検索

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。

データとLLMをつなぐ、RAG構築に特化したフレームワーク。

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。

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。

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。

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。

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。

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。

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。

全体の予測のうち、正解した割合を表す最も基本的な評価指標。

[[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。

高性能なオープンモデルを開発するフランスのAI企業。

AWSが提供する、機械学習の構築・学習・デプロイの統合サービス。

[[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。

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。

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。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

LLMアプリ開発を支援する人気フレームワーク。RAGやエージェント構築に使う。

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。

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。

モデルが複雑になりすぎるのを抑え、過学習を防ぐための工夫の総称。

学習に使っていない未知のデータに対して、モデルが正しく働く能力。

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。

親エージェントから特定の役割を任される、補助的なエージェント。

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。

1バッチを処理してパラメータを1回更新する、学習の最小ステップ。

連続的な数値を予測する、教師あり学習の代表的タスク。価格や気温の予測などに使われる。

大量の汎用データでモデルに基礎的な知識・能力を獲得させる最初の学習段階。

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。

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。

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。

AIの仕組み・データ・判断過程を、関係者に開示し理解可能にすること。

文章の指示から画像を生成する方式。画像生成の基本形。

既存の画像をもとに、別の画像へ変換・加工する生成方式。

複数のAIエージェントが役割分担・協調して課題を解決する仕組み。

AIの学習データや生成物をめぐる著作権の論点。

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。

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。

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。

AIが文章を自動で作り出すこと。LLMの最も基本的な機能。

テキストや画像から動画をAIが生成する技術。

ある画像の内容を保ったまま、別の画風(スタイル)を適用する技術。

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。

複数の処理を同時に走らせ、全体の処理時間を短縮すること。

高度なAIに道徳的配慮や権利を認めるべきかをめぐる哲学的議論。

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。

テキストなどの指示から新しい画像をAIが作り出す技術。

モデルを学習させるために使うデータ。質と量が、最終的なモデルの性能を大きく左右する。

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。