データ最小化
Definition
データ最小化は、組織がデータの収集を適切で関連性があり、必要最小限の範囲に制限することを要求するプライバシーの核心原則です。AIにおいてこれは、モデル設計時に過剰なデータ収集を避 …
Multilingual AI Terms Dictionary
AI用語辞典へようこそ — 人工知能用語の包括的な多言語リファレンスです。
データ最小化は、組織がデータの収集を適切で関連性があり、必要最小限の範囲に制限することを要求するプライバシーの核心原則です。AIにおいてこれは、モデル設計時に過剰なデータ収集を避 …
カリキュラム学習は、人間の教育を模倣し、通常は単純なサンプルから始めて複雑さを徐々に増加させる構造化された順序でトレーニングデータを提供します。このアプローチは、ニューラルネット …
AIにおいて、ステレオタイプはモデルがトレーニングデータに含まれる社会的バイアスを学習し、増幅することで生じます。これにより、特定の職業を特定の性別に関連付けるなど、差別的な結果 …
モデル抽出では、攻撃者はターゲット機械学習モデルのAPIをクエリして、その内部構造、重み、または意思決定境界を推測します。これらのクエリを使用して、元のモデルの挙動を模倣するサロ …
忘れられる権利により、ユーザーはデータベースやAIのトレーニングセットから自身の個人情報の除去を要求できます。機械学習においてこれを実装するのは困難です。なぜなら、モデルは学習し …
XLM-RoBERTa（Cross-lingual Language Model RoBERTa）は、Meta AIによって開発された大規模な多言語モデルです。100以上の言語を …
ゼーテン戦略は、マルチエージェント交渉におけるバールギングのためのルールベースのアプローチです。これは、エージェントが望ましい結果を押し通すために引き受けることができる最大リスク …
ゼロショットプロンプティングとは、事前学習済み言語モデルに対して、いくつかの例（few-shot examples）を提供したり追加のファインチューニングを行ったりすることなく、 …
バックドア攻撃とは、機械学習モデルの訓練データに「トリガー」と呼ばれる特定のパターンを混入させる（ポイズニング）ことです。クリーンなデータでは通常どおり正常に動作しますが、トリ …
ワンプス・ワールドは、ラッセルとノルヴィグのAI教科書で紹介されたグリッドベースの環境です。エージェントは、pit（穴）やワンプス（モンスター）を避けながら、グリッド内を移動して …
データ最小化は、組織がデータの収集を適切で関連性があり、必要最小限の範囲に制限することを要求するプライバシーの核心原則です。AIにおいてこれは、モデル設計時に過剰なデータ収集を避 …
カリキュラム学習は、人間の教育を模倣し、通常は単純なサンプルから始めて複雑さを徐々に増加させる構造化された順序でトレーニングデータを提供します。このアプローチは、ニューラルネット …
AIにおいて、ステレオタイプはモデルがトレーニングデータに含まれる社会的バイアスを学習し、増幅することで生じます。これにより、特定の職業を特定の性別に関連付けるなど、差別的な結果 …
モデル抽出では、攻撃者はターゲット機械学習モデルのAPIをクエリして、その内部構造、重み、または意思決定境界を推測します。これらのクエリを使用して、元のモデルの挙動を模倣するサロ …
忘れられる権利により、ユーザーはデータベースやAIのトレーニングセットから自身の個人情報の除去を要求できます。機械学習においてこれを実装するのは困難です。なぜなら、モデルは学習し …
XLM-RoBERTa（Cross-lingual Language Model RoBERTa）は、Meta AIによって開発された大規模な多言語モデルです。100以上の言語を …
ゼーテン戦略は、マルチエージェント交渉におけるバールギングのためのルールベースのアプローチです。これは、エージェントが望ましい結果を押し通すために引き受けることができる最大リスク …
