検索

理想的な応答例を正解として学習させる、ファインチューニングの基本段階。

同じ問題を複数回解かせ、多数決で最も一貫した答えを採用する手法。

[[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。

人の話し声を文字に変換する技術。文字起こしや音声入力に使う。

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。

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。

オープンに公開された代表的な画像生成モデル。ローカル実行や改変が可能。

「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。

機械学習に用いるデータの集まり。通常は訓練・検証・テストに分けて使う。

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。

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。

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。

モデルを事前に読み込んで待機させ、即座に応答できる状態。

停止状態から起動・モデル読み込みを経て応答するまでの遅延。

複数の数値を、合計が1になる確率分布に変換する関数。多クラス分類の出力に使う。

大きな教師モデルの知識を、小さな生徒モデルに移して軽量化する手法。

AIの役割・口調・制約など、全体的な振る舞いをあらかじめ指定する特別なプロンプト。

あるタスクで学習済みのモデルを、別の関連タスクに転用して効率的に学習する手法。

学習にも調整にも使わず、最終的な性能を公平に評価するためのデータ。

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。

生成しながら逐次テキストを返す方式。体感の待ち時間を短くできる。

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。

JSONなど決まった形式で出力させ、プログラムで扱いやすくする手法。

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。

大きな課題を、扱いやすい小さなサブタスクに分割すること。

2つの案を実際のユーザーに出し分け、どちらが優れるか比較する手法。

構成要素を一つずつ取り除き、各部分の貢献度を調べる検証手法。

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。

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。

高度なAIが人類の存続そのものを脅かしかねないという長期的リスク。

ユーザーの依頼を理解し、調べ物や作業を手伝うAI。

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。

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。

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。

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。

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。

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。

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。

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

モデルの予測と正解とのズレを数値化する関数。学習はこの値の最小化を目指す。

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。

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。

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。

Microsoftが開発した、小型ながら高性能な小規模言語モデル。

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。

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。

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。