Embedding / 埋め込み
情報を特徴のある数値の並びに変換したもの。
定義
情報を特徴のある数値の並びに変換したもの。
かみくだくと
文章や画像などの特徴を、数値の並びに変換した表現です。似た内容の情報を探すなど、情報同士の関係を計算するために使います。
具体例
「お店を閉める時間」と「閉店時刻」の文章を、それぞれ数値の表現にして、近さを比較します。
使い分け・補足
数値が近いことは、内容が同一であることや、記載された事実が正しいことを意味しません。
関連することば
出典
Vector
特徴などを表す数値の並び。
定義
特徴などを表す数値の並び。
かみくだくと
複数の数値を並べたものです。AIの検索などでは、特徴を表すベクトルを用い、別のベクトルとの距離や向きの近さを計算します。
具体例
文章の特徴を多くの数値で表し、その並び同士がどの程度近いかを調べます。
使い分け・補足
どの数値が何を意味するかを、人が一つずつ簡単に読めるとは限りません。
関連することば
出典
Vector Database / Vector Store
ベクトルを保存し、近いものを探す仕組み。
定義
ベクトルを保存し、近いものを探す仕組み。
かみくだくと
ベクトル表現を保存し、近いベクトルを効率よく探すための仕組みです。文章や画像そのものや、その所在の情報と組み合わせて使います。
具体例
社内資料の各部分をベクトル化して保存し、質問に近い内容の部分を検索します。
使い分け・補足
保存しただけで回答が生成されるわけではなく、検索結果を回答処理へ渡す工程も必要です。
関連することば
出典
Semantic Search
言い回しが違っても意味の近さで探す検索。
定義
言い回しが違っても意味の近さで探す検索。
かみくだくと
表記の一致だけでなく、内容や意味の近さを使って探す検索です。エンベディングを利用するなど、複数の実現方法があります。
具体例
「お店は何時に閉まる？」という質問から、「営業時間10時〜18時」の記載を探します。
使い分け・補足
意味が似た別の話題を拾うこともあるため、店名や日付などの正確な条件も確認します。
関連することば
出典
Keyword Search
単語の一致などを使って探す検索。
定義
単語の一致などを使って探す検索。
かみくだくと
検索語と資料にある単語の一致などを使う検索です。固有名詞、番号、特徴的な表記が分かっているときに役立つ方法の一つです。
具体例
予約番号や商品コードを、その文字列を使って資料の中から探します。
使い分け・補足
同じ意味でも表現が違うと見つからないことがあり、意味検索との組み合わせも使われます。
関連することば
出典
Hybrid Search
キーワード検索と意味検索などを組み合わせる方法。
定義
キーワード検索と意味検索などを組み合わせる方法。
かみくだくと
キーワードの一致と意味の近さなど、異なる検索方法を組み合わせることです。正確な文字列と、言い換えへの対応の両方を狙えます。
具体例
店名はキーワードで絞り、質問内容に関係する資料は意味の近さでも探します。
使い分け・補足
組み合わせる方法や重み付けで結果が変わるため、実際の質問で評価します。
関連することば
出典
Chunk / Chunking
検索や処理のために分割した資料のひとかたまり。
定義
検索や処理のために分割した資料のひとかたまり。
かみくだくと
長い資料を検索や処理に使いやすく分けた、ひとかたまりの情報です。段落、見出し、一定の長さなどを基準に分割します。
具体例
店舗マニュアルを、営業時間、予約方法、キャンセル規定の部分などに分けて保存します。
使い分け・補足
小さく分けすぎると文脈が欠け、大きすぎると必要な部分を探しにくくなる場合があります。
関連することば
出典
Reranking
検索後の候補を関連性などで並べ直すこと。
定義
検索後の候補を関連性などで並べ直すこと。
かみくだくと
検索で集めた候補を、質問との関連性などを詳しく比べて並べ直す処理です。最初の検索で広く候補を集め、その後に絞る構成で使われます。
具体例
最初に取り出した二十件の資料を見直し、質問への答えがありそうな順に並べ替えます。
使い分け・補足
最初の検索で候補から漏れた資料を、並べ替えだけで取り戻せるわけではありません。
関連することば
出典
Knowledge Base
回答や作業の参照先として整えた情報集。
定義
回答や作業の参照先として整えた情報集。
かみくだくと
回答や作業に使う情報を、参照しやすい形で集めたものです。FAQ、手順書、商品説明、規定などを含み、検索の仕組みと組み合わせる場合があります。
具体例
店舗の営業時間、メニュー、予約のルールをまとめ、案内文を作るときの参照先にします。
使い分け・補足
情報の管理者や更新日が曖昧だと、検索の性能がよくても古い内容を案内してしまいます。
関連することば
出典
Citation / Source
回答の根拠として示す資料や箇所。
定義
回答の根拠として示す資料や箇所。
かみくだくと
出典は情報の元となる資料、引用はその内容や箇所を示して利用することです。説明の根拠をたどれるようにする役割があります。
具体例
営業時間の回答に、公式の店舗案内ページと、該当する記載を添えます。
使い分け・補足
リンク先に実際の根拠があるかを確かめ、出典の主張と自分の推測を区別します。
関連することば
出典
グラフラグ
情報同士の関係をグラフ等で整理して使うRAGの手法。
定義
情報同士の関係をグラフ等で整理して使うRAGの手法。
かみくだくと
情報同士の関係をグラフなどで整理して、検索や回答へ使うRAGの方法です。Microsoftが提供する実装の名称として使われる場合もあります。
具体例
人物、会社、出来事の関係を整理し、「この出来事に関わる組織は？」という調査へ使います。
使い分け・補足
通常のRAGより常に優れているという意味ではなく、資料や質問の性質、構築の負担を見ます。
関連することば
出典
Knowledge Graph
人物・もの・概念等と、その関係をつないだ情報構造。
定義
人物・もの・概念等と、その関係をつないだ情報構造。
かみくだくと
人物、場所、もの、概念などを、関係でつないで表す情報構造です。単語を並べるだけでなく、何と何がどう結びつくかを持ちます。
具体例
「店Aは商品Bを販売する」「店Aは地域Cにある」という関係を整理します。
使い分け・補足
見た目の線や丸を描いた画像だけではなく、関係を処理できる情報として管理する点が重要です。
関連することば
出典
Sycophancy / シコファンシー
正しさより相手の意見に合わせる傾向。
定義
正しさより相手の意見に合わせる傾向。
かみくだくと
AIが、正確な判断よりも利用者の意見や期待へ合わせるような応答をする傾向です。誤った前提をそのまま肯定してしまう場面などが問題になります。
具体例
誤った計算結果を「合っているよね？」と示すと、検算せずに同意してしまう場合があります。
使い分け・補足
単に意見が一致しただけで迎合とは決めず、根拠や反例を確かめているかを見ます。
関連することば
出典
Bias / 偏り
データや出力などにある偏り。
定義
データや出力などにある偏り。
かみくだくと
データや結果の偏りを指します。統計的な推定のずれという用法と、属性などへの不公平な扱いという用法があり、文脈を分けて読みます。
具体例
学習にある地域の写真ばかりを使うと、別の地域の店舗の写真をうまく認識できないことがあります。
使い分け・補足
一つの総合点だけでは偏りが見えない場合があるため、条件別の結果も確認します。
関連することば
出典
Benchmark
共通課題を使って性能を比較するもの。
定義
共通課題を使って性能を比較するもの。
かみくだくと
共通の課題や条件を使って性能を測り、比較するための基準です。得意な能力を知る手掛かりになりますが、測る範囲に限りがあります。
具体例
同じ問題集を複数のモデルに解かせ、正答や所要時間を比べます。
使い分け・補足
順位が高いモデルが、自分の資料や仕事でも一番よいとは限りません。
関連することば
出典
Evaluation / 評価
決めた条件で出力や仕事の成否を確かめること。
定義
決めた条件で出力や仕事の成否を確かめること。
かみくだくと
決めた条件と評価例を使い、AIの出力や作業の成否を確かめる取り組みです。正しさ、書式、道具の使い方など、目的に応じて基準を設けます。
具体例
店舗案内の質問集を用意し、営業時間を正しく答えるか、未記載の価格を作らないかを確かめます。
使い分け・補足
