検索

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。

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。

多数のコンテナの配置・スケール・運用を自動化する基盤。

機械学習の実験管理・可視化を行う代表的なMLOpsツール。

自然言語の質問を、データベース照会用のSQLに変換する技術。

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。

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。

データの本質的な特徴を圧縮して表す、低次元の抽象的な空間。

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。

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。

意味理解やAIを活用し、より的確に目的の情報へ導く検索。

入力ごとに一部の専門家(サブネットワーク)だけを使い、効率的に大規模化する設計。

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。

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。

プロンプトテンプレート内で、後から値を差し込むための差し替え箇所。

特定の人の声をAIで再現し、任意の文章をその声で話させる技術。

負荷に応じて計算資源を自動で増減させる仕組み。

[[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。

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。

ベクトル同士の近さを測り、最も似たデータを探し出す処理。

AIの学習データや生成物をめぐる著作権の論点。

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。

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。

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。

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。

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。

学習中に一部のニューロンをランダムに無効化し、過学習を防ぐ正則化手法。

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。

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。

モデル規模・データ量・計算量を増やすほど性能が予測的に向上する経験則。

乱数の初期値。固定すると生成結果を再現しやすくなる。

データを潜在空間に圧縮・復元しながら、新しいデータを生成するモデル。

OpenAIが公開した高精度な音声認識モデル。多言語に対応。

目標達成までの手順をAI自身が組み立てること。エージェントの中核能力。

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。

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。

新旧バージョンを一部ユーザーに出し分けて比較しながら展開する手法。

LLMの推論を高速・高効率に行うための人気の推論サーバー。

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。

既存データに変形を加えて学習データを水増しし、性能を高める手法。

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。

モデルやデータセットを共有する、AIの「GitHub」とも呼ばれるプラットフォーム。

57分野の知識を問う、LLMの総合学力を測る代表的ベンチマーク。