検索

画像や紙の文書に写った文字を、コンピュータが読める文字に変換する技術。

量子化でモデルを圧縮しつつLoRAで微調整する、さらに省メモリな手法。

芸術性の高い画像生成で知られるサービス。

OpenAIが開発した、テキストから高品質な動画を生成するモデル。

NVIDIA製の推論高速化エンジン。GPU上で推論を最適化する。

AIを中核に据えたコードエディタ。対話的な開発に強い。

[[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。

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。

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。

元のモデルを固定し、小さな追加行列だけを学習する代表的なPEFT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。

複数のAI・ツール・処理の流れを統括し、全体を協調させる制御。

問題を解くための手順・計算のルールを明確に定めたもの。

訓練データ全体を1回学習し終える単位。学習の繰り返し回数を表す。

数値を一列に並べたもの。AIはあらゆるデータをベクトルとして扱う。

AIが自分の誤りに気づき、自ら訂正する能力。

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。

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。

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。

定型業務の一連の流れを、AIやツールの連携で自動的に処理すること。

処理中の失敗を検知し、適切に対処してシステムを止めない仕組み。

文書を内容に応じてカテゴリに自動で振り分けること。

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。

重みが非公開で、主にAPI経由で提供される商用モデル。

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。

[[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。

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。

適合率と再現率の調和平均。両者のバランスを1つの数値で表す指標。

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。

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。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

重みが公開され、誰でも入手・改変・自社運用できる大規模言語モデル。

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。

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。

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。

GPUに搭載されたメモリ。扱えるモデルやバッチの大きさを決める。

Googleが開発した、機械学習計算に特化した専用プロセッサ。

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。

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。

プログラム同士が機能をやり取りするための窓口・取り決め。

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。

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。

生成役と判別役を競わせて、本物そっくりのデータを生成する手法。

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

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。

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。

Microsoftが開発した、小型ながら高性能な小規模言語モデル。

人間の好みの評価を報酬として[[reinforcement-learning]]を行い、AIの応答を人間の価値観に近づける手法。