検索

人の話し声を文字に変換する技術。文字起こしや音声入力に使う。

別のLLMに出力の良し悪しを採点させる、自動評価の手法。

AI・物理・数学などの論文を、査読前に無料公開するプレプリントサイト。

あらゆる面で人類の知能を大きく超える、仮想的なAI。

Anthropicが掲げるAIの理想像。「役立ち・無害・誠実」の3つの頭文字をとった指針。

画像生成で、プロンプトにどれだけ忠実に従わせるかを調整する強度。

機械学習の実験管理・可視化を行う代表的なMLOpsツール。

データがどのカテゴリ(クラス)に属するかを予測する、教師あり学習の代表的タスク。

学習データの偏りなどに起因して、AIの判断が特定の傾向や不公平を生んでしまうこと。

AIの判断が、性別・人種などの属性によって不当な差別を生まないようにするという原則・指標。

モデルが学習を通じて獲得する内部の数値。重みやバイアスの総称。

学習を始める前に人間が設定する、学習の進め方を制御する値。

機械学習に用いるデータの集まり。通常は訓練・検証・テストに分けて使う。

モデルが複雑になりすぎるのを抑え、過学習を防ぐための工夫の総称。

AIの入出力に設ける安全のための制約・チェックの仕組み。

モデルの性能を共通の基準で測り、比較するための標準テスト。

AIの仕組み・データ・判断過程を、関係者に開示し理解可能にすること。

AI生成物だと識別できるよう、出力に埋め込む目印。

ニューロンの出力に加える調整用の定数。重みとは別に学習されるパラメータ。

入力データと正解ラベルのペアを使ってモデルを訓練し、未知のデータの予測を行う学習方法。

正解ラベルのないデータから、隠れた構造やグループ(クラスタ)を自動的に見つけ出す学習方法。

多層の[[neural-network]]を用いて、データから複雑な特徴を自動的に学習する機械学習の一分野。

少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法。

データをベクトル化し、意味の近さで検索する手法。RAGの基盤。

言葉の表面ではなく意味を理解して関連情報を探す検索。

ベクトル同士の近さを測り、最も似たデータを探し出す処理。

2つのベクトルの向きの近さで意味の似ている度合いを測る指標。

モデルを事前に読み込んで待機させ、即座に応答できる状態。

停止状態から起動・モデル読み込みを経て応答するまでの遅延。

AIに含まれる不当な偏りを検出し、減らすための取り組み。

文書を内容に応じてカテゴリに自動で振り分けること。

意味理解やAIを活用し、より的確に目的の情報へ導く検索。

長い文章の要点をAIが短くまとめること。

人間の知的なふるまい(学習・推論・認識・判断)をコンピュータで実現する技術や研究分野の総称。

大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。

エージェントが環境の中で試行錯誤し、報酬を最大化する行動を学んでいく機械学習の枠組み。

モデルの一部のパラメータだけを更新し、低コストでファインチューニングする手法群。

プロンプトテンプレート内で、後から値を差し込むための差し替え箇所。

[[embedding]]で数値化したデータを保存し、意味の近さで高速に検索できるデータベース。RAGの基盤。

勾配降下法で、一度の更新でパラメータをどれだけ動かすかを決めるハイパーパラメータ。

データ自身から擬似的な正解を自動生成し、人手のラベルなしで学習する手法。

あるタスクで学習済みのモデルを、別の関連タスクに転用して効率的に学習する手法。

AIが参照する知識・文書を集めたデータの蓄積。RAGの情報源。

大きな課題を、扱いやすい小さなサブタスクに分割すること。

複数の処理を同時に走らせ、全体の処理時間を短縮すること。

データを集めず、各端末で学習した結果だけを集約してモデルを作る手法。

ユーザーの依頼を理解し、調べ物や作業を手伝うAI。

将来の商品・サービスの需要量を予測すること。在庫・生産計画に使う。

「0より小さければ0、大きければそのまま」を返す、最も広く使われる活性化関数。

重みが非公開で、主にAPI経由で提供される商用モデル。