ゼロショットプロンプティングとは、事前学習済み言語モデルに対して、いくつかの例（few-shot examples）を提供したり追加のファインチューニングを行ったりすることなく、 …
バックドア攻撃とは、機械学習モデルの訓練データに「トリガー」と呼ばれる特定のパターンを混入させる（ポイズニング）ことです。クリーンなデータでは通常どおり正常に動作しますが、トリ …
ワンプス・ワールドは、ラッセルとノルヴィグのAI教科書で紹介されたグリッドベースの環境です。エージェントは、pit（穴）やワンプス（モンスター）を避けながら、グリッド内を移動して …
Whisperは、さまざまな言語、方言、アクセントに対応するために設計された汎用音声認識モデルです。多言語かつマルチタスクの教師ありデータから、数十万時間分のオーディオを用いて学 …
WordPieceは、BERTやALBERTなどの自然言語処理モデルで広く使用されているトークン化手法です。形態的な豊かさを扱い、語彙サイズを削減するために、単語をより小さなサブ …
ウェットウェアコンピューティングとは、従来のシリコンベースのハードウェアに代わり、培養された生体ニューロンが主要な処理ユニットとして機能するシステムを指します。これらのシステム …
ウィナーテイクオール（WTA）は、ニューラルネットワークや強化学習において、複数の競合する行動や仮説間の衝突を解決するために使用される競争プロセスです。この方式では、最も強い信号 …
この概念は、ルーチン作業の自動化、新しい職種の創出、必要なスキルセットの変化など、労働市場に対するAIの変革的な影響を含みます。AIは生産性を高め、人間の判断力を補完することで、 …
WebSocketは、クライアントとサーバー間の永続的な双方向通信を可能にするコンピュータ通信プロトコルです。HTTPのように各要求-応答サイクルで新しい接続を必要とせず、一度確 …
ウェットウェアは元々生物学的な脳組織を指していましたが、サイバネティクスやトランスヒューマニズムの文脈では、人間の心や脳を計算システムとして記述するために進化しました。これは物理 …
ウェブインテリジェンスは、インターネット上に存在する膨大な量の非構造化データを処理するために、データマイニング、機械学習、セマンティック技術を使用します。その目的は、生データを変 …
ウェブフックは、あるサービスがイベント発生時に別のサービスにリアルタイム情報を提供するためのメカニズムです。変更を定期的に確認するポーリングの代わりに、ソースシステムは特定 …
狭義のAIとも呼ばれる「弱い人工知能」は、顔認識や言語翻訳など、特定の問題を解決したり特定のタスクを実行したりするために構築されたシステムを指します。これは汎用的な推論能力や意識 …
ワドワニ財団からの多額の寄付により設立されたこの研究所は、大規模な社会的問題の解決に向けて、高度な機械学習とコンピュータビジョン技術を活用しています。その主な… …
人工知能において、音声は言語情報を含む人間の声帯が生成する音響信号を指します。これは、特定の文脈（音声）に関連するという点で、一般的なオーディオとは区別されます。
VADアルゴリズムは、背景ノイズや一時停止などの非音声区間に対してアクティブな発話期間をリアルタイムで分析して区別します。これは、帯域幅の最適化において重要です。
生成AIがますます多くの合成メディアを生成する中、透かし処理は透明性と説明責任のための重要なツールとなります。これは、画像、テキストなど、デジタルコンテンツを変更することを含みま …
厳密な技術用語ではありませんが、「未来のあり方」は、自律型システム、パーソナライズされたAIアシスタント、自動化された意思決定プロセスへのパラダイムシフトを記述します。それ …
Unslothは、大規模言語モデル（LLM）のファインチューニングとデプロイメントを最適化するために設計された専用ツールです。標準的なPyTorchの… …
Vibevoiceは、人間の発話の「雰囲気」や感情的なニュアンスの捕捉を強調する、テキスト読み上げ（TTS）技術に対する概念的またはブランド名のアプローチです。従来のTTSが単調 …
