検索

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。

テキストを自然な音声に変換する技術。読み上げや音声アシスタントに使う。

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。

高性能なオープンモデルを開発するフランスのAI企業。

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。

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。

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。

同一の文の中で、各単語が他のすべての単語との関連度を計算するアテンションの一種。

モデルが単純すぎて、訓練データのパターンすら十分に捉えられていない状態。

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。

訓練データに過剰に適合し、未知のデータに対する予測性能(汎化性能)が低下してしまう現象。

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。

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。

複数のアテンションを並列に走らせ、多様な観点から単語間の関係を捉える仕組み。

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。

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。

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。

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。

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。

OpenAIが公開した高精度な音声認識モデル。多言語に対応。

問い合わせ対応を支援・自動化する、コールセンター向けAI。

[[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。

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。

変数を埋め込める定型プロンプト。同じ形式の依頼を量産・再利用できる。

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。

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。

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。

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。

学習中のモデルの性能を確認し、ハイパーパラメータの調整に使うデータ。訓練には直接使わない。

AIに与える指示文や質問。プロンプトの良し悪しが、出力の質を大きく左右する。