AI用語集
AIと機械学習の重要な概念をわかりやすく解説します。
171件の用語
2つ以上のバージョンを同時に公開し、どちらがより効果であるかを統計的に比較する実験手法です。
人間の明示的な介入がなくても、多様な領域で人間レベルまたはそれ以上の知的課題を遂行できる人工知能を意味します。特定のタスクに限定された従来のAIとは異なり、自己学習と推論を通じて複雑な問題を解決し、新しい知識を創出する汎用的な能力を備えたシステムを指します。
AIエージェントがコードベース全体の文脈を把握し、コード作成、複数ファイルの修正、ターミナルコマンドの実行、およびエラー修正を自律的に実行するインテリジェントな統合開発環境です。
AIモデルの機能をアプリケーションに簡単に統合できるように支援する、ソフトウェアライブラリ、APIクライアント、ドキュメント、および開発ツールのセットです。
営業の初期段階において、見込み顧客の開拓、リアルタイムデータを活用した超パーソナライズされたメッセージの送信、およびミーティング予約業務を自律的に実行するAI搭載型の営業ソリューションです。
人工知能モデルの大規模な行列演算を高速に処理するために設計された専用ハードウェアで、CPUよりも並列演算と電力効率に焦点を当てた処理装置です。
自律的に目標を設定し、ツール（API、ウェブなど）を使用して複雑なタスクを実行するインテリジェントなシステムです。単に回答を生成するレベルを超えて、推論（Reasoning）、計画（Planning）、実行（Execution）のループを繰り返しながら、自ら問題を解決します。
複合的なビジネス目標を達成するために、複数のAIモデル、データソース、およびツールの実行順序を定義し、データフローを自動化してワークフロー全体を統合管理する技術です。
大規模言語モデル（LLM）をベースに、リアルタイムのコード自動補完、リファクタリング、バグ修正、およびユニットテストの生成をサポートすることで、ソフトウェア開発の生産性を向上させるインテリジェントな開発支援ツールです。
人工知能とビッグデータ分析を組み合わせてITインフラの複雑性を管理し、システムモニタリングから障害検知、自動対応に至る運用全体をインテリジェント化する技術的な手法です。
ソフトウェア間でデータや機能をやり取りするための標準的なインターフェースです。AI分野では、クラウド上に構築された大規模言語モデル（LLM）を外部アプリケーションに連携し、テキスト生成や画像分析などの機能を即座に実装するためのコアツールとして使用されます。
年間経常収益（ARR）は、サブスクリプション型ビジネスにおいて1年間に繰り返し発生する収益の合計です。単発の費用を除いた純粋なサブスクリプション収益を年単位に換算した数値であり、SaaSやAIサービス企業の成長性と財務的な安定性を測定する上で最も重要な指標です。
企業間取引を意味し、AI分野においては企業の生産性向上やビジネス上の問題解決のためのソフトウェア、インフラ、APIを提供するモデルです。意思決定プロセスが複雑であり、データセキュリティと安定したサービスレベル（SLA）の保証が中核となります。
企業が中間の流通を挟まずに、一般の個人消費者に製品やサービスを直接販売するビジネスモデルを指します.