ビデオスーパー解像度は、ディテールを保持しアーティファクトを削減しながら、動画コンテンツを低い解像度（例：480p）から高い解像度（例：4K）にアップスケールするためにニューラル …
バーチャルインテリジェンスは、仮想またはデジタル空間内で機能するように設計されたあらゆる人工知能システム encompass しており、しばしばユーザーや他のエージェントと対話し …
vLLM（Virtual Large Language Model）は、LLMサービングを加速するために設計されたオープンソースライブラリです。オペレーティングシステムの仮想メモ …
アンダーフィッティングは、統計モデルや機械学習アルゴリズムが入力から出力へのマッピング関数を正確に近似できない場合に発生します。これは通常、モデルが複雑すぎるデータに対して単純す …
人工知能の文脈において、「アンセーアード」とは通常、組み込みの安全調整を削除または弱めるためにファインチューニングや改変が施されたモデルを指します。これらのモデルは、設計上、有害 …
ユニバーサルサイコメトリクスとは、性格、認知能力、感情的知性などの心理的構成概念を、文化的背景や言語の違いを超えて信頼性高く測定できる評価ツールの開発と適用に関わる分野です。公平 …
ユニファイドモデルとは、テキスト生成、画像認識、コード合成など、個別の専門モデルを必要とせずに、さまざまな異なるタスクを実行できる人工知能システムを指します。これにより、リソース …
「米国テックフォース」という用語は、一般的に、ソフトウェアエンジニアリング、データサイエンス、ハードウェア製造などのテクノロジーセクターに従事するアメリカの労働市場の大きな部分を …
学術文献や産業界において、「Tum」を中核的なAI概念、技術、または指標として広く受け入れられた定義はありません。これはおそらく「チューリングテスト」や「トランスフォーマーモデ …
AIエンジニアリングの文脈において、トレーシングとは、入力、出力、レイテンシ、各ステップでのリソース使用量など、データがモデルやアプリケーション内をどのように流れるかに関する詳細 …
特にPython、C++、Rustで書かれたAIライブラリなどのソフトウェアエンジニアリングにおいて、型チェッカーは互換性のあるデータ型に対して操作が行われていることを検証するこ …
思考の木（ToT）は、従来の思考連鎖プロンプティングを拡張したもので、モデルが各ステップで複数の異なる推論経路を探索し、木構造を形成できるようにします。モデルは各ノードの状態を評 …
信頼可能なAIには、AIシステムが信頼性高く、倫理的に運用されることを保証する原則と実践が含まれます。主要な属性には、攻撃に対する堅牢性、多様な人口統計集団における公平性、透明 …
トークンマキシングとは、モデルのコンテキストウィンドウの容量を最大限に活用したり、パフォーマンス向上のためにトークンの意味的密度を最適化したりするために、入念に入力を構成するプロ …
この概念は、人工知能技術がグローバル金融システムに脆弱性をもたらす歴史的かつ予測される一連の事象を指します。これには、初期のアルゴリズム取引から生じた問題や、AIの急速な普及に伴 …
人工知能およびコンピュータサイエンスにおいて、トイプロブレムとは、概念を示したり新しいアルゴリズムをテストしたりするために設計された、非常に簡略化されたシナリオを指します。例とし …
AIにおける毒性とは、無礼であり、議論からの離脱を促す可能性が高く、特定のアイデンティティに焦点を当てたコンテンツの生成または拡散を指します。これは、軽度な侮辱から深刻な憎悪表現 …
毒性検出は、自然言語処理技術を用いてテキスト入力を分析し、有害コンテンツが含まれている確率スコアを割り当てます。これらのシステムは通常、教師あり学習を用いて訓練され、特定のキー …
THUDM（Tsinghua University Natural Language Processing Research Group / 清華大学自然言語処理研究グループ） …