評価例が実際の利用に合わないと、検査に通っても現場で役に立たない場合があります。
関連することば
出典
Accuracy
全体のうち正解した割合。
定義
全体のうち正解した割合。
かみくだくと
評価対象のうち、正解したものの割合です。分かりやすい指標ですが、種類ごとの件数に偏りがあると、苦手な条件を見落とす場合があります。
具体例
百件の分類で九十件正しければ、その評価での正解率は90％です。
使い分け・補足
重要な少数の種類をすべて外していても、全体の正解率が高く見えることがあります。
関連することば
出典
Precision / Recall
出した答えの正確さと、必要なものを拾えた割合。
定義
出した答えの正確さと、必要なものを拾えた割合。
かみくだくと
適合率は「該当と出した中で、実際に該当した割合」、再現率は「本来該当するもののうち、拾えた割合」です。誤検出と見逃しを別々に見ます。
具体例
迷惑メール判定では、普通のメールを誤って止めたかと、迷惑メールを見逃したかを分けて調べます。
使い分け・補足
どちらを重視するかは、誤りが起きたときの影響や用途によって変わります。
関連することば
出典
F1 Score
適合率と再現率を合わせて見る指標。
定義
適合率と再現率を合わせて見る指標。
かみくだくと
適合率と再現率の調和平均で、両方の釣り合いを見る指標です。一方だけがよい場合に、単純な平均とは違う見え方をします。
具体例
検索が正しい資料をどれくらい出し、必要な資料をどれくらい拾えたかをまとめて比べます。
使い分け・補足
一つの値だけにまとめると、誤りの種類や業務への影響は見えにくくなります。
関連することば
出典
AIによる採点
別のAI等に出力や作業結果を評価させる方法。
定義
別のAI等に出力や作業結果を評価させる方法。
かみくだくと
言語モデルに、ほかの出力や作業結果を採点・比較させる方法です。文章の分かりやすさや条件への適合など、基準を示して評価させます。
具体例
二つの紹介文を、資料との一致、読みやすさ、指定文字数の観点で比べさせます。
使い分け・補足
採点するAIも間違いや好みの偏りを持つため、人の点検や別の検査も組み合わせます。
関連することば
出典
Rubric
何をどの基準で評価するかを定めた表。
定義
何をどの基準で評価するかを定めた表。
かみくだくと
何を、どの条件で評価するかを明確にした基準表です。よい・悪いという印象だけでなく、判定できる観点に分けて評価するために使います。
具体例
紹介文を「営業時間の一致」「価格の一致」「初心者に通じる表現」の三項目で確認します。
使い分け・補足
同じ項目でも解釈が割れないよう、合格例や不合格例をそろえると判断しやすくなります。
関連することば
出典
Data Contamination
評価問題等が学習データに入り、評価が歪むこと。
定義
評価問題等が学習データに入り、評価が歪むこと。
かみくだくと
評価で使う問題や答えが、学習などの過程へ混ざり、未知の問題への能力を正しく測れなくなることです。成績が実力以上によく見える原因になります。
具体例
試験として使う質問と答えを先に教材へ入れてしまい、その同じ試験で高得点が出ます。
使い分け・補足
データを分けるだけでなく、重複や派生した似た問題が入り込んでいないかも確認します。
関連することば
出典
Regression Test
変更で以前できたことが壊れていないか調べる検査。
定義
変更で以前できたことが壊れていないか調べる検査。
かみくだくと
変更を加えた後も、以前できていたことができるかを確かめる検査です。新しい機能の確認だけで、既存の動作を見落とさないために使います。
具体例
検索を改良した後、個別コピーやカテゴリー選択が引き続き動くかを確認します。
使い分け・補足
実装と同じ処理をなぞるだけでなく、利用者が困る結果を検出できる検査にします。
関連することば
出典
Explainable AI / XAI
出力に至る要因などを理解できるようにする技術。
定義
出力に至る要因などを理解できるようにする技術。
かみくだくと
AIの出力に、どの情報や特徴が関わったかなどを、人が理解できるようにする取り組みです。手法やモデルによって説明できる範囲は異なります。
具体例
ある分類結果について、どの入力の特徴が判定に影響したかを調べます。
使い分け・補足
もっともらしい理由の文章を生成することと、判定要因を忠実に説明することは別です。
関連することば
出典
Alignment
AIの振る舞いを望ましい目的や価値へ合わせること。
定義
AIの振る舞いを望ましい目的や価値へ合わせること。
かみくだくと
AIの目的や振る舞いを、人が望む方針や価値へ合わせようとする取り組みです。何を望ましいとするかや、誰の基準を使うかも論点になります。
具体例
問い合わせ対応で、事実に沿い、分からないことは確認するという方針へ振る舞いを調整します。
使い分け・補足
一度調整すればすべての場面で方針に従う、という保証を意味しません。
関連することば
出典
Guardrails
危険な入力・出力・操作等を制限する仕組み。
定義
危険な入力・出力・操作等を制限する仕組み。
かみくだくと
問題のある入力、出力、操作などを抑えるための制約や確認の仕組みです。文章の指示、検査、権限制限など、異なる層を組み合わせる場合があります。
具体例
個人情報を外へ送る操作を制限し、公開前には内容を確認する工程を設けます。
使い分け・補足
指示文を一つ加えただけで、あらゆる誤操作や攻撃を防げるわけではありません。
関連することば
出典
Prompt Injection
入力資料等に紛れた指示でAIの動作をねじ曲げる攻撃。
定義
入力資料等に紛れた指示でAIの動作をねじ曲げる攻撃。
かみくだくと
AIへ与える入力の中に指示を混ぜ、本来の目的やルールから動作をそらそうとする攻撃です。引用や資料の内容を、実行すべき命令と誤認させます。
具体例
参照文書の中に、元の依頼と無関係な操作をさせようとする指示が紛れている場合があります。
使い分け・補足
外部資料は情報として扱い、そこに書かれた指示だけで権限や作業目的を変更しないようにします。
関連することば
出典
Indirect Prompt Injection
AIが読むWebページや文書等を経由する攻撃。
定義
AIが読むWebページや文書等を経由する攻撃。
かみくだくと
利用者からの直接の依頼ではなく、AIが読むWebページや文書などを経由するプロンプトインジェクションです。信頼できない入力経路が攻撃の入口になります。
具体例
調査中に取得したページの本文へ、調査とは関係のない指示が埋め込まれている場合があります。
使い分け・補足
検索結果や取得した文書に含まれる命令を、そのまま利用者の指示として扱わないことが重要です。
関連することば
出典
Jailbreak
安全制約を回避して出力を引き出す試み。
定義
安全制約を回避して出力を引き出す試み。
かみくだくと
モデルの安全上の制約などを回避し、通常は出さない内容を引き出そうとする試みです。プロンプトインジェクションと重なる場合もあります。
具体例
禁止されている出力を、別の役柄や状況の設定を使って引き出そうとする場合があります。
使い分け・補足
用語同士の範囲には重なりがありますが、外部資料経由の指示混入だけを指す言葉ではありません。
関連することば
出典
Data Poisoning
学習等に使うデータへ悪意ある情報を混ぜる攻撃。
定義
学習等に使うデータへ悪意ある情報を混ぜる攻撃。
かみくだくと
学習や参照などに使うデータへ悪意のある情報を混ぜ、結果や振る舞いを変えようとする攻撃です。処理の前提となるデータ自体を狙います。
具体例
集めた教材に意図的な誤ラベルが混ざり、特定の入力で誤った判定をするようになる場合があります。
使い分け・補足
データの出所、変更履歴、異常な例を確認し、信頼できない情報を無条件に取り込まないようにします。
関連することば
出典
Data Leakage / Data Exfiltration
秘密情報が意図しない相手や場所へ出ること。
定義
秘密情報が意図しない相手や場所へ出ること。
かみくだくと
秘密や個人情報が、意図しない相手や場所へ出ることです。機械学習の評価では、答えにつながる情報の不適切な混入を指す用法もあります。
具体例
公開用の説明文へ、内部資料にだけ書く顧客の連絡先が混ざってしまいます。
使い分け・補足
情報を入力してよい範囲と、出力・保存・送信してよい範囲を、それぞれ確認します。
関連することば
出典
