検索

人間の言葉から意図や意味を読み取る技術。音声アシスタント等の基盤。

57分野の知識を問う、LLMの総合学力を測る代表的ベンチマーク。

「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。

似たデータ同士を自動的にグループ(クラスタ)にまとめる、教師なし学習の代表的タスク。

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。

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。

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。

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。

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。

低解像度の画像を、AIで高解像度に補完して鮮明にする技術。

人間が実際に出力を見て品質を判断する、最も信頼性の高い評価。

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。

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。

確率の高い候補を累積pまで残してその中から選ぶ、出力の絞り込み手法。

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。

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。

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。

ニューロンの出力に非線形性を加え、ネットワークが複雑なパターンを表現できるようにする関数。

自然言語の質問を、データベース照会用のSQLに変換する技術。

文脈を双方向に読む、自然言語理解で広く使われた基礎的モデル。

大量の並列計算が得意な演算装置。AIの学習・推論に不可欠。

Googleが開発した、機械学習計算に特化した専用プロセッサ。

AIが計算・検索・API呼び出しなど、外部の機能(ツール)を呼び出して回答を補強する仕組み。

指示と理想の応答のペアで学習させ、指示に従う能力を高める手法。

応答をJSON形式で返させること。アプリ連携で最もよく使われる。

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。

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。

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。

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。

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。

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。

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。

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。

学習中に一部のニューロンをランダムに無効化し、過学習を防ぐ正則化手法。

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。

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。

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。

AIの回答を、信頼できる根拠情報に結びつけて裏付けること。

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。

得られる性能・成果に対して、かかる費用がどれだけ少ないか。

モデルの信頼度が、実際の正解率と一致するように調整すること。

文章に込められた感情(肯定・否定など)を判定すること。

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。

通常と異なるパターンを見つけ出し、異常を自動で検出すること。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

契約書レビューや判例調査など、法務分野に応用されるAI。

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。

1回の応答で生成できるトークン数の上限設定。出力の長さを制御する。