頻出AI関連用語集 TOP30

Created by 株式会社CLUTCH
https://co.clutch-official.tech

note
https://note.clutch-official.tech

x
https://x.clutch-official.tech

Transcript

1. 1 7 March 2025 頻出AI関連⽤語 TOP30 presents
2. 2 7 March 2025 頻出 AI関連⽤語 初級編 For Beginners
3. 3 7 March 2025 AIが⼀度に処理できる情報量の上限です。 会話の「短期記憶」のようなもので、「8Kトークン※」「16Kトークン」などと表現されます。 この数字が⼤きいほど⻑い⽂章や複雑な指⽰を⼀度に処理できます。 例えば、32Kトークンのモデルなら200ページ程度の⽂書を⼀度に「読む」ことができますが、 4Kトークンのモデルでは20ページ程度しか⼀度に処理できません。 ⻑⽂の要約や⽂書分析を依頼する際には、このウィンドウサイズを気にする必要があります。 ※トークンについては追って解説いたします。 C コンテキストウィンドウとは コンテキストウィンドウ あと 29
4. 4 7 March 2025 既存のAIに特定の⽬的や知識を追加学習させる技術です。 汎⽤的なAIモデルを特定の業務や話し⽅に適応させることで、より専⾨的で精度の⾼い回答を 得られるようになります。 医療分野のAIなら医学論⽂を、法律分野なら判例や法律⽂書を学習させるイメージです。 「このデータを学んで、このような回答をするように」と訓練することで、 汎⽤AIよりもピンポイントで役⽴つAIに仕上げられます。 似たような技術にRAGというものがありますが、そちらは追って解説いたします。 F ファインチューニングとは ファインチューニング あと 28
5. 5 7 March 2025 AIが事実でない情報を事実のように提⽰してしまう現象です。 「幻覚」という意味の英語からきており、AIの⼤きな課題の⼀つです。 特に専⾨的な情報や最新の情報を尋ねた際に起きやすく、 AIは⾃信満々に架空の情報や誤った引⽤を提⽰することがあります。 AIを業務で使う際は、重要な事実については必ず⼈間が確認する習慣をつけましょう。 H ハルシネーションとは ハルシネーション あと 27
6. 6 7 March 2025 現代AIの中核技術である「Large Language Model（⼤規模⾔語モデル） 」の略です。 膨⼤なテキストデータから⾔語の法則を学習した巨⼤なAIシステムで、 ⼈間のような⽂章を⽣成できます。 ChatGPT、Claude、Geminiなどはすべてこのタイプのモデルで動いています。 テキストの理解・⽣成だけでなく、論理的推論や創造的⽂章作成もできるため、 ビジネスから教育、創作活動まで幅広い分野で活⽤されています。 昨今「AI」と⾔えばこのLLMを指すことが多いです。 L LLM（⼤規模⾔語モデル）とは LLM あと 26
7. 7 7 March 2025 テキストだけでなく、画像や⾳声なども理解・処理できるAIです。 「モーダル」は「情報の種類」を意味します。 最新のAIは「写真に何が写っているか説明して」「このグラフはどんな傾向を⽰していますか」 といった画像理解や、「この会議の内容を要約して」といった⾳声理解もできます。 さらに「⻘い海の絵を描いて」といった画像⽣成も可能です。 LLMに視覚や聴覚を追加したようなAIと考えるとわかりやすいでしょう。 M マルチモーダルAIとは マルチモーダルAI あと 25
8. 8 7 March 2025 AIの知識の更新⽇または期限のことです。 例えば「このAIは、2023年4⽉までの情報を持っています」という表現で⽰されます。 この⽇付以降に起きた出来事や発売された製品については、AIは正確な情報を持っていません。 最新情報が必要な質問をするときは、このカットオフ⽇を確認し、それ以降の情報については ⼈間が補完する必要があります。 カットオフ⽇を気にせず最新の時事情報などをリサーチしたい場合は、 SearchGPT、Perplexity、Genspark、FeloAIなどの検索型AIを利⽤するようにしましょう。 N ナレッジカットオフとは ナレッジカットオフ あと 24
9. 9 7 March 2025 AIに対する指⽰⽂や質問⽂のことです。 「レポートを書いて」という単純な指⽰より、 「⼤学⽣向けの環境問題に関する1000字のレポートを、3つの解決策を含めて書いて」と 具体的に書くほど、AIは期待通りの回答をしてくれます。 料理のレシピと同じで、詳細な指⽰ほど良い結果が得られます。 AIとの会話で最も基本的かつ重要な概念で、プロンプトの質がAIの回答の質を⼤きく左右します。 P プロンプトとは プロンプト あと 23