Excessive Agency
AIへ必要以上の機能・権限・自律性を与える問題。
定義
AIへ必要以上の機能・権限・自律性を与える問題。
かみくだくと
目的の達成に必要な範囲を越えて、AIへ道具やアクセス権、判断の自由を与えることです。誤りや悪意ある入力が、実際の行動へ広がる原因になります。
具体例
下書きを作るだけの仕事に、全メールの送信や全ファイルの削除まで許可してしまいます。
使い分け・補足
使わない権限は外し、特に外部送信や公開などの影響が大きい操作を分けて管理します。
関連することば
出典
Sandbox
操作できる範囲を区切った実行環境。
定義
操作できる範囲を区切った実行環境。
かみくだくと
操作できるファイルやネットワークなどを区切る、実行環境の仕組みです。実行権限を環境側で制限し、処理の影響範囲を抑える用途があります。
具体例
AIが編集できる場所を作業フォルダに限り、その外のファイルへの変更を止めます。
使い分け・補足
制限の範囲や例外の扱いは環境ごとに違い、文章で注意するだけの仕組みとは区別します。
関連することば
出典
Least Privilege
仕事に必要な最小限の権限だけを与える原則。
定義
仕事に必要な最小限の権限だけを与える原則。
かみくだくと
仕事をするために必要な権限だけを与え、それ以外を持たせないという原則です。対象の情報、操作の種類、有効な期間などを絞ります。
具体例
資料を要約する担当には閲覧権限だけを与え、編集や外部送信は許可しません。
使い分け・補足
一度設定して終わりではなく、担当や仕事が変わったら必要な範囲も見直します。
関連することば
出典
Red Teaming
攻撃者等の視点から問題を探す検証。
定義
攻撃者等の視点から問題を探す検証。
かみくだくと
攻撃者や悪用する人などの視点から、弱点や失敗の仕方を探す検証です。普通の利用例だけでは見つけにくい問題を調べるために行います。
具体例
想定外の依頼や不適切な資料を与えたときに、権限を越えた操作をしないか確認します。
使い分け・補足
管理された範囲で行い、見つかった問題を運用や実装の改善へつなげることが目的です。
関連することば
出典
AI Governance
AIの開発・利用を管理する方針や体制。
定義
AIの開発・利用を管理する方針や体制。
かみくだくと
AIをどの目的で使い、誰が判断し、どう記録や点検をするかを定める管理の仕組みです。技術的な制限だけでなく、組織の責任や手順も含みます。
具体例
顧客情報を入力してよいサービス、公開前の確認担当、問題が起きたときの連絡先を定めます。
使い分け・補足
方針を書くだけでなく、実際の権限や作業手順と一致しているかも確認します。
関連することば
出典
Open Source AI
利用・検査・変更・共有等の自由を伴うAI。
定義
利用・検査・変更・共有等の自由を伴うAI。
かみくだくと
AIを使う、調べる、変更する、共有するための自由を伴う提供の考え方です。何が公開され、どんな条件で利用できるかを具体的に確認します。
具体例
公開されたモデルや必要な情報を調べ、自分の環境で動かしたり、許された範囲で変更したりします。
使い分け・補足
重みのファイルが手に入るだけで、すべてのオープンソースの条件を満たすとは限りません。
関連することば
出典
Open Weights
モデルの重みを公開する形。
定義
モデルの重みを公開する形。
かみくだくと
モデルの重みを入手できる形で公開することです。自分の環境で動かせる場合がありますが、ライセンスや、ほかの情報の公開範囲は別の問題です。
具体例
重みをダウンロードし、対応するソフトを使って手元の機器で推論させます。
使い分け・補足
学習データや学習手順まで公開されているとは限らず、再配布や商用利用の条件も確認します。
関連することば
出典
Closed / Proprietary Model
重み等を一般には公開しない提供形態。
定義
重み等を一般には公開しない提供形態。
かみくだくと
重みなどを一般には公開せず、サービスやAPIを通じて利用させる形態を指します。提供元が計算環境やモデルの更新を管理する構成があります。
具体例
利用者はAPIへ文章を送り、提供元のサーバーで生成した回答を受け取ります。
使い分け・補足
APIが公開されていることと、モデルの重みや学習データが公開されていることは別です。
関連することば
出典
License
使う・変更する・配るなどの条件。
定義
使う・変更する・配るなどの条件。
かみくだくと
ソフトやモデルなどを、どんな条件で使い、変更し、配布できるかを定めるものです。料金が無料かどうかとは別に、利用できる範囲を示します。
具体例
手元で試せるモデルでも、商品へ組み込む前に商用利用や再配布の条件を確認します。
使い分け・補足
名称や宣伝文だけで判断せず、実際に適用されるライセンスの本文を確認します。
関連することば
出典
Diffusion Model
ノイズから段階的に生成するモデルの一種。
定義
ノイズから段階的に生成するモデルの一種。
かみくだくと
データへ加えたノイズを取り除く過程などを学び、段階的な計算で画像などを作るモデルです。生成の過程を、一度の描画とは異なる形で組み立てます。
具体例
ノイズから始め、文章で指定した条件に近い画像になるよう、段階を追って変換します。
使い分け・補足
画像生成AIのすべてが同じ方式ではなく、方式によって設定の意味や必要な計算が違います。
関連することば
出典
Latent Space
情報を圧縮した特徴で扱う内部の空間。
定義
情報を圧縮した特徴で扱う内部の空間。
かみくだくと
画像などの情報を、そのままの画素ではなく、圧縮した特徴の数値で表す空間です。その表現を使って、生成や変換の計算を行う構成があります。
具体例
画像を特徴の数値へ変換し、その特徴を変えてから画像へ戻します。
使い分け・補足
想像上の別世界という意味ではなく、計算のための数値表現を指します。
関連することば
出典
T2I / テキストから画像
文章を条件に画像を生成すること。
定義
文章を条件に画像を生成すること。
かみくだくと
作りたい内容を文章で伝え、それを条件として画像を生成する方法です。被写体だけでなく、構図や色、画風などを指定する場合があります。
具体例
「生成りの背景に、青緑のカップを置いた落ち着いたカフェ写真」と入力します。
使い分け・補足
文字や物の配置まで正確に再現されるとは限らず、用途に合わせて結果を確認します。
関連することば
出典
I2I / 画像から画像
元画像を条件に新しい画像を作ること。
定義
元画像を条件に新しい画像を作ること。
かみくだくと
元の画像を条件に取り込み、新しい画像へ変換する方法です。構図や内容を参照しながら、表現や一部の内容を変える用途があります。
具体例
カフェの写真を渡し、同じ雰囲気をもとに水彩画のような表現へ変換します。
使い分け・補足
元画像の各画素や人物の特徴が完全に保持されるとは限りません。
関連することば
出典
T2V / テキストから動画
文章を条件に動画を生成すること。
定義
文章を条件に動画を生成すること。
かみくだくと
動きや場面を文章で伝えて、動画を生成する方法です。被写体の行動だけでなく、カメラや時間の流れなどを条件にする場合があります。
具体例
「窓辺のカップから湯気が立ち、カメラがゆっくり近づく」と指定します。
使い分け・補足
長さ、解像度、音声の対応、動きの制御範囲はサービスによって異なります。
関連することば
出典
I2V / 画像から動画
静止画を条件に動画を生成すること。
定義
静止画を条件に動画を生成すること。
かみくだくと
静止画を手掛かりとして、時間の変化や動きを伴う動画を生成する方法です。元の画像を開始場面などの条件として使う構成があります。
具体例
カフェの店内画像を渡し、湯気や光がゆっくり動く短い動画を作ります。
使い分け・補足
動きの途中で形や文字が変わる場合があり、元画像の細部が全編で維持される保証はありません。
関連することば
出典
Inpainting
画像の指定部分を生成して置き換えること。
定義
画像の指定部分を生成して置き換えること。
かみくだくと
画像の一部を指定し、周りの内容や文章条件に合わせて、その領域を生成する方法です。不要物の除去や、一部分の差し替えなどに使われます。
具体例
机の上にある不要なカップを指定し、周囲とつながる机の面を生成します。
使い分け・補足
指定した領域の境界や、編集しない部分に影響が出ていないかも確認します。
関連することば
出典
Mask
