検索

Microsoftが開発した、小型ながら高性能な小規模言語モデル。

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。

タンパク質の立体構造を高精度に予測する、DeepMindの画期的AI。

GoogleのAI研究部門。Geminiやアルファ碁、AlphaFoldを開発。

[[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。

OpenAIが公開した高精度な音声認識モデル。多言語に対応。

人の作業に寄り添い、提案・補助するAI。「副操縦士」の比喩。

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。

GitHubが提供する、コード補完・生成のAIアシスタント。

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。

APIにアクセスするための接続先URL。リクエストの宛先。

画像の一部を指定して、その部分だけをAIに描き直させる技術。

画像の外側を、自然につながるようにAIが描き広げる技術。

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。

重みが非公開で、主にAPI経由で提供される商用モデル。

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。

個人情報がAIの学習・利用で漏れたり悪用されたりしないよう守ること。

データにノイズを加え、個人を特定できなくしつつ全体の傾向は保つ技術。

重要な判断に人間の確認・承認を組み込み、AIの暴走や誤りを防ぐ設計。

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。

Claudeが回答前に、時間をかけて段階的に推論を行う機能。複雑な問題の精度を高める。

繰り返し使う長いプロンプトをキャッシュし、コストと応答時間を削減する仕組み。

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。

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。

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。

確率の高い上位k個の候補だけに絞り、その中から次の語を選ぶ手法。

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。

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。

好まれた応答を直接学習し、報酬モデルなしで人間の好みに合わせる手法。

強化学習の代表的アルゴリズム。RLHFでモデルを安定的に更新するのに使われる。

プロンプト内に入出力の手本を数例示すことで、AIに望む形式や傾向を学ばせる手法。

手本を一切示さず、指示だけでタスクを解かせるプロンプト手法。

手本を1例だけ示してタスクを解かせるプロンプト手法。

AIに特定の役割を演じさせ、その立場に沿った応答を引き出す手法。

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。

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。

悪意ある指示を紛れ込ませ、AIに本来の制約を無視させようとする攻撃。

大量のデータをまとめて一括で推論する方式。効率とコストに優れる。

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。

「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。

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。

Google DeepMindが開発したマルチモーダルなLLMシリーズ。

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。

特定の作業に限らず、人間のように幅広い課題を自律的に学習・解決できる仮想的なAI。

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。

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。

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。

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。

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。