検索

画像認識で威力を発揮する深層学習モデル。フィルタで局所的な特徴を段階的に抽出する。

同じ問題を複数回解かせ、多数決で最も一貫した答えを採用する手法。

輪郭や姿勢などの条件を与えて、画像生成の構図を精密に制御する技術。

学習フレームワーク間でモデルを共通形式で受け渡すための標準。

「憲法」と呼ばれる原則のリストに基づき、AI自身が応答を評価・改善する、Anthropic独自の訓練手法。

AIモデルを外部ツールやデータソースに接続するための、Anthropic提唱のオープンな標準規格。

AIが応答時に参照する、これまでの会話や与えられた前提情報。

言語モデルが、事実に基づかないもっともらしい誤情報を、自信を持って生成してしまう現象。

目標達成までの手順をAI自身が組み立てること。エージェントの中核能力。

モデルが一度に扱えるトークン数の長さ。コンテキストウィンドウの大きさ。

これまでのやり取りの記録。マルチターン対話で文脈を保つために使う。

アプリと実行環境をひとまとめにし、どこでも同じように動かす技術。

損失関数の傾き(勾配)をたどって、誤差が最小になる方向へパラメータを少しずつ更新する最適化手法。

言語モデルが一度に処理・記憶できる[[token]]の最大量。会話や文書の「視野の広さ」。

処理で使われたトークンの総量。API料金の算定基準になる。

モデルが自分の予測にどれだけ自信があるかを表す数値。

コード・モデル・データの変更履歴を記録し、いつでも復元できる仕組み。

リクエストを複数のサーバーに振り分け、負荷の集中を防ぐ仕組み。

暴力・差別など有害な入出力を検知して遮断する仕組み。

人間より賢いAIを、人間が安全に制御し続けられるかという課題。

問い合わせ対応を支援・自動化する、コールセンター向けAI。

1秒あたりの画像枚数。動画の滑らかさを表す指標。

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。

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。

深層学習ブームの火付け役となった、大規模な画像データセット。

人間の脳の神経細胞(ニューロン)の仕組みを模倣・着想源とした、機械学習の数理モデル。

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。

出力の誤差を出力層から入力層へ逆向きに伝え、各[[weight]]を効率的に更新する学習アルゴリズム。

ニューラルネットワークの各接続が持つ、入力信号の重要度を表すパラメータ。学習で調整される。

文章を[[token]]という処理の最小単位に分割すること。言語モデルが文を扱う最初のステップ。

言語モデルがテキストを処理する際の最小単位。単語や単語の一部、記号などに相当する。

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。

AIの目標や振る舞いを、人間の意図・価値観と一致させること。AI安全性の中核課題。

Anthropicが開発する大規模言語モデル。安全性と有用性の両立を重視して設計されている。

[[claude]]を開発するAI企業。AIの安全性研究を重視する方針で知られる。

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。

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。

モデルの予測と正解とのズレを数値化する関数。学習はこの値の最小化を目指す。

損失関数を最小化するよう、モデルのパラメータを調整していく過程。

文章をトークンに分割する処理プログラム。LLMの入口を担う。

モデルの学習データが収集された最終時点。それ以降の出来事は基本的に知らない。

制約を回避させ、本来拒否すべき応答をAIに出させようとする試み。

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。

複数回のやり取りを重ねて進める対話形式。文脈を引き継ぐ。

1回の入力と1回の応答で完結する対話形式。

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。

人の逐次指示なしに、自ら計画・実行して目標を達成するAI。

会話中だけ保つ短期記憶と、セッションを越えて残す長期記憶の区別。

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。