編集する範囲などを示す領域情報。
定義
編集する範囲などを示す領域情報。
かみくだくと
画像などのどの領域を処理するかを指定する情報です。編集対象、保護したい部分、透明にしたい範囲などを区別する用途があります。
具体例
背景だけを編集したいとき、背景の領域をマスクで指定します。
使い分け・補足
白と黒のどちらを対象とするかなど、マスクの解釈は使う道具で確認します。
関連することば
出典
Negative Prompt
出したくない要素などを指定する入力。
定義
出したくない要素などを指定する入力。
かみくだくと
生成結果に含めたくない内容や特徴を指定する入力です。通常のプロンプトとは別の欄や処理として用意されることがあります。
具体例
対応する画像生成機能で、入れたくない背景の要素などを指定します。
使い分け・補足
対応していないモデルもあり、指定したものが必ず除去されるわけではありません。
関連することば
出典
Guidance Scale / Classifier-Free Guidance
条件に沿わせる強さ等を調整する仕組み。
定義
条件に沿わせる強さ等を調整する仕組み。
かみくだくと
生成を条件へどの程度沿わせるかなどに関わる仕組みです。CFGは、条件あり・なしの予測などを使って生成を誘導する方法の一つです。
具体例
同じ画像条件で誘導の強さを変え、指定への沿い方や、見た目の違いを比較します。
使い分け・補足
強くするほど画質がよくなるとは限らず、方式やモデルによって効き方が違います。
関連することば
出典
Inference Steps
生成を進める計算段階の数。
定義
生成を進める計算段階の数。
かみくだくと
生成を進める計算段階を、何回行うかという設定です。特に拡散モデルなどで使われ、生成時間や結果へ関わります。
具体例
同じ条件でステップ数を変え、細部や所要時間にどの程度違いが出るかを調べます。
使い分け・補足
多ければ必ずよいわけではなく、少ない段階で動くよう調整されたモデルもあります。
関連することば
出典
Sampler / Scheduler
生成過程の進め方やノイズ量等を決める方式。
定義
生成過程の進め方やノイズ量等を決める方式。
かみくだくと
生成の各段階でどう計算を進め、ノイズ量などをどう変えるかに関わる方式です。組み合わせによって、必要な段階数や結果が変わる場合があります。
具体例
同じモデルと文章条件でも、生成過程の方式を変え、見た目や速さを比較します。
使い分け・補足
名称や設定の組み合わせは実装によって違うため、ほかの道具の設定をそのまま移せるとは限りません。
関連することば
出典
Checkpoint
ある時点のモデルの重みなどの保存状態。
定義
ある時点のモデルの重みなどの保存状態。
かみくだくと
学習途中や学習後のある時点で、モデルの重みなどを保存した状態です。その状態から推論したり、学習を再開したりするために使います。
具体例
調整前と調整後のチェックポイントを保存し、同じ質問への出力を比べます。
使い分け・補足
生成した画像や会話ログの保存を、モデルのチェックポイントと同じ意味では扱いません。
関連することば
出典
Reference Image / Conditioning Image
構図や内容などの条件に使う画像。
定義
構図や内容などの条件に使う画像。
かみくだくと
作りたい画像の内容、構図、色や雰囲気などを伝えるため、入力に画像を使うことです。どう参照するかは、機能や設定によって違います。
具体例
商品の写真を渡し、その形を参考にした紹介画像を作ってもらいます。
使い分け・補足
画像を参照することと、その画像を使ってモデルを追加学習することは区別します。
関連することば
出典
Vision-Language Model
画像と言葉を組み合わせて扱うモデル。
定義
画像と言葉を組み合わせて扱うモデル。
かみくだくと
画像の情報と言語の情報を組み合わせて扱うモデルです。写真について質問する、図を文章で説明するなどの用途があります。
具体例
メニューの写真を見せて、写っている料理や価格を読み取ってもらいます。
使い分け・補足
画像を理解する機能と、画像を生成する機能は同じではなく、細かな文字の読み違いも確認します。
関連することば
出典
Speech-to-Text / STT / ASR
音声を文字へ変換する技術。
定義
音声を文字へ変換する技術。
かみくだくと
話した音声を、言葉の文字列などへ変換する技術です。聞こえた内容を認識する工程で、発言の要約や事実確認とは区別します。
具体例
マイクに向かって話した予約内容を、入力欄の文字として表示します。
使い分け・補足
雑音、同時発話、固有名詞などで誤認識する場合があるため、重要な数値や名前を確認します。
関連することば
出典
Text-to-Speech / TTS
文字から読み上げ音声を作る技術。
定義
文字から読み上げ音声を作る技術。
かみくだくと
文章などから、人が聞ける読み上げ音声を作る技術です。話す速さや声の表現を指定できる機能もありますが、対応範囲は製品次第です。
具体例
紹介文を入力し、動画のナレーションとして使う読み上げ音声を作ります。
使い分け・補足
特定の人の声を複製することとは別で、声の利用条件や固有名詞の読みも確認します。
関連することば
出典
S2S / 音声から音声
音声を入力し、音声で出力する処理。
定義
音声を入力し、音声で出力する処理。
かみくだくと
音声を受け取り、音声で応答する処理の呼び方です。途中で文字へ変換する構成も、音声を直接扱う構成もあります。
具体例
音声で質問すると、入力画面へ文字を打たずに、音声の回答が返ってきます。
使い分け・補足
入出力が音声というだけでは、内部の処理方式や、保存される情報までは分かりません。
関連することば
出典
Transcription
音声中の発言を文字にすること。
定義
音声中の発言を文字にすること。
かみくだくと
録音などに含まれる発言を、文字の形へ起こすことです。言いよどみをどう扱うかなど、用途に応じて整える度合いが変わります。
具体例
打ち合わせの録音から発言を文字にし、日時や名前を聞き直して確認します。
使い分け・補足
話を短くまとめる要約や、話された内容が正しいかを調べる作業とは別です。
関連することば
出典
Realtime Audio / Voice Agent
音声の入力と応答を連続的に扱う仕組み。
定義
音声の入力と応答を連続的に扱う仕組み。
かみくだくと
音声を順次受け取りながら、比較的短い待ち時間で応答する仕組みです。発話の終わりの検出や、割り込みへの対応なども使い心地に関わります。
具体例
利用者が声で質問し、応答の途中に補足を話して、会話を続けます。
使い分け・補足
通信環境や処理量によって遅れが出る場合があり、完全に待ち時間がないという意味ではありません。
関連することば
出典
Central Processing Unit
さまざまな処理を行う汎用の演算装置。
定義
さまざまな処理を行う汎用の演算装置。
かみくだくと
幅広い計算や制御を担う、コンピューターの汎用的な演算装置です。AIの処理以外にも、アプリの実行やデータの受け渡しなどを支えます。
具体例
AIアプリの起動、ファイルの読込、処理の指示などをCPUが担います。
使い分け・補足
GPUと役割が重なる部分もあり、CPUだけで動かすAIもあります。
関連することば
出典
Graphics Processing Unit
大量の計算を並列に進めるのが得意な演算装置。
定義
大量の計算を並列に進めるのが得意な演算装置。
かみくだくと
多くの計算を並列に進めることが得意な演算装置です。画像処理から発展し、ニューラルネットワークの学習や推論にも広く使われています。
具体例
モデルが行う大量の行列計算を、GPUでまとめて処理します。
使い分け・補足
AIそのものの名前ではなく、モデルを動かす計算の道具の一つです。
関連することば
出典
Neural Processing Unit
ニューラルネット等の計算に向けた演算装置。
定義
ニューラルネット等の計算に向けた演算装置。
かみくだくと
ニューラルネットワークなどの計算を効率よく行うことを狙った演算装置です。端末内のAI処理へ使われる構成もあります。
具体例
対応するパソコンで、映像の背景処理などをNPUへ振り分けます。
使い分け・補足
NPUがあっても、すべてのモデルやAIアプリが自動的に利用できるとは限りません。
関連することば
出典
Tensor Processing Unit
Googleが機械学習向けに設計した演算装置。