10. 10 7 March 2025 AIから最適な回答を引き出すための指⽰⽂の設計技術です。 単に質問するだけでなく、「あなたは環境専⾨家です」と役割を設定したり、 「以下のフォーマットで回答してください」と出⼒形式を指定したり、 「まず問題を分析してから解決策を提案してください」と思考プロセスを誘導したりする技術です。 これにより、曖昧で不⼗分な回答ではなく、⽬的に沿った質の⾼い回答を得られます。 AIを使いこなすための最重要スキルと⾔えるでしょう。 P プロンプトエンジニアリングとは プロンプトエンジニアリング あと 22
11. 11 7 March 2025 ⼈間のような創造性を持ち、新しいコンテンツを作り出せるAIの総称です。 ⽂章作成（ChatGPT、Claude、Gemini）、画像⽣成（DALL-E、Midjourney）、 コード作成（GitHub Copilot）、⾳楽作曲などができるAIが含まれます。 従来のAIが与えられたデータから分析や予測を⾏うのに対し、 ⽣成AIは「何かを作り出す」能⼒を持っています。 2022年以降に爆発的に普及した技術で、ビジネスやクリエイティブ分野に⾰命を起こしています。 S ⽣成AIとは ⽣成AI あと 21
12. 12 7 March 2025 AIが⽂章を処理する際の最⼩単位です。 英語では単語やその⼀部、⽇本語では⼤体1〜2⽂字がひとつのトークンになります。 「こんにちは」は約3〜5トークン程度です。 なぜ重要かというと、AIの利⽤料⾦やスピード、処理できる⽂章量はすべてこのトークン数で 決まるからです。 「1000トークンあたり◦円」という課⾦体系や、「最⼤32Kトークンまで処理可能」という制限 があります。 ⻑い⽂章を処理しようとして「トークン制限に達しました」というエラーが出ることもあるので 覚えておきましょう。 T トークンとは トークン あと 20
13. 13 7 March 2025 頻出 AI関連⽤語 中級編 For Intermediates
14. 14 7 March 2025 Artificial General Intelligenceの略で、 ⼈間のように幅広い知的作業をこなせる汎⽤的なAIのことです。 現在のAI（特化型AI）は特定のタスク（画像認識や⽂章⽣成など）に特化していますが、AGIは ⼈間のように⾃律的に学習し、未知の問題を解決し、様々な分野に応⽤できる能⼒を持ちます。 SF映画に登場するような「⼈間と同等以上の知性を持つAI」のイメージに近いものです。 現在のところ実現していませんが、GPT-4やClaude3などはAGIへの⼀歩と⾒る専⾨家もいます。 実現すれば社会的影響は計り知れず、技術的・倫理的な議論が続いています。 A AGI（⼈⼯汎⽤知能）とは AGI あと 19
15. 15 7 March 2025 Application Programming Interfaceの略で、 AIを⾃分のシステムから呼び出して使うための接続⽅法です。 APIを使うと、⾃社アプリやWebサイト、業務システムの中にAIの機能を組み込むことができます。 例えば、カスタマーサポートチャットにAIを導⼊したり、社内⽂書をAIで⾃動分析したりする際に 使います。 「利⽤料⾦は使った分だけ」という従量課⾦制が多く、プログラミングの知識が必要ですが、 ⾃社専⽤のAIサービスを構築できる強⼒な⼿段です。 API⾃体は、AI⽤語というわけではありませんが、AIの普及により以前より⾝近になった⽤語 といえるでしょう。 A API（エーピーアイ）とは API あと 18
16. 16 7 March 2025 ⼤きな⽂書や⻑いテキストを、AIが処理しやすい⼩さな塊（チャンク）に分割する技術です。 AIには処理できる情報量に上限（コンテキストウィンドウ）があるため、⼤量の⽂書を扱う場合 には分割が必要です。単純に⽂字数で区切るのではなく、段落や章など意味のまとまりを考慮して 分割するのがポイントです。 特にRAG※1（検索拡張⽣成）システムを構築する際に重要な前処理技術で、チャンク化の質がAIの 回答精度に⼤きく影響します。 ※1 追って解説いたします。 C チャンク化とは チャンク化 あと 17
