学習・チューニング
RLHF
あーるえるえいちえふ
RLHFとは、人間の評価をお手本にしてAIの応答を望ましい方向へ調整する学習手法です。役立つ・安全な応答に近づけます。意味・目的・特徴を分かりやすく解説します。
生成AI用語辞典
生成AIの専門用語を、専門知識がなくても理解できるように解説しています。意味・目的・使われる場面・関連用語を1ページで確認できます。
あ
応用・ツール
Embedding（埋め込み）
うめこみ
Embedding（埋め込み）とは、文章や画像などのデータを、意味の近さを保ったまま数値の並び（ベクトル）に変換したものです。検索や分類に使われます。意味・特徴を解説します。
応用・ツール
AIエージェント
えーあいえーじぇんと
AIエージェントとは、与えられた目標に向けて、自分で手順を考え、外部ツールも使いながら必要な作業を実行していくAIシステムのことです。意味・特徴・どんな場面で使われるのかを、分かりやすく解説します。
ビジネス・制度
AIガバナンス
えーあいがばなんす
AIガバナンスとは、組織がAIを安全・公正・適切に使うための方針・役割・手順を整える仕組みのことです。AI倫理や規制との違いも解説します。
ビジネス・制度
AI規制
えーあいきせい
AI規制とは、AIの開発・提供・利用によるリスクを抑えるために、法律やガイドラインでルールを定めることです。考え方を分かりやすく解説します。
応用・ツール
AI検索
えーあいけんさく
AI検索とは、検索キーワードだけでなく質問の意図を読み取り、生成AIによる要約や回答も組み合わせて情報を探す仕組みです。意味・特徴を解説します。
応用・ツール
AIチャットボット
えーあいちゃっとぼっと
AIチャットボットとは、利用者の質問や入力に対して、AIが会話形式で回答する仕組みです。従来型チャットボットとの違いも含めて解説します。
ビジネス・制度
AIバイアス
えーあいばいあす
AIバイアスとは、AIの出力に特定の属性や見方への偏りが生じ、不公平な結果が出る現象です。原因となる学習データや対策の考え方を解説します。
ビジネス・制度
AIリテラシー
えーあいりてらしー
AIリテラシーとは、AIの特徴や限界を理解し、適切に使いこなし、出力を批判的に見極める力のことです。必要とされる背景と身につけ方を解説します。
ビジネス・制度
AI倫理
えーあいりんり
AI倫理とは、AIを人や社会に害を与えにくい形で設計・利用するための考え方です。公平性、透明性、安全性などの観点を解説します。
モデル
AGI（汎用人工知能）
えーじーあい
AGI（汎用人工知能）とは、人間のように幅広い課題を自ら学び対応できるAIの構想です。今のAIとの違いや実現していない現状を解説します。
応用・ツール
エージェンティックAI
えーじぇんてぃっくえーあい
エージェンティックAIとは、目標を与えると自分で手順を考え、ツールも使いながら自律的に作業を進めるAIのことです。指示待ちの従来型と異なります。意味・特徴を解説します。
応用・ツール
MCP（Model Context Protocol）
えむしーぴー
MCP（Model Context Protocol）とは、AIと外部のツールやデータを共通の方式でつなぐためのオープンな標準規格です。連携の手間を減らします。意味・特徴を分かりやすく解説します。
応用・ツール
LLMO
えるえるえむおー
LLMOとは、AI検索や生成AIの回答で情報が正しく参照・理解されやすいように、Webページや情報設計を整える考え方です。意味・注意点を解説します。
モデル
オープンウェイトモデル
おーぷんうぇいともでる
オープンウェイトモデルとは、学習済みの重み（パラメータ）が公開され、誰でもダウンロードして使えるAIモデルです。自社環境での利用や調整がしやすくなります。意味・特徴を解説します。
応用・ツール
音声生成AI
おんせいせいせいえーあい