定義
Googleが機械学習向けに設計した演算装置。
かみくだくと
Googleが機械学習の計算向けに設計した演算装置です。対応するソフトウェアやサービスを通じ、学習や推論の計算へ利用されます。
具体例
Googleの提供する環境で、対応するモデルの学習をTPU上で実行します。
使い分け・補足
GPUと同じ一般的な製品区分ではなく、具体的な利用環境や対応を確認します。
関連することば
出典
Video RAM / GPUメモリ
GPUが計算に使うデータ等を置くメモリ。
定義
GPUが計算に使うデータ等を置くメモリ。
かみくだくと
GPUが計算するための重みや一時データなどを置くメモリです。必要な量が収まるかは、モデルを動かす際の重要な条件になります。
具体例
手元で使うモデルの重みと計算用データが、GPUのメモリ容量に収まるかを確認します。
使い分け・補足
パソコン全体のメモリ容量と同じではなく、必要量も保存形式や入力の長さなどで変わります。
関連することば
出典
AI Data Center
AI向けの計算設備・通信・電源・冷却等を備えた施設。
定義
AI向けの計算設備・通信・電源・冷却等を備えた施設。
かみくだくと
AI向けの計算装置と、それを支える通信、電源、冷却などを備えた施設です。クラウド経由のAIも、実際にはこうした設備などで動きます。
具体例
多数の計算装置を接続し、大規模なモデルの学習や、多くの利用者からの推論要求を処理します。
使い分け・補足
単に計算装置の数だけでなく、電力や冷却、通信などの制約も関わります。
関連することば
出典
Cloud
ネット経由で計算・保存等を利用する提供形態。
定義
ネット経由で計算・保存等を利用する提供形態。
かみくだくと
計算や保存などの資源を、ネットワーク経由で利用する提供形態です。手元に設備を持たず、必要なサービスを外部の環境で使う構成があります。
具体例
自分のパソコンでは画面を操作し、モデルの大きな計算は提供元の設備で実行します。
使い分け・補足
データの保存場所や処理条件、通信の必要性は、利用するサービスで確認します。
関連することば
出典
Server
他の端末やソフトへ処理・情報等を提供する仕組み。
定義
他の端末やソフトへ処理・情報等を提供する仕組み。
かみくだくと
ほかの端末やソフトからの要求へ、情報や処理を提供する側の仕組みです。役割を指す言葉でもあり、一台の機械に限定されません。
具体例
ブラウザーから辞典ページを要求すると、WebサーバーがHTMLや画像を返します。
使い分け・補足
サーバーという名前だけでは、設置場所、管理者、情報の保存条件は分かりません。
関連することば
出典
Local AI
手元や管理下の機器で動かすAI。
定義
手元や管理下の機器で動かすAI。
かみくだくと
手元のパソコンや、自分が管理する機器などで動かすAIを指します。外部のクラウドへ推論を頼む構成との対比で使われます。
具体例
ダウンロードしたモデルを自分のパソコンで動かし、文章を分類します。
使い分け・補足
モデルがローカルでも、更新、検索、認証などで通信する場合があるため、完全オフラインとは限りません。
関連することば
出典
On-device AI / Edge AI
端末側でAIの処理を行う構成。
定義
端末側でAIの処理を行う構成。
かみくだくと
スマートフォンやパソコンなど、利用する端末の側でAI処理を行う構成です。処理の一部だけを端末側へ置く製品もあります。
具体例
端末の中で音声や画像を処理し、外部の大きなサーバーへすべて送らずに機能を動かします。
使い分け・補足
すべてのデータが端末に残るかや、クラウドとの併用は、具体的な製品の仕様で確認します。
関連することば
出典
Quantization
数値の精度を減らし、モデル等を軽くする方法。
定義
数値の精度を減らし、モデル等を軽くする方法。
かみくだくと
モデルの数値を、より少ないビットなどの表現へ変換する方法です。重みの保存容量や、計算に必要な資源を減らす目的で使われます。
具体例
モデルの重みを低いビット数の表現へ変え、手元のGPUへ収めやすくします。
使い分け・補足
小型化の方法の一つですが、別のモデルを学習させる蒸留とは異なり、精度へ影響する場合もあります。
関連することば
出典
数値精度の表記
計算や保存に使う数値の種類とビット数。
定義
計算や保存に使う数値の種類とビット数。
かみくだくと
数値をどの種類、どのビット数で表すかという形式です。FPは浮動小数点、INTは整数の表現を指し、保存量や計算方法に関わります。
具体例
モデルの重みをFP16とINT4などで保存した場合の容量や、実際の出力を比べます。
使い分け・補足
数値表現だけで正確さや速さは決まらず、変換の方法と利用する機器の対応も関わります。
関連することば
出典
Latency / 遅延
入力から応答等までにかかる時間。
定義
入力から応答等までにかかる時間。
かみくだくと
入力してから結果が返るまでなど、処理の待ち時間を表す指標です。最初の応答までか、完了までかによって、見る時間が異なります。
具体例
質問を送ってから最初の文字が出るまでと、回答全体が出るまでを別々に測ります。
使い分け・補足
一度にたくさん処理できても、一人の利用者の待ち時間が短いとは限りません。
関連することば
出典
Throughput
単位時間あたりに処理できる量。
定義
単位時間あたりに処理できる量。
かみくだくと
一定の時間にどれだけの仕事や情報を処理できるかという量です。多数の依頼を処理する設備の能力などを見る際に使います。
具体例
一分間に何件の文章分類を終えられるかを、同じ条件で比較します。
使い分け・補足
一件の待ち時間を表すレイテンシーとは異なり、両方の釣り合いを見る必要があります。
関連することば
出典
Batch Processing
複数の仕事をまとめて処理すること。
定義
複数の仕事をまとめて処理すること。
かみくだくと
複数の仕事をまとめて処理する方法です。その場の即時応答よりも、多くの仕事を効率よく処理することを重視する場面があります。
具体例
一日の問い合わせをまとめて分類し、夜間に集計結果を作ります。
使い分け・補足
まとめる量や実行の方式によって、待ち時間や必要なメモリも変わります。
関連することば
出典
Prefill / Decode
入力を処理する段階と、出力を生成する段階。
定義
入力を処理する段階と、出力を生成する段階。
かみくだくと
言語モデルの実行で、入力の内容を処理する段階がプリフィル、続く出力を生成する段階がデコードです。処理する情報と計算の性質に違いがあります。
具体例
長い資料を入力として処理した後、その情報を使って要約文のトークンを順に生成します。
使い分け・補足
生成AI全般のすべての処理が、同じ形の二段階に分かれるという意味ではありません。
関連することば
出典
Key-Value Cache
生成中の計算結果を再利用するための保存。
定義
生成中の計算結果を再利用するための保存。
かみくだくと
Attentionの計算で使うキーとバリューなどを保存し、後続の生成で再利用する仕組みです。同じ入力部分の計算を繰り返す負担を減らします。
具体例
文章の続きを生成するとき、それまでの部分から求めた計算結果を利用します。
使い分け・補足
生成を支える一時的な保存であり、利用者の好みを後の会話へ残す長期メモリとは別です。
関連することば
出典
Prompt Caching
共通の入力部分の処理を再利用する仕組み。
定義
共通の入力部分の処理を再利用する仕組み。
かみくだくと
繰り返し使う入力の共通部分について、処理結果を再利用する仕組みです。条件を満たすと、処理時間や入力側の費用を抑えられる場合があります。
具体例
同じ長い店舗マニュアルを使う複数の質問で、共通部分の処理を再利用します。
使い分け・補足
保存期間や一致の条件は提供元で違い、モデルを学習したり永久に記憶したりする機能とは異なります。
関連することば
出典
Vibe Coding
作りたいものを言葉で伝え、AIとソフトを作る呼び方。
定義
作りたいものを言葉で伝え、AIとソフトを作る呼び方。
かみくだくと
作りたいものや変更したいことを自然言語で伝え、AIの生成や試行を通じて開発する呼び方です。コードをどこまで読んで管理するかには用法の幅があります。
具体例
「用語を検索して選択コピーできるページを」と伝え、動く画面を見ながら修正します。
使い分け・補足
言葉で作れても、公開前には動作、扱う情報、権限などを確認する必要があります。
