01大規模言語モデル(LLM)くわしい解説大量のテキストデータで訓練された巨大なAIモデル。数十億〜数兆のパラメータを持ち、文章生成・翻訳・要約・質疑応答など幅広いタスクをこなす。GPT、Claude、Geminiなどが代表例。企業での活用が急速に進んでいる。 02生成AI(Generative AI)くわしい解説テキスト・画像・音声・動画などのコンテンツを自動生成するAI技術の総称。従来のAIが「分類・予測」を得意としたのに対し、生成AIは「創造」ができる点が革新的。ビジネスの生産性向上に大きなインパクトを与えている。 03プロンプトエンジニアリングくわしい解説AIに適切な指示(プロンプト)を与えて、望む出力を引き出す技術・手法。指示の書き方次第でAIの出力品質が大きく変わるため、効果的なプロンプト設計スキルがビジネスでも重要視されている。 04RAG(検索拡張生成)くわしい解説LLMが回答を生成する際に、外部のデータベースや文書から関連情報を検索して参照する仕組み。社内文書やFAQと連携させることで、最新かつ正確な情報に基づいた回答が可能になる。企業でのAI活用の主流手法。 05ハルシネーションくわしい解説AIが事実と異なる情報をもっともらしく生成してしまう現象。LLMは学習データのパターンから文章を生成するため、存在しない事実や誤った情報を自信を持って出力することがある。AI活用における最大の課題の一つ。 06ファインチューニングくわしい解説学習済みのAIモデルに追加のデータを使って再訓練し、特定のタスクや領域に特化させる手法。汎用モデルを自社データで調整することで、業界固有の知識や文体を反映した出力が得られるようになる。 07トランスフォーマー2017年にGoogleが発表した深層学習のアーキテクチャ。「注意機構(Attention)」により文章中の単語間の関連性を効率的に学習できる。現在のほぼすべてのLLMの基盤技術となっている。 08マルチモーダルAIくわしい解説テキスト・画像・音声・動画など複数の種類のデータを同時に理解・生成できるAI。例えば画像を見て説明文を書いたり、テキストから画像を生成したりできる。より人間に近い総合的な理解力を持つAIの実現を目指す。 09トークンくわしい解説LLMが文章を処理する際の最小単位。単語や文字の一部がトークンとして扱われる。LLMの利用料金はトークン数で計算されることが多く、入力・出力のトークン数がコストに直結する。日本語は英語より多くのトークンを消費する傾向がある。 10コンテキストウィンドウくわしい解説LLMが一度に処理できるテキストの長さの上限。コンテキストウィンドウが大きいほど、長い文書の要約や複雑な会話の継続が可能になる。最新モデルでは100万トークン以上に対応するものも登場している。 11チェーン・オブ・ソート(CoT)AIに回答を出す前に「段階的に考えさせる」手法。「ステップバイステップで考えてください」と指示することで、複雑な推論タスクの精度が大幅に向上する。プロンプトエンジニアリングの基本テクニックの一つ。 12RLHF(人間のフィードバックによる強化学習)AIモデルの出力に対して人間が良し悪しのフィードバックを与え、そのフィードバックを元にモデルを改善する訓練手法。AIの回答を人間の好みや価値観に沿わせるために使われ、ChatGPTの成功の鍵となった技術。 13拡散モデル(Diffusion Model)画像にノイズを加えてから段階的にノイズを除去する過程を学習することで、高品質な画像を生成するAIモデル。Stable Diffusion、DALL-E、Midjourneyなどの画像生成AIの基盤技術。 14画像生成AIくわしい解説テキストの説明文(プロンプト)から画像を自動生成するAI技術。Stable Diffusion、DALL-E、Midjourneyなどが代表的。デザイン、広告、コンテンツ制作などの分野で活用が広がっている。 15動画生成AIテキストや画像の指示から動画を自動生成するAI技術。Sora、Runway、Pikaなどのサービスが登場し、映像制作の効率化や新しい表現の可能性を広げている。品質の向上が急速に進んでいる分野。 