音声生成AIとは、テキストや音声サンプルなどをもとに、人の声のような音声を生成するAIのことです。意味・特徴・注意点を解説します。
か
応用・ツール
ガードレール
がーどれーる
ガードレール（AIガードレール）とは、AIの入力や出力を監視・制限し、動作を安全な範囲に保つための仕組みのことです。有害な出力や不正な入力を防ぎます。意味・特徴を解説します。
モデル
拡散モデル（Diffusion Model）
かくさんもでる
拡散モデル（Diffusion Model）とは、ノイズだらけの状態から少しずつノイズを取り除いて画像を生成するAIの仕組みです。画像生成の主流です。意味・特徴を分かりやすく解説します。
応用・ツール
カスタムGPT
かすたむじーぴーてぃー
カスタムGPTとは、ChatGPTを特定の用途向けに設定して作る自分専用のAIのことです。指示・知識・連携をまとめて設定できる仕組みを解説します。
モデル
画像生成AI
がぞうせいせいえーあい
画像生成AIとは、テキストの指示などをもとに、新しい画像を作り出すAIのことです。多くは拡散モデルを使います。意味・目的・特徴・利用場面を分かりやすく解説します。
学習・チューニング
機械学習
きかいがくしゅう
機械学習とは、コンピュータが大量のデータから規則性やパターンを自動で学び取り、予測や判断を行えるようにする技術のことです。意味・目的・特徴・利用場面を分かりやすく解説します。
モデル
基盤モデル（Foundation Model）
きばんもでる
基盤モデル（Foundation Model）とは、大量のデータで幅広く事前学習し、さまざまな用途の土台として使えるように作られた大規模なAIモデルのことです。意味・目的・特徴を解説します。
応用・ツール
グラウンディング
ぐらうんでぃんぐ
グラウンディングとは、AIの回答を信頼できる情報源や事実に結びつけ、根拠のある出力にする仕組みのことです。誤った情報の生成を抑える目的で使われます。意味・特徴を解説します。
応用・ツール
構造化出力
こうぞうかしゅつりょく
構造化出力とは、AIの回答をJSONなど決まった形式・項目で出させる仕組みのことです。出力を他のプログラムで扱いやすくします。意味・目的・特徴を分かりやすく解説します。
推論・プロンプト
コンテキスト
こんてきすと
コンテキストとは、AIが回答を作るときに参照する、入力やそれまでのやり取りなどの情報のまとまり（文脈）のことです。意味・目的・特徴・利用場面を解説します。
推論・プロンプト
コンテキストウィンドウ
こんてきすとうぃんどう
コンテキストウィンドウとは、AIが一度に扱える情報量の上限のことで、トークン数で表されます。会話や文書をどこまで覚えていられるかを決めます。意味・特徴を解説します。
さ
推論・プロンプト
システムプロンプト
しすてむぷろんぷと
システムプロンプトとは、AIに役割や守るべき方針をあらかじめ与えておく特別な指示です。利用者の入力より優先され、応答全体の前提になります。意味・目的を解説します。
応用・ツール
自然言語処理（NLP）
しぜんげんごしょり
自然言語処理（NLP）とは、人間が日常で使う言葉をコンピュータに理解・処理させるための技術のことです。意味・目的・特徴・利用場面を初心者向けに分かりやすく解説します。
ビジネス・制度
シャドーAI
しゃどーえーあい
シャドーAIとは、会社の承認や管理を経ずに、従業員が業務で勝手に使う生成AIツールのことです。情報漏えいなどのリスクと対策を解説します。
学習・チューニング
蒸留（Knowledge Distillation）
じょうりゅう
蒸留（Knowledge Distillation）とは、大きなモデル（先生）の知識を、小さなモデル（生徒）に学ばせて軽量化する手法です。少ない資源で動かせます。意味・特徴を解説します。
モデル
人工知能（AI）
じんこうちのう
人工知能（AI）とは、人間が行うような認識・推論・判断・学習などの知的な働きを、コンピュータで再現する技術の総称です。意味・目的・特徴・利用場面を解説します。
