AI・テック用語辞典

膨大なテキストデータで訓練された大規模なニューラルネットワークモデル。文章生成、翻訳、要約、質疑応答など多様な自然言語タスクに対応する。GPT-4、Claude、Geminiなどが代表例で、パラメータ数が数十億〜数兆規模に達するものもある。

人間と同等かそれ以上の汎用的な知能を持つAIの概念。現在のAIは特定タスクに特化した「狭いAI」だが、AGIはあらゆる知的タスクを柔軟にこなせる。実現時期については研究者の間でも意見が分かれており、AI開発の究極的な目標の一つとされる。

LLMの回答精度を高めるために、外部のデータベースやドキュメントから関連情報を検索し、その結果をプロンプトに含めて生成を行う手法。ハルシネーションの抑制や、最新情報への対応に有効であり、企業のAI活用で広く採用されている。

2017年にGoogleが発表した「Attention Is All You Need」論文で提案されたニューラルネットワークアーキテクチャ。自己注意機構（Self-Attention）により、入力シーケンスの各要素間の関係性を効率的に学習する。GPT、BERT、LLaMAなど現代の主要LLMの基盤技術。

事前学習済みのモデルを、特定のタスクやドメインのデータで追加学習させる手法。汎用的なLLMを自社のユースケースに最適化する際に用いられる。フルファインチューニングの他、LoRAなどのパラメータ効率的な手法も普及している。

AIモデルに対する入力（プロンプト）を設計・最適化する技術。適切なプロンプトを構築することで、モデルの出力品質を大幅に改善できる。ゼロショット、フューショット、Chain-of-Thoughtなどの手法があり、LLM活用の実務スキルとして重要性が高まっている。

Anthropicが提唱するオープンプロトコルで、AIモデルが外部ツールやデータソースと標準化された方法で接続するための仕組み。AIエージェントがファイル操作、API呼び出し、データベースアクセスなどを行う際のインターフェースを統一し、エコシステムの相互運用性を高める。

自律的に目標を設定し、計画を立て、ツールを使って複数のステップを実行するAIシステム。従来の単発的な質疑応答とは異なり、複雑なタスクを分解して段階的に達成する能力を持つ。2025年以降のAI開発における主要トレンドの一つ。

AIモデルが事実に基づかない情報を、あたかも正しいかのように生成してしまう現象。存在しない論文の引用や、架空の統計データの出力などが典型例。RAGやファクトチェックの仕組みで軽減を図るのが現在の主流アプローチ。

テキスト、画像、音声、動画など複数の種類のデータ（モダリティ）を統合的に処理できるAIモデル。GPT-4o、Gemini、Claude 3などが代表例で、画像を見て質問に答えたり、音声を理解してテキストで回答するといったクロスモーダルな処理が可能。

多層のニューラルネットワークを用いた機械学習手法の総称。画像認識、音声認識、自然言語処理など幅広い分野で革新的な成果を上げてきた。2012年のImageNet競技会での大幅な精度向上をきっかけにブレークスルーとなり、現在のAIブームの基盤技術となっている。

人間のフィードバック（好みの評価）を使ってAIモデルの出力を改善する強化学習手法。LLMの学習プロセスにおいて、事前学習後の「アライメント」段階で用いられる。モデルが人間にとって有用で安全な応答を生成するよう調整するために不可欠な技術。

LLMがテキストを処理する際の最小単位。単語や部分文字列に対応し、モデルによって分割方法が異なる。英語では1単語が約1〜2トークン、日本語では1文字が約1〜3トークンに相当する。APIの利用料金やコンテキストウィンドウのサイズはトークン数で計算される。

ソフトウェア同士が情報をやり取りするためのインターフェース仕様。REST API、GraphQL、gRPCなどの形式がある。AI分野ではOpenAI API、Anthropic APIなど、LLMの機能を外部アプリケーションから利用するためのAPIが広く提供されている。

インターネット経由でソフトウェアを提供するビジネスモデル。ユーザーはインストール不要で、ブラウザからサービスにアクセスする。月額・年額のサブスクリプション課金が一般的。Slack、Notion、Figmaなどが代表例で、スタートアップの主要なビジネスモデルの一つ。

スタートアップや成長段階の企業に対して出資を行う投資ファンド、またはその運営会社。資金だけでなく、経営ノウハウやネットワークも提供する。シード、シリーズA、B、Cなどの投資ラウンドを通じてスタートアップの成長を支援する、テックエコシステムの重要なプレイヤー。