Googleが2018年に発表した双方向トランスフォーマーエンコーダーベースの事前学習済み言語モデルであり、検索や分類などの理解タスクに強みを持っています。
クラウドやAIサービスの利用時に、サービスプロバイダーの暗号化キーの代わりに、ユーザーが直接生成・管理する暗号化キーを使用してデータを保護するセキュリティ方式です。
AIが最終的な回答を出す前に、中間の論理的推論ステップを経るように誘導することで、複雑な問題の解決精度を高めるプロンプティングおよび推論手法です。
ソフトウェアの変更内容を継続的に統合（CI）し、自動化された検証を経て本番環境に即時デプロイ（CD）する開発自動化プロセスです。エラーを早期に発見し、リリースサイクルを短縮することで、品質とスピードを同時に担保するモダンな開発に不可欠な手法です。
畳み込み（Convolution）レイヤーによって画像の局所的なパターンを学習する、画像認識に特化したディープラーニングのニューラルネットワーク構造です。
企業が顧客データを一元管理することで関係を強化し、収益を高めるための戦略的システムです。最近のCRMは、単なるデータの記録にとどまらず、AIを通じて顧客の意図を予測し、マケティング、営業、サービスの一連のプロセスを自動化するインテリジェントなプラットフォームへと進化しており、超パーソナライズされた顧客体験を提供する上で重要な役割を果たしています。
開発（Dev）と運用（Ops）を統合し、ソフトウェアのデプロイや運用を自動化する文化および手法です。
ソフトウェアの開発（Dev）と運用（Ops）のすべての段階にセキュリティ（Security）を組み込み、開発スピードを損なうことなく、セキュリティ脆弱性を早期に発見して対応する自動化された協働体制です。
アプリケーションを必要なすべてのライブラリや環境設定とともに「コンテナ」と呼ばれる独立したパッケージにまとめ、オペレーティングシステム（OS）やハードウェア環境の制約を受けずに一貫して実行できるようにするオープンソースプラットフォームです。クラウドネイティブ開発やAIモデルデプロイの標準的なインフラ技術として活用されています。
生成器（ジェネレーター）と識別器（ディスクリミネーター）が競い合いながら、実写のようなデータを生成するディープラーニングアーキテクチャです。ディフュージョンモデルよりも生成速度が格段に速いため、リアルタイムの映像変換や高解像度復元などに主に活用されます。
EU市民の個人情報保護のために制定された法令であり、企業の所在地に関わらず、EU域内のデータ主体のデータを処理する世界中のすべての組織に適用される法的基準です。
OpenAIが開発したTransformerベースの生成AIモデルシリーズで、文脈を理解して自然なテキスト、コード、画像を生成し、複雑な推論やマルチモーダルタスクを実行します。
数千個のコアによる並列演算に特化したプロセッサであり、AIモデルの学習と推論性能を決定づける中核インフラです。グラフィックス処理にとどまらず、ディープラーニングの行列演算に最適化されており、最近では高帯域幅メモリ（HBM）を組み合わせて超巨大言語モデル（LLM）を実行するデファクトスタンダードとなっています。
AIモデルの生成結果を信頼できる外部データや特定のナレッジベースと結びつけ、回答の正確性を確保する手法です。モデルが学習していない最新情報や内部データを参照させることで、ハルシネーション（幻覚）を抑制し、回答の根拠を提示します。
LLMベースのアプリケーション開発の複雑さを軽減するオープンソースのフレームワークです。外部データソースとの接続、複合的なチェーンの構築、自律型エージェントの作成など、大規模言語モデルと外部ツールを結合して実用レベルのAIサービスを開発するために必要な主要インターフェースを提供します。
数十億以上のパラメータを通じて膨大なデータを学習した人工知能モデルです。自然言語の理解や生成だけでなく、複雑な推論、要約、コード作成など多様な知的タスクを実行し、現代の生成AIサービスのコアエンジンとしての役割を果たしています。
巨大モデルの既存の重みを固定したまま、学習可能な低ランク（Low-Rank）行列のみを追加することで、学習パラメータとハードウェア要求スペックを劇的に削減する効率的なファインチューニング（PEFT）手法です。
AIモデルがローカルファイル、データベース、SaaSツールなどの外部データソースに標準化された方法でアクセスできるよう、接続経路を提供するサーバーです。
機械学習モデルのライフサイクルを自動化・管理する体系であり、ソフトウェア工学のCI/CDに「継続的学習（CT）」を組み合わせることで、本番環境におけるモデルのパフォーマンスと安定性を維持するDevOpsの拡張版です。
モデルの全パラメータのうち、入力トークンの処理に必要な一部の「エキスパート」サブネットのみを選択的に活性化させることで、巨大モデルの知識容量と効率的な演算速度を同時に両立するニューラルネットワークアーキテクチャです。
サブスクリプションビジネスにおいて毎月発生する経常的な収益の合計です。一時的な費用を除外し、定期決済額のみを標準化して計算され、ビジネスの予測可能性と成長性を示す重要な指標です.