学習・チューニング
深層学習（ディープラーニング）
しんそうがくしゅう
深層学習（ディープラーニング）とは、人間の脳の仕組みをまねた多層の構造を使い、大量のデータから複雑なパターンを学び取る機械学習の手法です。意味・目的・特徴を解説します。
推論・プロンプト
推論（Inference）
すいろん
推論（Inference）とは、学習を終えたAIモデルが、新しい入力に対して実際に答えや予測を出す処理のことです。学習との違いを含め、意味・目的・特徴を解説します。
モデル
生成AI
せいせいえーあい
生成AIとは、文章・画像・音声などの新しいコンテンツを、入力に応じて自動でつくり出すAIのことです。意味・目的・特徴・使われる場面を解説します。
ビジネス・制度
生成AIと著作権
せいせいえーあいとちょさくけん
生成AIと著作権とは、AIの学習・入力・生成物の利用が著作権とどう関係するかを考えるテーマです。基本的な確認ポイントを解説します。
推論・プロンプト
Zero-shot prompting
ぜろしょっとぷろんぷてぃんぐ
Zero-shot promptingとは、解答例を一切示さずに、指示だけでAIに作業をさせるプロンプトの方法です。手軽さが利点です。Few-shotとの違いも含め意味・特徴を解説します。
た
モデル
大規模言語モデル（LLM）
だいきぼげんごもでる
大規模言語モデル（LLM）とは、大量の文章データで学習し、人間のような自然な文章を理解・生成する深層学習モデルのことです。意味・目的・特徴・利用場面を解説します。
推論・プロンプト
Chain of Thought（思考の連鎖）
ちぇーんおぶそーと
Chain of Thought（思考の連鎖）とは、AIに答えだけでなく途中の考え方を順に書かせることで、複雑な問題の正答率を高めるプロンプト手法です。意味・特徴を解説します。
応用・ツール
ツール呼び出し（Tool Calling）
つーるよびだし
ツール呼び出し（Tool Calling）とは、AIが自分の知識だけで答えず、検索や計算などの外部ツールを呼び出して使う仕組みのことです。意味・目的・特徴を分かりやすく解説します。
応用・ツール
ディープリサーチ
でぃーぷりさーち
ディープリサーチとは、AIが自分で何十ものWebページを調べ、内容を整理して出典つきの調査レポートを作る機能です。仕組みと使いどころを解説します。
応用・ツール
Text to Image
てきすととぅーいめーじ
Text to Imageとは、文章（テキスト）の指示から画像を生成する処理のことです。画像生成AIの代表的な使い方です。意味・目的・特徴・利用場面を分かりやすく解説します。
推論・プロンプト
Temperature
てんぱれちゃー
Temperatureとは、生成AIが文章を作るときの「ばらつき（ランダムさ）」を調整する設定値です。低いほど安定し、高いほど多様な出力になります。意味・特徴を解説します。
応用・ツール
動画生成AI
どうがせいせいえーあい
動画生成AIとは、テキストや画像などの入力をもとに、新しい動画を生成するAIのことです。意味・特徴・利用場面・注意点を分かりやすく解説します。
推論・プロンプト
トークン
とーくん
生成AIがテキストを処理するときの最小単位のことです。文章は単語や文字のまとまりであるトークンに分割されて扱われます。意味・特徴・注意点を解説します。
推論・プロンプト
Top-p
とっぷぴー
Top-pとは、生成AIが次の言葉を選ぶ際に、確率の高い候補をどこまで含めるかを決める設定値です。出力のばらつきを調整します。意味・特徴・Temperatureとの違いを解説します。
アーキテクチャ
Transformer
とらんすふぉーまー
Transformer（トランスフォーマー）とは、文章などの並びを効率よく処理するために考案された、現在の多くのAIモデルの土台になっている仕組み（構造）のことです。意味・特徴を解説します。
