glossary
🔍
ア行
エージェントAI AI Agent 技術
指示を受けるだけでなく、自律的に計画を立てて行動できるAIシステム。ブラウザを操作したり、メールを送ったり、複数のステップからなるタスクを自動で完遂できる。2025年以降急速に実用化が進んでいる。
埋め込み Embedding 技術
テキストや画像などのデータを、コンピューターが計算しやすい数値のリスト（ベクトル）に変換すること。意味が似た言葉は似た数値になるため、AIが「意味の近さ」を判断できるようになる。検索や推薦システムの基礎技術。
カ行
幻覚（ハルシネーション） Hallucination 技術
AIが事実と異なる情報を、あたかも正確な情報であるかのように生成してしまう現象。LLMは「もっともらしい次の言葉」を予測するため、存在しない情報を自信満々に答えてしまうことがある。回答の事実確認が重要な理由。
サ行
生成AI Generative AI 基礎
テキスト・画像・音声・動画などのコンテンツを新たに「生成」できるAI。ChatGPT（文章）、Midjourney（画像）、Suno（音楽）などが代表例。従来のAIが「分類・予測」を得意としていたのに対し、生成AIは「創造」ができる点が革新的。
ゼロショット学習 Zero-shot Learning 技術
AIに特定のタスクの例を一切見せずに、そのタスクをこなさせること。「俳句を書いて」と指示するだけで俳句が生成できるのはゼロショット能力のおかげ。事例を1つ見せると「ワンショット」、複数見せると「フューショット」と呼ぶ。
タ行
トークン Token 技術
AIがテキストを処理する最小単位。日本語では1〜3文字程度、英語では1単語や単語の一部に相当する。LLMの価格はトークン数で決まることが多く、「1,000トークンあたり〇円」という形で表示される。
ファインチューニング Fine-tuning 技術
既存の大規模AIモデルを、特定の用途向けに追加学習させること。医療分野の専門用語や自社独自の言い回しをAIに覚えさせる際に使われる。一から学習するより少ないコストで専門特化したAIを作れる。
ハ行
プロンプト Prompt 基礎
AIに与える指示文のこと。「〇〇について教えて」という質問から、役割・制約・出力形式を細かく指定した複雑な指示文まで幅広い。プロンプトの書き方を工夫することでAIの回答品質が大きく変わるため、「プロンプトエンジニアリング」という技術分野も生まれている。
マルチモーダル Multimodal 技術
テキストだけでなく、画像・音声・動画など複数の形式のデータを同時に扱えるAIモデルの特性。「この画像の内容を説明して」「この音声を文字起こしして」といった操作ができる。GPT-4o、Gemini 1.5 Proなどが代表的なマルチモーダルモデル。
ラ行
量子化 Quantization 技術
AIモデルのパラメーター（数値）の精度を下げることで、モデルのファイルサイズを小さくし、動作を高速化する技術。精度は若干落ちるが、ローカル環境（自分のPC）でAIを動かす際によく使われる。
英数字
API Application Programming Interface 技術
ソフトウェア同士が通信するための接続口。「AIのAPIを使う」とは、ChatGPTやClaudeなどのAI機能を自分のアプリやシステムに組み込んで使うこと。これによりAI機能を自社サービスに搭載できる。
ChatGPT サービス
OpenAIが2022年11月に公開した対話型AIサービス。GPT-4oなどの大規模言語モデルを使い、文章生成・要約・翻訳・コーディング・画像生成など幅広いタスクをこなせる。公開から2ヶ月でユーザー数1億人を突破し、AIブームの火付け役となった。
Claude サービス
Anthropicが開発した対話型AIサービス。長文の処理・日本語の自然さ・安全性への配慮で高い評価を受けている。Claude 3シリーズ以降は100万トークン超の長文入力にも対応。ChatGPTと並ぶ代表的なAIアシスタント。
LLM（大規模言語モデル） Large Language Model 技術
大量のテキストデータで学習した大規模なAIモデルの総称。GPT-4、Claude、Geminiなどがすべてこれに該当する。「次の単語を予測する」という仕組みを繰り返すことで、自然な文章を生成できる。現在のAIブームの中心にある技術。
RAG Retrieval-Augmented Generation 技術
AIが回答を生成する際に、外部のデータベースから関連情報を検索して活用する技術。「社内文書をAIに学習させる」「最新情報をAIに参照させる」といった用途で広く使われる。幻覚（ハルシネーション）を減らす効果もある。
SLM（小規模言語モデル） Small Language Model 技術
LLMより小さなサイズの言語モデル。スマートフォンやPCなどローカル環境で動かせるほど軽量で、処理速度が速くコストも低い。Microsoft Phi、Google Gemma、Meta Llama（小型版）などが代表例。特定タスクに特化した用途で活躍する。
Transformer 技術
現代のAI（LLM）の基盤となるニューラルネットワークの構造。2017年にGoogleが発表した論文「Attention is All You Need」で提唱された。文章中の単語同士の関係性を「注意（Attention）」という仕組みで学習できるため、長文の理解・生成が得意。GPT・Claudeなどほぼすべての主要LLMがこの構造を採用している。
ベクトルデータベース Vector Database 技術
埋め込み（Embedding）で変換した数値データを保存・検索するためのデータベース。「意味の近さ」で検索できるため、RAGシステムの基盤として広く使われる。Pinecone・Chroma・Weaviateなどが代表的なサービス。