17. 17 7 March 2025 テキストや画像などを数値ベクトル※1（数百次元の数値の羅列）に変換する技術です。 ⾔葉を「意味の近さ」で⽐較できるようにするための仕組みで、現代のAI技術の基盤となっています。 例えば「⽝」と「猫」は意味が近いので、数値空間でも近い位置に配置されます。 これにより、「最も関連性の⾼い情報を探す」「似た⽂書をグループ化する」といった⾼度な処理が 可能になります。 RAG※2やセマンティック検索※3など、多くのAI応⽤技術の基礎となる重要な概念です。 ※1 ※2 ※3 追って解説いたします。 E エンベッディングとは エンベッディング あと 16
18. 18 7 March 2025 AIの中核となる仕組みで、⼈間の脳神経回路を模倣した数学的モデルです。 ⼊⼒層、隠れ層、出⼒層という層構造からなり、各層のニューロン（計算ユニット）が相互に接続 されています。 ⼤量のデータで学習することで、パターン認識や予測など複雑な処理を⾏えるようになります。 「ディープラーニング」はこのニューラルネットワークを多層化（深く）した技術で、現代AIの ブレークスルーをもたらしました。 LLMなど現代のほぼすべてのAI技術はこのニューラルネットワークを基盤としています。 N ニューラルネットワークとは ニューラルネットワーク あと 15
19. 19 7 March 2025 Retrieval-Augmented Generation（検索拡張⽣成）の略で、 AIに外部知識を提供して回答の質を⾼める技術です。 AIモデル⾃体の知識（しかも古い情報が多い）だけでなく、⾃社データベースや最新情報などを検索 して取り込んでから回答を⽣成します。 例えば「弊社の最新製品について教えて」と聞かれたとき、社内資料から最新情報を検索して正確に 回答できるようになります。 企業がAIを業務に導⼊する際に最も注⽬されている技術で、ハルシネーションの低減にも効果が あります。 R RAG（検索拡張⽣成）とは RAG あと 14
20. 20 7 March 2025 AIが論理的に思考するプロセスのことです。 単に知識を引き出すだけでなく、複数のステップを踏んで結論を導く能⼒を指します。 例えば、複雑な数学問題を解く際に「まずXを求め、次にYを計算し、最後にZ=X+Yを求める」と いった段階的思考ができるようになっています。 最新のAIモデルではChain-of-Thought（思考の連鎖）と呼ばれる⼿法で推論能⼒を⾼めており、 「考えるプロセスを⼀歩ずつ⽰して」と指⽰することで、より正確な回答を得られることがあります。 R Reasoning（推論）とは Reasoning あと 13
21. 21 7 March 2025 意味に基づいて情報を検索する技術です。 従来のキーワード検索（「⽝ しつけ」など単語の⼀致で検索）と異なり、意味や⽂脈を理解して 関連情報を⾒つけます。 例えば「ペットの躾け⽅を教えて」という質問に対して、「⽝」という単語が含まれていなくても、 ⽝のしつけに関する情報を返すことができます。 エンベッディング技術を活⽤し、ベクトルデータベースに保存された情報の中から意味的に近いもの を探し出します。 RAGシステムの重要な構成要素の⼀つです。 S セマンティック検索とは セマンティック検索 あと 12
22. 22 7 March 2025 テキストや画像などのデータを、AIが処理できる数値の配列（ベクトル）に変換するプロセスです。 例えば「⽝」という単語は、[0.2, -0.5, 0.8, ...] といった数百の数値からなるベクトルに変換 されます。 この変換により、⾔葉や画像の「意味」が数学的に計算可能になります。 有名な例では「王様 - 男性 + ⼥性 = ⼥王」のような計算が可能になります。 ベクトル同⼠の「距離」が近いほど意味が近く、「⽅向」の類似性は関係性の類似を表します。 ベクトル化の⽅法には様々な種類があり、エンベッディングはその⼀種で、特に意味的関係性を 保持するよう設計されています。 ベクトル化されたデータはベクトルデータベースに保存され、セマンティック検索などの⾼度な 処理に利⽤されます。 V ベクトル化とは ベクトル化 あと 11
23. 23 7 March 2025 エンベッディング（数値ベクトル）を保存・検索するための特殊なデータベースです。 通常のデータベースがテキストや数値を完全⼀致で検索するのに対し、ベクトルデータベースは 「意味的な類似性」で検索できます。 例えば「気候変動対策」という検索語に対して、「地球温暖化防⽌」「カーボンニュートラル」など、 表現は異なるが意味的に近い情報を⾒つけ出せます。 Pinecone、Milvus、Qdrantなどが代表的なサービスで、RAGシステムを構築する際の重要な基盤技 術となっています。 V ベクトルデータベースとは ベクトルデータベース あと 10