パスワードを直接共有せずに、サードパーティのサービスに特定のデータや機能へのアクセス権を安全に委譲するためのオープン標準のプロトコルです。主にトークンベースの認可（Authorization）フレームワークを提供します。
画像やスキャン文書、写真の中の文字を、コンピュータで編集・検索可能なテキストデータに変換する技術です。
人類にとって有益な汎用人工知能（AGI）の開発を目標とするAI研究・導入企業です。ChatGPT、GPT-4o、o1モデルなどの先駆的な生成AI技術を通じて、マルチモーダルな相互作用と高度な推論性能の分野でグローバル標準を提示しています。
RAGは、リアルタイムのデータベース検索結果をAIの回答に結合する技術です。単に文書を検索する「Naive RAG」を超えて、AIが自律的に検索と検証を繰り返す「エージェンティックRAG」へと進化しました。膨大なデータを追加学習なしに活用しながらも、ハルシネーション（幻覚）を減らし、根拠（出所）が明確な回答を生成することで、企業向けナレッジ管理の主要な標準規格となっています。
HTTPプロトコルの強みを活かしてウェブ上のリソースを管理するソフトウェアアーキテクチャスタイルです。各リソースを一意のURIで識別し、標準的なHTTPメソッドを介して状態をやり取りするもので、AIサービスのデータ連携やモデルデプロイにおいて最も広く使用されているAPI設計標準です。
人間の好みを報酬信号として使用し、AIモデルがユーザーの意図や価値観に沿って動作するように微調整する強化学習手法です。
過去の時点の出力をフィードバックすることで順序性のあるデータを処理するディープラーニングのニューラルネットワークで、代表的なものにLSTMやGRUがあります。
投資コストに対して創出された純利益の割合であり、プロジェクトの経済的妥当性を測定する中核指標です。AIの導入においては、単なるコスト削減にとどまらず、業務生産性の向上、売上の拡大、リスク低減など、多角的なビジネス価値を定量化して評価します。
ビジネスプロセスにおける反復的かつルールベースの業務を、ソフトウェアロボットが自動化する技術です。人間の行動を模倣してデータを入力・抽出したり、システム間で情報を伝達したりします。近年では生成AIと結合し、非構造化データまで処理するインテリジェントな自動化へと進化しています。
インターネット経由でソフトウェアを必要な分だけサブスクリプション方式で利用するサービスモデルです。個別のインストールやサーバー構築を行うことなく、ウェブブラウザやAPIを通じて最新のAI機能をすぐに活用できるクラウドベースの方式です。
特定のプラットフォームやサービス向けのソフトウェアを開発するために必要なツール、ライブラリ、ドキュメントなどをパッケージ化したものです。AI分野では、モデルAPIの呼び出しを抽象化し、複雑な認証、ストリーミング、エラー処理を簡潔なコードで実装できるように支援する重要なツールです.