16音声合成AI(TTS)くわしい解説テキストを人間のような自然な音声に変換するAI技術。Text-to-Speechの略。ナレーション、カスタマーサポート、アクセシビリティ対応などに活用される。近年は感情表現やイントネーションの自然さが飛躍的に向上。 17文字起こしAI(STT)くわしい解説音声データをテキストに自動変換するAI技術。Speech-to-Textの略。会議の議事録作成、字幕生成、コールセンターの通話分析などに活用される。Whisperなどのモデルにより精度が大幅に向上した。 18エンベディング(Embedding)テキストや画像などのデータを数値ベクトル(数値の配列)に変換する技術。意味的に似たデータは近いベクトルになるため、類似文書検索やRAGの基盤技術として重要。セマンティック検索の核となる。 19ベクトルデータベースエンベディングされたベクトルデータを効率的に保存・検索するための専用データベース。RAGシステムの構築に不可欠で、大量の文書から意味的に類似した情報を高速に検索できる。Pinecone、Weaviate、Chromaなどが代表的。 20LoRA(低ランク適応)大規模モデルのパラメータの一部だけを効率的に追加・調整するファインチューニング手法。従来のフルファインチューニングに比べて必要な計算資源が大幅に少なく、少ないデータでも効果的にモデルをカスタマイズできる。 21量子化(Quantization)AIモデルの数値精度を下げて(例:32ビット→8ビット)、モデルサイズと計算量を削減する技術。精度の低下を最小限に抑えつつ、より少ないメモリと計算資源でモデルを動作させることができる。エッジデバイスでのAI実行に重要。 22蒸留(Distillation)大きなAIモデル(教師モデル)の知識を、より小さなモデル(生徒モデル)に移転する技術。大規模モデルの性能をある程度維持しつつ、軽量で高速なモデルを作成できる。コスト効率の良いAI運用に貢献する。 23Foundation Model大規模データで事前学習された汎用AIモデルの総称。特定タスク向けにファインチューニングすることで様々な用途に適応できる「基盤」として機能する。GPT、Claude、Llama、Geminiなどが該当する。 24オープンソースLLMソースコードや学習データが公開されているLLM。Llama、Mistral、Gemmaなどが代表的。自社環境で自由にカスタマイズ・運用できるため、データのプライバシーやコスト面で企業にメリットがある。 25SLM(小規模言語モデル)パラメータ数が比較的少ない(数十億以下の)言語モデル。スマートフォンやエッジデバイスでも動作可能で、特定タスクに特化させることで大規模モデルに匹敵する性能を発揮できる場合もある。Phi、Gemma Nanoなどが代表的。 26AIアライメントAIの行動や出力を人間の意図・価値観・倫理に合致させるための研究分野。AIが有害なコンテンツを生成したり、人間の指示を無視したりしないようにするための技術や方法論を扱う。AI安全性の中核テーマ。 27プロンプトインジェクションくわしい解説悪意のある指示をAIに与えて、本来のガードレールを回避させる攻撃手法。例えば巧妙なプロンプトで有害情報を出力させたり、システムプロンプトを漏洩させたりする。AIセキュリティにおける重要な脅威。 28グラウンディングAIの回答を事実やデータに基づかせる技術・手法。検索結果や参照文書を根拠として提示させることで、ハルシネーションを減らし、回答の信頼性を高める。RAGはグラウンディングの代表的な実装方法。 29合成データ生成AIを使って、実在のデータと統計的に類似した人工的なデータを生成すること。プライバシー保護(個人情報を含まないデータの生成)、学習データの不足補完、データの偏り是正などに活用される。 30AI推論(Inference)学習済みのAIモデルに入力を与えて、予測や生成の結果を得るプロセス。AIの運用コストの大部分は推論処理が占めるため、推論の効率化(速度向上・コスト削減)がAI実用化の重要課題となっている。
最終更新:2026年11月1日
トップに戻る AIエージェント →