24. 24 7 March 2025 頻出 AI関連⽤語 上級編 For Advanced
25. 25 7 March 2025 現代AI技術の核⼼部分で、「⽂脈の中で重要な情報に注⽬する」仕組みです。 ⼈間が⽂章を読むとき、すべての単語に均等に注意を払うのではなく、⽂脈に応じて重要な部分に 「注意」を向けるのと同様に、AIも⽂脈を考慮して各単語の重要度を計算します。 「彼⼥はリンゴを⾷べた。それは美味しかった。」という⽂において 「それ」が「リンゴ」を指すと理解できるのは、このアテンションメカニズムのおかげです。 2017年のTransformerモデル※1で導⼊されたこの技術が、現代の⾃然⾔語処理に⾰命を もたらしました。 ※1 追って解説いたします。 A アテンションメカニズムとは アテンションメカニズム あと 09
26. 26 7 March 2025 多層のニューラルネットワークを⽤いた機械学習⼿法です。 「深い」という名前の通り、多数の層（レイヤー）を重ねることで、データの抽象的な特徴を ⾃動的に学習できます。 従来の機械学習では⼈間が特徴を設計する必要がありましたが、ディープラーニングではデータ から⾃動的に特徴を抽出します。 例えば画像認識の場合、初期層では線や⾊などの単純な特徴を、深い層では「⽬」「⿐」といった 複雑な特徴を、さらに深い層では「顔」というより抽象的な概念を学習します。 2012年頃から画像認識コンテストで圧倒的な成績を収め、現代AI⾰命の主役となっています。 D ディープラーニングとは ディープラーニング あと 08
27. 27 7 March 2025 ソースコードや学習済みモデルが公開されているAIのことです。 商⽤AIサービス（ChatGPT、Claude、Geminiなど）とは異なり、 誰でも⾃由に利⽤、検証、改変できます。 Meta社のLlama、Stability AIのStable Diffusion、Mistral AIのMistralなどが代表例です。 商⽤サービスに⽐べてカスタマイズ性が⾼く、⾃社のコンピューター上で動かせるため、 データプライバシーの懸念も少なくなります。 ただし、⾃前でインフラを⽤意する必要があり、技術的なハードルは⾼めです。 近年は性能も急速に向上しており、商⽤サービスとの差は縮まりつつあります。 O オープンソースAIとは オープンソースAI あと 07
28. 28 7 March 2025 AIが訓練データに過剰に適応してしまい、新しいデータに対する汎化能⼒が低下する現象です。 例えば、テスト勉強で過去問だけを丸暗記し挑むと、少し形式が変わった本番の問題に 対応できなくなるのと似ています。 訓練データでの精度は極めて⾼いのに、実際の使⽤では性能が落ちるという不可解な現象の原因 となります。 過学習を防ぐには、⼗分な量の多様なデータで訓練する、モデルの複雑さを適切に調整する、 正則化という特殊な技術を⽤いるなどの⽅法があります。 AIモデル開発における最も⼀般的な課題の⼀つで、常に注意が必要です。 O オーバーフィッティング（過学習）とは オーバーフィッティング（過学習） あと 06
29. 29 7 March 2025 AIモデルが学習によって獲得する数値の集合です。 ニューラルネットワークの「重み」とも呼ばれ、⼊⼒データから出⼒を計算する際に使われる係数 のようなものです。 パラメーター数はモデルの規模や複雑さを表す指標で、GPT-3.5は約1750億個、GPT-4は1兆個 以上と⾔われています。 ⼀般的に、パラメーター数が多いほど⾔語理解や複雑なタスクの性能が向上しますが、 必要な計算リソースやコストも増⼤します。 「⼤規模⾔語モデル（LLM）」の「⼤規模」とは、このパラメーター数の多さを指しています。 P パラメーターとは パラメーター あと 05
30. 30 7 March 2025 AIモデルの精度を若⼲落とすことで、サイズを⼤幅に削減する技術です。 通常、AIモデルのパラメーター（重み）は32ビットの浮動⼩数点数（FP32）で表現されますが、 これを16ビット（FP16）、8ビット（INT8）、あるいは4ビット（INT4）に減らすことで、 モデルサイズを1/2〜1/8に圧縮できます。 例えば70億パラメーターのモデルが28GBから7GBになるといった具合です。 精度はわずかに低下しますが、処理速度の向上、メモリ使⽤量の削減、消費電⼒の低減といった ⼤きなメリットがあります。 特にスマートフォンなどの端末で動作させるローカルAIでは必須の技術となっています。 Q クオンタイゼーション（量⼦化）とは クオンタイゼーション（量⼦化） あと 04
