検索

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。

コード生成能力を測る代表的ベンチマーク。テスト通過率で評価する。

Google Cloudが提供する、AI開発・運用の統合プラットフォーム。

人間が実際に出力を見て品質を判断する、最も信頼性の高い評価。

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。

数値を一列に並べたもの。AIはあらゆるデータをベクトルとして扱う。

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。

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。

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。

AIを安全・公正・責任ある形で運用するための方針・体制・ルール。

AIの判断や動作を人間が監督し、必要時に介入・停止できる体制。

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。

ニューロンの出力に非線形性を加え、ネットワークが複雑なパターンを表現できるようにする関数。

[[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。

文章・画像・音声・動画などの新しいコンテンツを生み出すAIの総称。LLMや画像生成モデルを含む。

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。

画像生成で「描いてほしくない要素」を指定する逆向きの指示。

コード・モデル・データの変更履歴を記録し、いつでも復元できる仕組み。

過去データから将来の事象や数値を予測する分析手法。

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。

生成役と判別役を競わせて、本物そっくりのデータを生成する手法。

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。

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。

ノイズを少しずつ除去する過程を学習し、高品質な画像などを生成する生成モデル。

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。

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。

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。

「0より小さければ0、大きければそのまま」を返す、最も広く使われる活性化関数。

入力を0〜1の範囲のなめらかな値に変換する活性化関数。確率の表現に使われる。

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。

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。

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。

ベクトルが持つ数値の個数。表現力と計算コストのバランスを決める。

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。

AIが応答時に参照する、これまでの会話や与えられた前提情報。

複数回のやり取りを重ねて進める対話形式。文脈を引き継ぐ。

1回の入力と1回の応答で完結する対話形式。

AIが文章を自動で作り出すこと。LLMの最も基本的な機能。

言葉の表面ではなく意味を理解して関連情報を探す検索。

テキストなどを意味ベクトルに変換することに特化したモデル。

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。

2つのベクトルの向きの近さで意味の似ている度合いを測る指標。

大量データを高速に検索するために事前に整理した索引構造。

エージェントが過去の情報を保持・参照する仕組み。文脈の継続に使う。

会話中だけ保つ短期記憶と、セッションを越えて残す長期記憶の区別。