ウェブサイトが検索結果の上位に表示されるように最適化する戦略です。単に順位を上げるだけでなく、ユーザーの意図やE-E-A-T（経験、専門性、権威性、信頼性）を満たすことで、高品質なトラフィックを呼び込むデジタルマーケティングの中核技術です。
数十億規模のパラメータを持ち、低スペックなハードウェアでも高いパフォーマンスを発揮する効率的なモデルで、オンデバイスAIや特定タスクへの特化に最適化されています。
米国公認会計士協会（AICPA）が策定したセキュリティ統制基準であり、クラウドおよびAIサービスプロバイダーが顧客データを保護するために適切な内部統制システムを設計・運用しているかを、独立した監査人が検証した報告書（レポート）です。
ユーザーが1回の認証（ID/パスワード）を行うだけで、連携された複数のソフトウェアサービスに追加のログインなしでアクセスできる統合認証方式です。企業セキュリティ体系の核であり、サービスごとにアカウントを管理する手間を省き、中央集中型のアクセス制御を可能にします。
Stability AIが公開したオープンソースのテキストから画像を生成するモデルで、潜在拡散モデル（Latent Diffusion Model）に基づいています。
音声信号をコンピュータが理解できるテキストデータに変換するAI技術です。近年では、WhisperやGeminiなどのディープラーニングモデルを通じて、騒音のある環境でも高い精度を提供し、自動字幕の生成や議事録作成などに活用されています。
外部ネットワークやインターネットから物理的に完全に遮断され、データ漏洩や外部からの侵入を根本から防ぐ最高水準のセキュリティ環境を意味します。
大規模組織のセキュリティ、コンプライアンス、および管理効率性のために設計された最上位のサービスプランです。データ学習除外の保証、SSO連携、詳細な権限制御、専任の技術サポートを提供し、主に個別契約を通じて導入されます。
データが生成される場所（エッジ）で即座に演算を処理し、応答速度の向上とデータ転送コストの削減を実現する分散コンピューティング技術です。
テキストや画像などの非構造化データをAIが演算できるように、意味を保持した高次元の数値ベクトルに変換する技術です。単なる数値化にとどまらず、データ間の文脈的な関係や類似度を数学的に表現します。
AIシステムの外部出力であるログ、メトリクス、トレースを通じて、内部の複雑な状態やパフォーマンス、品質、およびコストの発生原因を把握し、診断できる能力です。
複数の音が混ざったオーディオ信号から人工知能モデルを活用し、ボーカル、ドラム、ベースなどの個別音源要素（ステム）を分析して独立したトラックとして抽出する技術です。
AIモデルの根幹となる数値である重み（パラメータ）を公開し、ユーザーが外部APIを介することなく、自身のサーバーやローカル環境に直接インストールして稼働できるようにするモデルの配布方式です。
ソースコードを公開し、誰でも自由に閲覧・修正・配布できるようにする開発手法です。AI分野においては、2024年に発表された「オープンソースAI定義（OSAID）」に基づき、モデルの重みだけでなく、学習データの情報や訓練コードまでが透明性をもって公開され、再現や改善が可能なシステムを指します。
クラウドサーバーを経由せず、スマートフォンやPCなどユーザー端末内のハードウェア（NPU）を通じてAIモデルを直接動かし、セキュリティとリアルタイム性の向上を支援する技術です。
企業が自社データセンターや物理的なサーバー室にハードウェアを直接設置・運営する方式です。データ主権とセキュリティが重視される金融・公共分野で必須のモデルであり、最近では機密性の高い内部データを活用した「プライベートAI」やオープンソースLLMのローカル推論の精度向上と需要が高まる中、中核インフラとして再び注目を集めています。
AIモデルが1回のリクエスト（プロンプト）で同時に処理および記憶できるデータ（トークン）の最大範囲です。モデルの「短期記憶」であり、作業スペースの大きさを意味します。
コンピューターが画像や動画などの視覚的データを人間のように理解・分析し、意思決定を行えるようにするAI技術分野です。単なる画面ピクセルの分析にとどまらず、物体認識、状況の把握、3D空間の理解などを行います。
AIツールが導入される国の法律、業界別の規制、内部セキュリティポリシー、および倫理ガイドラインを厳格に遵守していることを証明する状態を意味します。
AIが自然言語による説明や既存のコードの文脈に基づいて、プログラミングコードを自動的に作成する技術です。