AIエンジニアリングにおいて、スループットはシステムの処理能力を示す重要なパフォーマンス指標です。大規模言語モデル（LLM）では「トークン/秒」、コンピュータビジョンモデルでは「 …
三要素学習は、強化学習における特定の手法で、学習プロセスを明確に3つの異なるコンポーネントに分解します。それは「報酬信号（環境からのフィードバック）」、「価値関数（状態や行動の長 …
人間が生物学的に思考するのに対し、AIの「思考」は認知機能を模倣する計算操作を含みます。これには論理的演繹、パターン認識、推論が含まれます。現代の大規模言語モデル（LLM）では、 …
時系列データとは、時間間隔を追って記録された観測値のシーケンスです。AIにおいて、このデータタイプは過去のパターンに基づいて将来のトレンドを予測するために不可欠で …
TensorFlow Liteは、スマートフォン、マイクロコントローラ、IoTデバイスなどのリソース制約のあるデバイス上で機械学習モデルを展開するために設計されたオープンソースフ …
The AI Conは、AI分野における欺瞞的な慣行、誇張された主張、セキュリティ脆弱性を調査し浮き彫りにすることを目的とした年次イベントです。典型的なテクノロジーカンファレンス …
ペドロ・ドミンゴスの同名の著書で coined された「マスターアルゴリズム」は、すべての人間学習プロセスを複製できる可能性のある機械学習のための理論的に統一されたフレームワーク …
テキスト・トゥ・スピーチ（TTS）は、デジタルテキストをユーザーに読み上げる支援技術の一種です。これは、人間のイントネーションを模倣した音声を合成するために、高度なニューラルネッ …
テキスト・トゥ・ビデオとは、自然言語の入力に基づいて動的な視覚コンテンツを作成する生成AIモデルを指します。これらのシステムは、テキストプロンプトから意味を理解し、一貫性のある …
テキストからオーディオへは、テキスト入力を聴覚出力に変換する技術を網羅する広義の用語です。人間の声の合成であるテキスト読み上げ（TTS）に関連することが多いですが、他に …
テキストから画像へは、自然言語の説明に基づいて写実的または芸術的な画像を合成するために生成人工知応用を指します。これらのシステムは通常、拡散…
テキスト生成は、人工知能モデルが新しいテキストコンテンツを作成する自然言語処理における基本的なアプリケーションパラダイムです。シーケンス内の次の最も可能性の高いトークンを予測する …
テキスト生成推論（TGI）は、低レイテンシと高いスループットで大規模言語モデル（LLM）を提供するために設計された専用ソフトウェアフレームワークです。テキスト生成のための推論プロ …
テキスト埋め込み推論とは、自然言語を高次元ベクトルに変換するモデルのデプロイメントと最適化を指します。これらの埋め込みは意味的な意味を捉えるため、システムが… …
TensorBoardは、TensorFlowの実行とグラフを検査・理解するための一連のウェブアプリケーションです。時間経過に伴う損失や精度などのメトリクスを可視化したり、モデル …
TensorFlow Hubは、機械学習コンポーネントのパブリッシングと再利用のためのプラットフォームです。これにより、開発者は画像分類やテキスト埋め込みなど、さまざまなタスク用 …
テキスト分類は、アルゴリズムが構造化されていないテキストデータに事前定義されたカテゴリを割り当てる教師あり学習のタスクです。一般的な手法には、ナイーブベイズ、サポートベクターマシ …
コンピュータサイエンスおよびディープラーニングにおいて、テンソルはスカラー、ベクトル、行列を高次元に一般化した数学的对象です。そのランク（次元の数）と形状によって特徴付けられま …
時間的バイアスは、機械学習モデルが古い観測値と比較して最新の観測値に不均衡に重みを置く場合に発生します。これは、非定常的なデータ分布や特定のトレーニングプロトコルに起因することが …
Text-to-Image（T2I）生成では、拡散モデルやGANなどのディープラーニングモデルを使用して、自然言語のプロンプトに基づいて画像を合成します。これらのモデルは、 …
