AI用語集

ニュースでよく見るAI用語をやさしく解説します。

AGI（汎用人工知能）: 人間と同じくらい、ほとんどの知的作業を学び、こなせるとされる仮説上のAI。合意された定義やテストはありません。
AIエージェント: 目標に向かって自律的に動くAIシステム。手順を計画し、ブラウザーやコードなどの道具を使い、結果を確認します。
API: プログラム同士がやり取りするための仕組み。開発者は企業のAPIを使って、そのAIモデルを自分のアプリに組み込みます。料金は通常トークン単位です。
GPU（画像処理装置）: 大量の計算を並列で行えるグラフィックス用チップ。NvidiaなどのGPUは、AIの学習と運用を支える主要なハードウェアです。
RAG（検索拡張生成）: AIがまず関連する文書を探し、その内容をもとに回答を書く手法。でっち上げの事実を減らせます。
アライメント: AIがより高性能になっても、人間の意図どおりに動き、有害な振る舞いを避けるようにするための取り組み。
オープンモデル（オープンウェイト）: 学習済みのパラメーターが公開され、誰でもダウンロードして自分のパソコンなどで動かせるモデル。ライセンスはさまざまです。
コンテキストウィンドウ: モデルが一度に考慮できる文章の量で、トークン数で表します。大きいほど長い文書を一度に読めます。
チャットボット: ふだんの言葉で会話できるプログラム。現在のAIチャットボットは大規模言語モデルで回答を作ります。
ディープフェイク: AIで作られた本物そっくりの偽の動画、画像、音声で、実在の人物のものが多い。詐欺や偽情報に使われます。
データセンター: サーバーとチップが並ぶ建物。AI用のデータセンターは膨大な電力と冷却を必要とします。
トークン: 言語モデルが読み書きする小さな文字のまとまりで、単語の一部であることも多い。料金や上限はたいていトークン数で数えます。
パラメーター: 学習中に調整される、モデル内部の数値。多いほど能力が高い傾向がありますが、必要なメモリと費用も増えます。
ハルシネーション: AIモデルが、でっち上げた事実や出典など誤った内容を自信ありげに述べること。重要な情報は必ず確認しましょう。
ファインチューニング: 既存のモデルを、小規模で特定の分野のデータで追加学習させ、特定の作業や文体を得意にさせること。
プロンプト: AIモデルに与える指示や質問。背景や例を含めた明確なプロンプトほど、よい回答が得られやすくなります。
ベンチマーク: AIモデルを比較するための標準的なテスト。結果は参考になりますが、高得点だからといってあなたの用途に最適とは限りません。
マルチモーダル: 文章、画像、音声、動画など、複数の種類の入力や出力を一つのモデルで扱えること。
拡散モデル: ノイズから始めて少しずつ結果を整えることで、画像、動画、文章を作り出すモデル。
学習（トレーニング）: モデルが大量のデータからパターンを身につける過程。最先端モデルの学習には数か月と数千個のチップが必要なこともあります。
混合エキスパート（MoE）: ネットワークを多数の「エキスパート」に分け、単語ごとに一部だけを使う設計。大きなモデルを安く動かせます。
人工知能（AI）: 言葉の理解、画像の認識、判断など、ふつう人間の思考と結びつけられる作業を行うコンピューターシステム。
推論モデル: 答える前に問題を一歩ずつ考えるモデル。数学、論理、コードに強いことが多い一方、遅くて費用も高めです。
推論処理（インファレンス）: 学習済みモデルを動かして答えを得ること。チャットのメッセージ一つ一つが推論処理で、AIサービスはそのためにチップと電力を使います。
生成AI: 既存のデータを分類・分析するだけでなく、文章、画像、音声、動画、コードなど新しいコンテンツを作り出すAI。
大規模言語モデル（LLM）: 次に来る単語を予測するよう、膨大な文章で学習したAIモデル。ChatGPT、Claude、Geminiは大規模言語モデルを基盤にしています。
量子化: モデルの数値を少ないビット数で保存し、必要なメモリを減らして高速化すること。品質は少し下がります。AIを手元で動かすときによく使われます。