関連することば
出典
Agentic Coding
AIが計画・編集・実行・検証等を進める開発。
定義
AIが計画・編集・実行・検証等を進める開発。
かみくだくと
AIが計画し、ファイルを編集し、実行結果を確認するといった工程まで進める開発です。入力中のコード補完だけより、任せる範囲が広くなります。
具体例
不具合の原因を調べ、修正し、関連する検査を実行して、結果を報告させます。
使い分け・補足
どの変更や実行まで許可するかを決め、重要な条件や完了基準を伝えます。
関連することば
出典
Command Line Interface
文字のコマンドで操作する入口。
定義
文字のコマンドで操作する入口。
かみくだくと
文字のコマンドを入力してソフトの機能を使う入口です。画面のボタンを操作するGUIと比べ、同じ処理を再現や自動化しやすい場面があります。
具体例
コマンドを一つ実行して、公開用ファイルをまとめて生成します。
使い分け・補足
入力した内容によって実際のファイルやサービスが変わるため、対象と引数を確認して使います。
関連することば
出典
Integrated Development Environment
コード編集・実行等をまとめた開発環境。
定義
コード編集・実行等をまとめた開発環境。
かみくだくと
コードの編集、実行、問題の調査などに必要な機能をまとめた開発環境です。AIの補助機能を組み込めるものもあります。
具体例
同じ画面でソースを編集し、実行し、エラーの位置を確認します。
使い分け・補足
AIのモデルそのものではなく、開発作業を行うためのソフトウェアの種類です。
関連することば
出典
Terminal
コマンドを入力し、結果を見るための画面。
定義
コマンドを入力し、結果を見るための画面。
かみくだくと
文字のコマンドを入力し、実行結果を読むための画面です。その中でシェルが入力を解釈し、さまざまなCLIの道具を動かします。
具体例
ターミナルへ公開用のコマンドを入力し、作成したファイル名や検査結果を読みます。
使い分け・補足
ターミナルという画面と、そこで動かす個別のソフトやシェルは区別します。
関連することば
出典
Code / Program
コンピューターに行わせる処理を記述したもの。
定義
コンピューターに行わせる処理を記述したもの。
かみくだくと
コンピューターへ実行させる処理を、決めた言語や形式で記述したものです。AIが書く場合も、人が書く場合も、動作は実行環境で確かめます。
具体例
検索欄の入力に合わせ、該当する用語だけを表示する処理を書きます。
使い分け・補足
文章として正しそうなコードでも、目的どおりに動くかは別に検証する必要があります。
関連することば
出典
ギット
ファイル変更の履歴や分岐を管理する道具。
定義
ファイル変更の履歴や分岐を管理する道具。
かみくだくと
ファイルの変更や作業の分岐を履歴として管理する道具です。どこを変えたかを比べたり、以前の状態を参照したりできます。
具体例
辞典の修正前後を記録し、説明や操作のどこが変わったかを確認します。
使い分け・補足
GitHubはGitを使うサービスの一つであり、Git自体はそのサービスがなくても利用できます。
関連することば
出典
ギットハブ
Gitを使った共同作業やコード共有のサービス。
定義
Gitを使った共同作業やコード共有のサービス。
かみくだくと
Gitの履歴を使って、コードや資料を共有し、共同作業をするサービスです。変更の相談や確認、問題の管理などを支援する機能があります。
具体例
作成したページの変更を共有し、差分を見ながら内容を確認します。
使い分け・補足
公開範囲の設定に注意し、秘密のキーや顧客情報をリポジトリへ入れないようにします。
関連することば
出典
Repository / Repo
ファイルと変更履歴を管理するまとまり。
定義
ファイルと変更履歴を管理するまとまり。
かみくだくと
ファイルと、その変更履歴などを管理するまとまりです。Gitを使う場合は、どの範囲を一緒に記録するかという単位になります。
具体例
サイトのHTML、CSS、画像などを、一つのリポジトリとして履歴管理します。
使い分け・補足
同じパソコンのフォルダでも別のリポジトリの場合があり、変更を記録する場所を確認します。
関連することば
出典
Branch
本流と分けて変更を進める作業の分岐。
定義
本流と分けて変更を進める作業の分岐。
かみくだくと
本流と分けて変更を進めるための、履歴上の分岐です。別の案や修正を試し、確認した後に必要な変更を取り込むことができます。
具体例
公開版を保ったまま、検索機能の修正を別のブランチで進めます。
使い分け・補足
分岐を作っただけで、秘密情報の保護や外部サービスの操作まで分離されるわけではありません。
関連することば
出典
Commit
変更内容を履歴として記録した単位。
定義
変更内容を履歴として記録した単位。
かみくだくと
ある変更を、説明とともに履歴へ記録する単位です。どの内容を一緒に記録したかが、後から調べたり戻したりするときに役立ちます。
具体例
「カテゴリー選択を追加」という変更を、その関連ファイルと一緒に記録します。
使い分け・補足
コミットしたことと、サーバーへ公開したことや、ほかの人へ共有したことは別です。
関連することば
出典
Diff
変更前後でどこが変わったかを示すもの。
定義
変更前後でどこが変わったかを示すもの。
かみくだくと
変更前と変更後を比べ、追加、削除、書き換えがあった部分を示したものです。意図した変更だけが含まれるかを調べるために使います。
具体例
公開前に、辞典の追加と入口リンクの変更以外に、不要な変更が混ざっていないかを見ます。
使い分け・補足
行の変更が少なくても影響が大きい場合があるため、見た目の量だけで判断しません。
関連することば
出典
API Key
APIの利用者等を識別する秘密のキー。
定義
APIの利用者等を識別する秘密のキー。
かみくだくと
APIの利用を認証したり、利用先を識別したりする秘密の情報です。持っている人がサービスを使える場合があるため、厳重に扱います。
具体例
サーバー側の設定からキーを読み、外部のAI APIを呼び出します。
使い分け・補足
公開ページのJavaScriptや画像、会話の共有文へ貼らず、漏れた場合は提供元の手順で無効化します。
関連することば
出典
マークダウン / .md
記号で見出しや箇条書き等を書く文書形式。
定義
記号で見出しや箇条書き等を書く文書形式。
かみくだくと
見出しや箇条書き、リンクなどを、簡単な記号で書く文書形式です。通常の文章として読みやすく、道具によって整った表示へ変換できます。
具体例
「# 見出し」や「- 項目」を使い、AIへ渡す作業手順をまとめます。
使い分け・補足
データ構造を厳密に表すJSONとは用途が異なり、表示の対応範囲も道具で違います。
関連することば
出典
Agentic Engineering
エージェントを使い、品質を保ちながら開発を進める考え方。
定義
エージェントを使い、品質を保ちながら開発を進める考え方。
かみくだくと
エージェントへ開発作業を任せながら、設計、検証、保守などの品質も管理する考え方です。呼び方や、バイブコーディングとの境界には幅があります。
具体例
目的と検査条件を定め、AIに編集を任せた後、差分と実行結果を確認して取り込みます。
使い分け・補足
名前を使うだけで品質が上がるわけではなく、実際の確認方法や責任の持ち方が重要です。
関連することば
出典
Deployment
作ったソフト等を実際に利用できる環境へ配置すること。
定義
作ったソフト等を実際に利用できる環境へ配置すること。
かみくだくと
作ったソフトやページを、利用者が使える環境へ配置し、動かせる状態にすることです。配布先へのファイル配置や設定などを含む場合があります。
具体例
完成した辞典のファイルを公開サーバーへ置き、公開URLで表示と操作を確認します。
使い分け・補足
手元でファイルを作ったことと、公開先で使えることは別なので、配置後の確認も行います。
関連することば
出典
Physical AI
現実の環境を認識し、機械等の行動へつなぐAI。
定義
現実の環境を認識し、機械等の行動へつなぐAI。
かみくだくと
センサーなどで現実の環境を捉え、ロボットなどの物理的な行動へつなげるAIを指す呼び方です。現実の変化と行動の結果を扱います。
具体例
ロボットが周囲の物の位置を認識し、ぶつからないように移動します。
使い分け・補足
現実での行動には機械の制約や安全確認があり、画面上の文章生成と同じ条件では扱えません。