AIシステムが非アクティブな状態から起動する際に発生する応答遅延時間、または推薦システムにおいてデータ不足により新規ユーザーに正確な結果を提供できない現象を指します。
AIモデルの開発からデプロイに至る全過程において、データ、モデルの重み、サードパーティ製ライブラリ、およびインフラの完全性を保護し、脆弱性を管理する体系です。
外部システムから隔離された安全な仮想環境であり、AIが生成したコードを安全に実行してセキュリティ脅威を遮断したり、新しいサービスを法的・技術的制約なく実験したりするための独立したテスト空間です。
インフラの管理なしでコードやサービスを実行し、実際の使用量（呼び出し回数、実行時間）に応じて自動スケーリングおよび課金が行われるクラウドコンピューティングモデルです。
AIモデルの学習に使用したデータの統計的特性と、実際の運用段階で入力されるデータの分布が乖離し、モデルの予測精度が低下する現象を指します。
機械学習の教師あり学習のために、データに正解（ラベル）を付与する作業で、モデルの品質の土台となります。
AIサービスが収集したデータが物理的に保存され処理される特定の地理的な場所または国を指し、法的規制の遵守やセキュリティポリシー策定における極めて重要な基準となります。
大規模なデータセットから統計や機械学習の手法を活用し、有意義なパターン、相関関係、トレンドを発掘する技術です。単なる照会を超えて、隠れたインサイトを見つけ出し、ビジネス予測や意思決定を支援する中核的なプロセスです。
データを収集・クレンジング（整備）・解釈し、意思決定に必要なインサイトを導き出すプロセスです。単なる統計分析を超えて、AIを通じて未来を予測し、最適な対応策を提案する「インテリジェント分析」へと進化しています。
AIモデルが外部データ（SaaS、DB、ファイルなど）にリアルタイムでアクセスし、情報を取得できるように支援する技術的な経路です。
物理的なオブジェクトやシステムのリアルタイムデータを同期して仮想世界に再現した複製モデルであり、シミュレーションと予測を通じて意思決定を支援する技術です。
AI技術とコンピュータグラフィックスを融合し、人間の外見、声、行動を再現してリアルタイムでの相互作用を可能にしたインテリジェントな仮想の存在です。
AIが複雑な調査目標を達成するために自ら探索計画を立て、数多くのオンラインソースを自律的に分析して専門家レベルの深層レポートを作成する高度な推論プロセスです。
多層の人工ニューラルネットワークを通じてデータの複雑な非線形関係を学習する機械学習の一分野です。データから特徴量（Feature）を自ら抽出し、画像認識、自然言語処理、生成AIなど、高度な認知能力が必要とされる分野において中核技術として使用されます。
人工知能が生成または変造した画像、映像、音声の微細なデータパターンや生体信号を分析して真偽を判別し、メディアの信頼性を確保するセキュリティ技術です.
LLMがテキストを認識して生成する基本単位であり、文章を単語や文字よりも小さい意味の断片に分割したものです。AIモデル의 演算コスト、応答速度、一度に記憶できる情報量（コンテキストウィンドウ）を決定する重要な指標です。
LLMが処理するデータ単位であるトークンの使用量を戦略的に管理することで、API呼び出しコストを削減し、モデルの初期応答時間（TTFT）および全体の推論パフォーマンスを向上させる最適化プロセスです。
自己注意（セルフアテンション）を核とし、入力シーケンスを並列処理するディープラーニングアーキテクチャで、現代のほとんどのLLMの基盤となっています。
AIがユーザーの行動データ、嗜好、リアルタイムのコンテキストを分析し、個々のユーザーに最適化されたコンテンツ、製品、サービスを自動的に提供する技術的プロセスです。
AIモデルが学習を通じて保存する内部変数（重み・バイアス）です。数値が大きいほど複雑なパターンを学習できますが、演算・メモリコストも同時に増加します。
データの収集、加工、モデル学習、デプロイに至る一連の処理プロセスを自動化されたフローとして連結したシステムです。データの整合性の維持や、再現可能な実験環境の構築を通じて運用の効率性を高めます。
回答を導き出す前に、内部的に段階的な思考プロセスを経るように訓練された、複雑な推論に特化したAIモデルです。
AIモデルがユーザーの入力を受け取って結果を生成する速度と効率性のことで、主に最初のトークン生成時間（TTFT）と1秒あたりのトークン数（TPS）で測定されます。
学習済みAIモデルが実際のサービスにおいてユーザーリクエストにリアルタイムで応答できるよう支援する、コンピューティングハードウェアおよびソフトウェア最適化エンジンの総称です。