検索

入力ごとに一部の専門家(サブネットワーク)だけを使い、効率的に大規模化する設計。

Mistral AIが公開した、混合エキスパート(MoE)採用のオープンモデル。

出力のランダム性(多様さ)を調整するパラメータ。高いほど創造的。

[[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。

Meta(旧Facebook)のAI研究部門。オープンなLlamaシリーズで知られる。

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。

Meta製の、画像内の任意の物体を切り分けられる汎用セグメンテーションモデル。

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。

データから学習した規則を内部に持ち、入力に対して予測や生成を行う仕組み。

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。

ベクトルが持つ数値の個数。表現力と計算コストのバランスを決める。

単語や文の意味を、コンピュータが扱える多次元の数値ベクトルとして表現したもの。

稼働中のモデルの性能・コスト・異常を継続的に監視すること。

コンテンツが規約や安全基準に違反していないか判定・管理すること。

プロンプト自体をAIに作らせたり改善させたりするためのプロンプト。

テキストなどを意味ベクトルに変換することに特化したモデル。

エージェントが過去の情報を保持・参照する仕組み。文脈の継続に使う。

モデルを小さく軽くする技術の総称。量子化・蒸留・枝刈りなど。

重要度の低い重みや接続を削り、モデルを軽量化する技術。

ユーザーの好みを推定し、関連する商品や情報を提案する仕組み。

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。

テキスト・画像・音声など複数種類の情報をまとめて扱えるAIモデル。

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。

画像と言語を結びつけて理解する、マルチモーダルモデルの一種。

ノイズを少しずつ除去する過程を学習し、高品質な画像などを生成する生成モデル。

大量データで広く事前学習され、多様な用途の土台となる大規模モデル。

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。

学習済みモデルを本番環境で稼働させ、推論を提供すること。

学習済みモデルをバージョン管理・保管し、来歴を追える台帳。

新旧バージョンを一部ユーザーに出し分けて比較しながら展開する手法。

新モデルに本番と同じ入力を裏で流し、影響なく挙動を検証する手法。

文章に込められた感情(肯定・否定など)を判定すること。

文書を内容に応じてカテゴリに自動で振り分けること。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

診断支援・画像解析・創薬など、医療分野に応用されるAI。

既存データに変形を加えて学習データを水増しし、性能を高める手法。

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。

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。

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。

文章から人名・地名・組織名などの固有名詞を抽出する技術。

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。

重みが非公開で、主にAPI経由で提供される商用モデル。

1秒あたりの画像枚数。動画の滑らかさを表す指標。

パラメータ数を抑えた小型の言語モデル。端末上での動作や低コスト運用に向く。

データを潜在空間に圧縮・復元しながら、新しいデータを生成するモデル。

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。

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。