な
アーキテクチャ
ニューラルネットワーク
にゅーらるねっとわーく
ニューラルネットワークとは、人間の脳の神経細胞のつながりをまねて作られた、データから学習するための計算の仕組みのことです。意味・目的・特徴・利用場面を分かりやすく解説します。
は
モデル
パラメータ
ぱらめーた
パラメータとは、AIモデルが学習を通じて調整する内部の数値のことで、モデルの振る舞いを決めます。数が多いほど大規模なモデルの目安になります。意味・特徴を解説します。
推論・プロンプト
ハルシネーション
はるしねーしょん
ハルシネーションとは、生成AIが事実と異なる内容を、もっともらしい文章として出力してしまう現象です。意味・起きやすい場面・確認のポイントを解説します。
学習・チューニング
ファインチューニング
ふぁいんちゅーにんぐ
学習済みのAIモデルを、特定の目的に合わせた追加データで再び学習させ、その用途に適した出力へ調整する手法です。意味・特徴・RAGとの違いを解説します。
応用・ツール
Function Calling
ふぁんくしょんこーりんぐ
Function Callingとは、使える関数（機能）をAIに教えておき、AIが必要な関数名と入力を構造化して返す仕組みです。ツール連携の土台になります。意味・特徴を解説します。
推論・プロンプト
Few-shot prompting
ふゅーしょっとぷろんぷてぃんぐ
Few-shot promptingとは、いくつかの解答例を示してからAIに作業をさせるプロンプトの方法です。形式や精度を安定させやすくなります。意味・特徴・使い分けを解説します。
推論・プロンプト
プロンプト
ぷろんぷと
プロンプトとは、生成AIに何をしてほしいかを伝える指示や質問のことです。意味・目的・主な特徴・書き方の考え方を、分かりやすく解説します。
推論・プロンプト
プロンプトインジェクション
ぷろんぷといんじぇくしょん
プロンプトインジェクションとは、不正な指示を紛れ込ませてAIを本来の方針に反して操作する攻撃のことです。LLMの代表的なセキュリティリスクです。意味・対策を解説します。
推論・プロンプト
プロンプトエンジニアリング
ぷろんぷとえんじにありんぐ
プロンプトエンジニアリングとは、生成AIから望む回答を引き出すために、指示文（プロンプト）を工夫して設計・改善する取り組みのことです。意味・目的・コツを解説します。
応用・ツール
ベクトルデータベース
べくとるでーたべーす
ベクトルデータベースとは、Embedding（ベクトル）を保存し、意味の近いデータを高速に探せるデータベースです。RAGや意味検索の土台になります。意味・特徴を解説します。
モデル
ベンチマーク
べんちまーく
ベンチマークとは、AIモデルの性能を共通の基準で測り、比較するための標準的なテストのことです。モデル選びや性能評価に使われます。意味・目的・特徴を分かりやすく解説します。
ま
ら
モデル
Reasoning Model（推論モデル）
りーずにんぐもでる
Reasoning Model（推論モデル）とは、答えを出す前に内部で考える過程を踏むよう作られたAIモデルです。複雑な問題に強い反面、時間がかかります。意味・特徴を解説します。
学習・チューニング
量子化（Quantization）
りょうしか
量子化（Quantization）とは、モデル内部の数値の精度を下げて、モデルを軽く・速くする手法です。少ないメモリで動かせます。意味・目的・特徴を分かりやすく解説します。
応用・ツール
ローカルLLM
ろーかるえるえるえむ
ローカルLLMとは、クラウド上のAIサービスではなく、自分のPCや社内サーバーなど手元の環境で動かす大規模言語モデルのことです。意味・特徴を解説します。
学習・チューニング
LoRA
ろーら
LoRAとは、大規模モデルの大部分はそのままに、少量の追加部品だけを学習して効率よく微調整する手法です。低コストで用途特化できます。意味・特徴を分かりやすく解説します。