検索

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。

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。

個々のユーザーに合わせて内容や体験を最適化すること。

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。

言語モデルが、事実に基づかないもっともらしい誤情報を、自信を持って生成してしまう現象。

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。

長い文章の要点をAIが短くまとめること。

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。

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。

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。

AIに考える過程を明示的に書き出させ、推論の質と透明性を高めること。

プログラム同士が機能をやり取りするための窓口・取り決め。

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。

モデルが自分の予測にどれだけ自信があるかを表す数値。

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。

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。

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。

個別最適な学習支援や採点自動化など、教育分野に応用されるAI。

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。

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。

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。

膨大なテキストで訓練された巨大な言語モデル。文章生成・要約・対話などを高い精度でこなす。

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。

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。

モデルの学習データが収集された最終時点。それ以降の出来事は基本的に知らない。

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。

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。

定型業務の一連の流れを、AIやツールの連携で自動的に処理すること。

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。

AIの回答を、信頼できる根拠情報に結びつけて裏付けること。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

契約書レビューや判例調査など、法務分野に応用されるAI。

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。

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。