31. 31 7 March 2025 Small Language Modelの略で、⽐較的少ないパラメーター数で構築された⾔語モデルです。 LLM（⼤規模⾔語モデル）が数百億〜数兆のパラメーターを持つのに対し、 SLMは数億〜数⼗億程度のパラメーターで動作します。 ⼩型であるため、メモリ使⽤量が少なく、処理速度が速く、コストが低いというメリットが あります。 特に個⼈のデバイスでローカルに動作させる「オンデバイスAI」として注⽬されており、 プライバシー保護や通信環境に依存しないという利点があります。 性能⾯ではLLMに劣りますが、特定の領域に特化させれば⼗分実⽤的なレベルに達します。 代表例としてMistral 7B、Phi-3-miniなどがあります。 S SLM（⼩規模⾔語モデル）とは SLM あと 03
32. 32 7 March 2025 2017年にGoogleが発表した⾰新的なニューラルネットワークアーキテクチャです。 GPT（Generative Pre-trained Transformer）の名前にも含まれているように、 現代のほぼすべての⼤規模⾔語モデルはこのアーキテクチャを基盤としています。 それまでの主流だったRNN（再帰型ニューラルネットワーク）は⽂章を順番に処理する必要が ありましたが、トランスフォーマーは「アテンションメカニズム」を活⽤して⽂章全体を⼀度に 処理できるようになりました。 これにより処理速度と精度が⼤幅に向上し、⻑い⽂脈の理解も可能になりました。 T トランスフォーマーとは トランスフォーマー あと 02
33. 33 7 March 2025 あるタスクで学習した知識を別のタスクに転⽤する技術です。 例えば、⼤量の⼀般的なテキストで事前訓練したモデルを、少量の専⾨分野のデータで追加学習 させることで、その分野に特化したAIを効率的に作れます。 ⼈間が「基礎教育で学んだ知識を⼟台に専⾨分野を学ぶ」のと同じ原理です。 現代のAI開発では、最初から学習させるのではなく、既存の⼤規模モデル（GPT、Llamaなど）を ベースにファインチューニングするという⼿法が主流となっています。 この⼿法により、少ないデータと計算リソースでも⾼性能なAIを作れるようになりました。 T 転移学習とは 転移学習 あと 01
34. 34 7 March 2025 AIが例⽰なし、または少数の例だけで新しいタスクに対応できる能⼒です。 「zero-shot（ゼロショット）」は例なし 「one-shot（ワンショット）」は1例 「few-shot（フューショット）」は数例 を⽰す⽅法で、例が多いほど精度が向上します。 例えば、「この⽂章をフランス語に翻訳して」と指⽰するだけでゼロショットで実⾏できる⼀⽅、 「次の⽂章を要約してください。例︓原⽂『〜』→要約『〜』」のようにフューショットで例を ⽰すと、AIはより正確に要求を理解できます。 最新のAIモデルはこれらの能⼒が⾮常に⾼く、特別な訓練なしで多様なタスクをこなせます。 Z ゼロショット/フューショット学習とは ゼロショット/フューショット学習 Finish!
35. 35 7 March 2025 お疲れさまでした 私たちCLUTCHは、 マーケティングだけにとどまらず、AIなどのデジタル技術と企業をつなぐクラッチとなり、 本当に価値あるものを消費者に届けたいと考えています。 ⾃動⾞のクラッチが動⼒を適切に伝えるように、 私たちは最先端のデジタルテクノロジーの⼒を企業に最適な形で伝達し、 その可能性を最⼤限に引き出すお⼿伝いをします。 最後に弊社の紹介をさせてください。 提供サービス⼀例 サービス詳細はこちら
36. 36 7 March 2025 CONTACT デジタル広告コンサルにおいて10年以上の実績を持つ当社が、AI活⽤のノウハウをお届け お問い合わせは、XのDMまたは公式LINEにて受付中 https://note.com/_____ai https://x.com/c_____ai https://lin.ee/pztED0YU
37. 37 7 March 2025 About us 会社名 株式会社CLUTCH 東証プライム市場 上場 株式会社SHIFT 100％⼦会社 本社 東京都渋⾕区代々⽊3-22-7 新宿⽂化クイントビル20F 設⽴年 2020年9⽉30⽇ 従業員数 40⼈ 事業内容 Webマーケティング事業 ソリューション事業
38. https://clutch.ne.jp/