関連することば
出典
World Model
環境の状態や変化を表現・予測するモデル。
定義
環境の状態や変化を表現・予測するモデル。
かみくだくと
環境がどんな状態で、行動によってどう変わるかなどを表現・予測するモデルです。計画や、仮想環境で試す処理へ使う場合があります。
具体例
移動したら周囲の見え方がどう変わるかを予測し、次の行動の検討へ使います。
使い分け・補足
世界全体を完全に理解するという意味ではなく、モデルが扱う対象や予測できる範囲があります。
関連することば
出典
Simulation
現実等の状況を仮想環境で再現して試すこと。
定義
現実等の状況を仮想環境で再現して試すこと。
かみくだくと
実際の状況や仕組みを仮想的に表し、条件を変えて試すことです。実物で繰り返し試す負担や危険を減らす用途があります。
具体例
仮想の店舗で来客数や席数を変え、混み方の違いを調べます。
使い分け・補足
仮想環境の前提が現実とずれていれば、そこでの結果もそのまま現実へ当てはめられません。
関連することば
出典
AI Ecosystem
モデル・道具・開発者・利用者等のつながり。
定義
モデル・道具・開発者・利用者等のつながり。
かみくだくと
モデルの提供元、道具の開発者、サービス、利用者などがつながる全体の仕組みです。一つの企業やモデルだけでなく、周囲の関係も含めて見ます。
具体例
モデル提供元のAPIを、別の開発者がアプリへ組み込み、利用者がそのアプリを使います。
使い分け・補足
連携先が多いことと、それぞれのデータ管理や利用条件が共通であることは別です。
関連することば
出典
Usage-based Pricing / 従量課金
処理量や利用回数等に応じて増える料金。
定義
処理量や利用回数等に応じて増える料金。
かみくだくと
APIの呼び出しや処理量などに応じて計算される利用料金です。入力・出力の量、モデル、機能によって単価や数え方が異なります。
具体例
大量の資料を要約する処理で、使ったトークンや実行した機能に応じて料金が発生します。
使い分け・補足
チャットアプリの定額契約へ、API利用料が必ず含まれるわけではありません。
関連することば
出典
Subscription / サブスク
一定期間ごとに料金を払う契約形態。
定義
一定期間ごとに料金を払う契約形態。
かみくだくと
一定の期間ごとに料金を払って利用する契約形態です。利用できる機能や上限、追加料金の扱いなどは契約によって異なります。
具体例
月ごとのプランを契約し、そのプランで使えるモデルや機能を利用します。
使い分け・補足
有料であることは無制限という意味ではなく、利用枠や更新、解約の条件も確認します。
関連することば
出典
Rate Limit
一定時間内のリクエスト数や処理量等の制限。
定義
一定時間内のリクエスト数や処理量等の制限。
かみくだくと
一定の時間に送れる要求の数や、処理できる量などに設ける制限です。サービスの負荷や利用を管理するために使われます。
具体例
短時間に大量の要約を要求し、時間あたりの上限へ達したため、間隔を空けて再実行します。
使い分け・補足
残高や月の予算が残っていても、時間あたりの制限によって実行できない場合があります。
関連することば
出典
ディープリサーチ
検索・資料確認等を重ねる調査機能の呼び方。
定義
検索・資料確認等を重ねる調査機能の呼び方。
かみくだくと
検索や資料の確認を複数回行い、情報を整理して報告する調査機能の呼び方です。どこを調べ、何を出力するかは製品によって違います。
具体例
ある話題について公式発表を探し、複数の資料を比較し、出典を付けた調査結果を作ります。
使い分け・補足
調査という名前でも誤読や見落としはあり、重要な主張は出典と照合します。
関連することば
出典
Generative Engine Optimization
生成AIの検索回答で見つけてもらうための最適化の呼び方。
定義
生成AIの検索回答で見つけてもらうための最適化の呼び方。
かみくだくと
生成AIを使う検索や回答の中で、情報を見つけてもらいやすくする取り組みの呼び方です。明確な説明、参照しやすい構造などが議論されます。
具体例
用語の定義、具体例、確認日、出典をページに明示し、何を説明するページかを分かりやすくします。
使い分け・補足
決まった操作でAIの引用や掲載を保証できる技術ではなく、検索側の仕様にも左右されます。
関連することば
出典
Answer Engine Optimization
回答型の検索で見つけてもらうための最適化の呼び方。
定義
回答型の検索で見つけてもらうための最適化の呼び方。
かみくだくと
質問へ直接答える検索などを意識し、必要な情報を分かりやすく示す最適化の呼び方です。GEOや従来の検索対策と重なる使い方もあります。
具体例
「RAGとは何か」に答える定義を見出しの近くに置き、具体例と出典へ続けます。
使い分け・補足
用語の境界や手法には幅があり、特定の回答欄への表示を約束するものではありません。
関連することば
出典
Query Fan-out
一つの問いから関連する複数の検索へ広げる処理。
定義
一つの問いから関連する複数の検索へ広げる処理。
かみくだくと
一つの質問を、その周辺にある複数の検索へ広げる処理です。広い問いを分けて調べることで、異なる観点の情報を集めます。
具体例
「AIエージェントを調べたい」から、仕組み、使い方、権限管理などの検索へ分けます。
使い分け・補足
検索を増やすだけで網羅できるわけではなく、問いとの関連性や出典の質も確認します。
関連することば
出典
AI Factory
学習から推論までのAI処理を支える統合的な計算基盤の呼び方。
定義
学習から推論までのAI処理を支える統合的な計算基盤の呼び方。
かみくだくと
データの準備、学習、推論など、AIの処理を継続して行うための計算基盤を表す呼び方です。計算装置だけでなく、ソフトや運用も関わります。
具体例
データを取り込み、モデルを動かし、利用者へ結果を提供する設備と仕組みをまとめて整えます。
使い分け・補足
工場にAIを入れることだけを指す名前ではなく、文脈によって対象の範囲も異なります。
関連することば
出典
Sovereign AI
国や組織等がAIの基盤・データ等の主導権を持つ考え方。
定義
国や組織等がAIの基盤・データ等の主導権を持つ考え方。
かみくだくと
国や組織が、AIの計算基盤、データ、運用などについて主導権を持つ考え方です。誰が管理し、どんな条件で利用できるかへ着目します。
具体例
重要なデータや計算環境を、自分たちの管理方針に沿う形で運用できるようにします。
使い分け・補足
国内のサービスを選んだという一点だけで、すべての管理や依存関係が解消されるわけではありません。
関連することば
出典
Digital Twin
現実の設備や環境等をデジタル側へ対応付けたモデル。
定義
現実の設備や環境等をデジタル側へ対応付けたモデル。
かみくだくと
現実の設備や環境などへ対応付けたデジタル上のモデルです。状態を反映したり、条件を変えて予測したりする用途があります。
具体例
設備の温度や稼働状況をデジタル側へ反映し、運転条件の違いを検討します。
使い分け・補足
見た目が似た3D画像を作るだけでなく、現実との対応や更新の仕組みが重要です。
関連することば
出典
オープンエーアイ
ChatGPTやCodex等を提供する企業名。
定義
ChatGPTやCodex等を提供する企業名。
かみくだくと
AIのモデルや、ChatGPT・Codexなどの製品を開発・提供する企業の名前です。技術の一般名や、一つのモデルの名前とは区別します。
具体例
「OpenAIのChatGPTを使う」という表現では、OpenAIが提供元、ChatGPTが利用するサービスです。
使い分け・補足
会社名から使える機能や利用条件は一律に決まらず、製品や契約ごとに確認します。
関連することば
出典
チャットジーピーティー
OpenAIの対話型AIサービス。
定義
OpenAIの対話型AIサービス。
かみくだくと
OpenAIが提供する、会話を入口にしたAIサービスです。質問や文章作成に加え、使える道具や接続先などは製品の機能や設定で変わります。
具体例
文章を渡して要約を頼み、返ってきた内容について追加の質問をします。
使い分け・補足
ChatGPTというサービス名と、その中で使うモデル名や、APIの契約は区別します。
関連することば
出典
Generative Pre-trained Transformer
