Share
Embed
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
AI推進室
March 07, 2025
Transcript
38 slides
-
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 -
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 -
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 -
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 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 -
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 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 -
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 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 -
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 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 -
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 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 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 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 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 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 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 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 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 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 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 -
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