検索

AWS・GCP・Azureなどクラウド上でAIの学習・推論を行う形態。

AWSが提供する、機械学習の構築・学習・デプロイの統合サービス。

別のLLMに出力の良し悪しを採点させる、自動評価の手法。

[[attention]]機構を中核とする深層学習アーキテクチャ。現代のLLMの基盤となっている。

あらゆる面で人類の知能を大きく超える、仮想的なAI。

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。

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。

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。

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。

モデル規模・データ量・計算量を増やすほど性能が予測的に向上する経験則。

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。

ある言語の文章を別の言語に変換すること。NLPの代表的応用。

文書を内容に応じてカテゴリに自動で振り分けること。

[[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。

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。

ある画像の内容を保ったまま、別の画風(スタイル)を適用する技術。

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。

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。

MicrosoftのクラウドAzure上でOpenAIのモデルを利用できるサービス。

推論と行動(ツール使用)を交互に繰り返し、課題を解決させる手法。

物体検出やセグメンテーションの標準として使われる画像データセット。

あらゆるタスクを「テキスト→テキスト」の形に統一して扱うモデル。

OpenAIが開発した代表的な大規模言語モデルのシリーズ。ChatGPTの基盤technology。

デジタル技術で業務やビジネスモデルを根本から変革する取り組み。

AIに考える過程を明示的に書き出させ、推論の質と透明性を高めること。

高度なAIが意図せぬ有害な振る舞いをしないよう、安全に設計・制御することを目指す研究分野。

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。

Google Cloudが提供する、AI開発・運用の統合プラットフォーム。

入力の中で「どこに注目すべきか」を動的に重み付けする仕組み。Transformerの心臓部。

単語の並び順の情報を、Transformerが扱えるようベクトルに埋め込む仕組み。

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。

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。

連続的な数値を予測する、教師あり学習の代表的タスク。価格や気温の予測などに使われる。

人間が日常使う言葉(自然言語)をコンピュータに理解・生成させるための技術分野。

同一の文の中で、各単語が他のすべての単語との関連度を計算するアテンションの一種。

膨大なテキストで訓練された巨大な言語モデル。文章生成・要約・対話などを高い精度でこなす。

外部の知識を検索してプロンプトに与え、その情報をもとにAIに回答させる手法。最新情報や社内文書に強い。

画像や映像をコンピュータに認識・理解させる技術分野。物体検出や顔認識などを含む。

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。

AIの開発・利用が社会に与える影響を倫理的に考え、責任ある形に導くための分野。

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。

入力を0〜1の範囲のなめらかな値に変換する活性化関数。確率の表現に使われる。

複数の数値を、合計が1になる確率分布に変換する関数。多クラス分類の出力に使う。

複数のアテンションを並列に走らせ、多様な観点から単語間の関係を捉える仕組み。

既存の画像をもとに、別の画像へ変換・加工する生成方式。