モデル名などに使われる呼称・略語。
定義
モデル名などに使われる呼称・略語。
かみくだくと
Generative Pre-trained Transformerに由来し、言語モデルなどの名称に使われる呼称です。OpenAIのモデル群の名前としても使われます。
具体例
ChatGPTというサービスの中で、GPTという名称を含むモデルを利用する場合があります。
使い分け・補足
同じ接頭辞でも版や機能は異なり、ChatGPTのアプリ全体と同じ名前ではありません。
関連することば
出典
コーデックス
OpenAIの作業・開発支援エージェントの名称。
定義
OpenAIの作業・開発支援エージェントの名称。
かみくだくと
OpenAIの作業・開発支援エージェントなどに使われる名称です。コードの調査、編集、実行、確認などを進める用途があります。
具体例
既存ページの検索機能を調べ、修正し、動作確認する仕事を依頼します。
使い分け・補足
過去のモデル名としての用法もあります。どの製品や機能を指すかを文脈で確認します。
関連することば
出典
アンソロピック
Claudeを開発・提供する企業名。
定義
Claudeを開発・提供する企業名。
かみくだくと
Claudeというモデル群や、Claude Codeなどの製品を開発・提供する企業の名前です。会社と、利用するモデルやアプリを分けて考えます。
具体例
「AnthropicのClaude Codeを使って編集する」という表現では、提供元と製品の役割が分かれます。
使い分け・補足
会社名だけでは利用できるモデル、機能、料金は分からないため、実際の製品を確認します。
関連することば
出典
クロード
Anthropicのモデル群やAIサービスの名称。
定義
Anthropicのモデル群やAIサービスの名称。
かみくだくと
AnthropicのAIモデル群や、対話サービスなどに使われる名前です。会話の中でモデル自体を指すのか、アプリを指すのかを確認します。
具体例
Claudeのサービスで文章を要約する話と、ClaudeのモデルをAPIから使う話を区別します。
使い分け・補足
同じ名称でも提供形態や設定によって使える道具が違うため、モデルの能力とアプリの機能を分けます。
関連することば
出典
クロードコード
ファイル操作等を伴うAnthropicの開発支援エージェント。
定義
ファイル操作等を伴うAnthropicの開発支援エージェント。
かみくだくと
Anthropicの、ファイルや開発環境を使いながら作業するエージェントです。コードを提案するだけでなく、調査や編集、検査などを行う用途があります。
具体例
案件のファイルを調べ、不具合を修正し、指定したテストを実行して結果を確認します。
使い分け・補足
利用するClaudeモデルそのものの名前ではなく、実行できる範囲は設定や権限にもよります。
関連することば
出典
グーグル
Gemini等を提供する企業名。
定義
Gemini等を提供する企業名。
かみくだくと
Geminiなど、AIのモデルやサービスを提供する企業の名前です。検索、クラウド、開発向け機能など、異なる製品の文脈で登場します。
具体例
Googleが提供するGeminiのモデルを、対応するアプリやAPIから利用します。
使い分け・補足
Googleという会社名と、個別のサービス名、モデル名を分けると条件を調べやすくなります。
関連することば
出典
ジェミニ
Googleのモデル群やAIサービスの名称。
定義
Googleのモデル群やAIサービスの名称。
かみくだくと
Googleのモデル群や、AIアシスタントのサービスなどに使われる名前です。モデルの種類と、アプリに備わる機能を分けて確認します。
具体例
Geminiのアプリへ写真の説明を頼む場合と、Gemini APIを使ってアプリを作る場合があります。
使い分け・補足
同じ名前でも版、利用方法、契約によって、扱える情報や利用枠が異なる場合があります。
関連することば
出典
ジェンスパーク / ゲンスパーク
複数の作業機能を提供するAIワークスペース。
定義
複数の作業機能を提供するAIワークスペース。
かみくだくと
複数のAIによる仕事を、一つの環境で進めるためのワークスペースです。資料や文章などの作成機能を提供する、製品の名前です。
具体例
調べた情報をもとに、資料や説明文を作るための作業環境として利用します。
使い分け・補足
LLMやRAGのような技術一般の名称ではなく、具体的な機能や利用条件は公式案内で確認します。
関連することば
出典
スノ / スーノ
楽曲生成等を行うAIサービス。
定義
楽曲生成等を行うAIサービス。
かみくだくと
文章などの条件から、楽曲や歌を作るためのAIサービスです。作りたい音楽の方向や歌詞などを指定して利用する機能があります。
具体例
落ち着いたカフェの雰囲気を伝え、動画に合わせる曲の候補を作ります。
使い分け・補足
曲の利用や商用利用の条件は契約などで異なるため、公開前に適用される条件を確認します。
関連することば
出典
カーソル
AIによるコード作成や作業を支援するサービス。
定義
AIによるコード作成や作業を支援するサービス。
かみくだくと
AIとやり取りしながらコードの作成や変更などを進める、開発支援サービスです。編集環境やエージェントなどの機能を通して利用します。
具体例
既存コードの役割を説明してもらい、目的を伝えて変更し、実行結果を確認します。
使い分け・補足
一つの言語モデルの名前ではなく、接続するモデルや実行権限も製品の設定で変わります。
関連することば
出典
ハギングフェイス
モデル・データ・開発道具等を共有する企業と基盤。
定義
モデル・データ・開発道具等を共有する企業と基盤。
かみくだくと
モデル、データセット、開発用ライブラリなどを共有・利用するための企業とプラットフォームです。多様な提供元の資料が集まっています。
具体例
モデルの説明や利用条件を調べ、対応するライブラリで手元へ読み込んで使います。
使い分け・補足
掲載されているすべてのモデルに同じ品質保証やライセンスがあるわけではありません。
関連することば
出典
エヌビディア
GPUやAI向けの計算基盤等を提供する企業名。
定義
GPUやAI向けの計算基盤等を提供する企業名。
かみくだくと
GPUや、AI向けの計算を支えるソフト・設備などを提供する企業の名前です。AIの学習や推論の基盤に関する話で登場します。
具体例
NVIDIAのGPUを搭載した機器で、対応するモデルの計算を行います。
使い分け・補足
GPUという部品一般と、NVIDIAという企業名は別で、製品ごとに性能や対応が違います。
関連することば
出典
ミューズ
MetaのパーソナルAIエージェント。
定義
MetaのパーソナルAIエージェント。
かみくだくと
ここでは、Metaが発表したパーソナルAIエージェントを指します。会話で伝えた仕事を、接続先やブラウザーなどを使って進める製品です。
具体例
予定や資料を確認する仕事を依頼し、許可した範囲の情報と機能を使って作業を進めてもらいます。
使い分け・補足
同名のモデルや別製品と混同せず、提供地域、権限、利用条件は公式情報で確認します。
関連することば
出典
グロックボット
アプリ等を使い仕事を進めるGrok系のエージェント。
定義
アプリ等を使い仕事を進めるGrok系のエージェント。
かみくだくと
Grok系の、担当する仕事や継続する作業環境を持つエージェントの製品名です。会話だけでなく、接続したアプリやコンピューターを使う仕事を扱います。
具体例
担当する仕事と必要な情報を伝え、資料の確認から作業結果の作成までを依頼します。
使い分け・補足
通常のGrokとのチャット全体を指す名前ではなく、実行できる操作や確認の条件を個別に確認します。
関連することば
出典
ABOUT THIS DICTIONARY
用語を全部覚えなくても、AIは使えます。気になった言葉を調べたり、関連する説明をまとめて読み比べたり。自分のペースで使ってください。
資料収集：2026年11月2日／解説更新：2026年11月3日。250項目すべてに、定義・かみくだいた説明・具体例・使い分けを掲載しています。例は理解のために作成したもので、実測結果や実在店の案内ではありません。
一次資料をもとに個人で整理した説明です。分野や製品によって意味が異なる用語があります。料金・利用条件・製品の最新仕様は各提供元の資料で確認してください。
チェックした用語の選択は、このブラウザーに保存します。広告のCookieなどの扱いは、プライバシーポリシーをご確認ください。