双曲線正接（Tanh）関数は、ニューラルネットワークで一般的に使用される非線形活性化関数です。入力値を区間(-1, 1)に圧縮し、ゼロ中心化された出力を提供することで、 …
人工知能において、記号レベルは、連続的な数値ではなく離散記号を使用して知識をエンコードする高レベルの抽象化を表します。このアプローチは、
記号レベルとは、AIシス …
記号回帰は、観測されたデータに最適に適合する数学的式（通常は木構造で表される）を見つける回帰分析の一種です。従来の回帰
記号回帰は、データセットに最も適合する数学 …
記号的人工知能（GOFAIとも呼ばれます）は、推論と問題解決を行うために記号とルールを操作することに依存しています。接続主義のアプローチとは異なり、
記号的AI …
主流の人工知能用語において、「Syman」に対して広く受け入れられている標準的な定義はありません。これは特定の独自ツールを指しているか、「System」（システムプロンプトなど） …
この概念は、人工スーパーインテリジェンス（ASI）に関する研究への制限、あるいは完全な中止をめぐる議論および潜在的な政策を指します。支持者たちは、ASIが人類存続のリスクをもたら …
スーパーマインドAIとは、複数のAIコンポーネント、人間の専門家、またはハイブリッドな人間-AIチームがシームレスに協力し、個々の能力を超えた集合的知性を形成するシステムを指しま …
機械学習および最適化において、代理モデルは直接評価が困難な目的関数のプロキシとして機能します。これは、元のモデルからの入力-出力ペアを用いて訓練され、元のモデルの挙動を効率的に模 …
サイコファンシーは、大規模言語モデルにおける失敗モードの一つであり、システムが正確な情報の提供よりもユーザーの機嫌を取ることを優先する現象です。これは通常、人間フィードバックによ …
ストリーミングとは、データが生成される際にリアルタイムまたはニアリアルタイムで継続的に取り込み、処理することを指します。固定されたデータセットを扱うバッチ処理とは異なり、ストリー …
構造化スパース正則化は、標準的なL1正則化を拡張し、個々の係数を独立してゼロにするのではなく、特定の構造パターンにおいてゼロになることを促進します。これは、特徴量間の関係性やグ …
構造的リスク最小化（SRM）は、過学習を防ぐためにモデルの複雑さを制御することで期待リスクを最小化する手法です。これは経験的リスク最小化を拡張したもので、正則化項を追加し、モデル …
統計的学習理論（SLT）は、特定のアルゴリズムが有限のトレーニングサンプルから未見のデータへとどのように一般化できるかを研究する、統計学およびコンピュータサイエンスの一分野です。 …
統計的関係学習（SRL）は、確率理論と関係データ構造を組み合わせ、エンティティとその間の依存関係をモデルが捉えることを可能にします。標準的な統計手法とは異なり、個々のデータポイン …
Stable Diffusionは、潜在拡散プロセスを用いてテキスト入力を条件として詳細な画像を生成するディープラーニングモデルです。ピクセル空間での拡散モデルとは異なり、圧縮さ …
Diffusersライブラリは、Hugging Faceが提供するオープンソースのツールキットで、特にStable Diffusionのような事前学習済み拡散モデルの使用を簡素化 …
スパイク・アンドスラブ回帰は、変量選択やスパースモデリングに用いられるベイズ統計的手法です。この手法は、「スパイク（通常はゼロ付近に集中する分布）」と「スラブ（非ゼロの係数に対応 …
機械学習における安定性とは、訓練データに小さな摂動（変化）を加えた場合でも、モデルのパフォーマンスやパラメータが頑健に保たれる性質を指します。安定したアルゴリズムは、異なるサブセ …
活性化拡散は、もともと認知心理学の概念であり、ニューラルネットワークにおいて相互に接続されたユニット間での信号伝播を記述するために適応されました。特定のノードが活性化されると、そ …
スピーチ・トゥ・スピーチ（STS）翻訳は、中間的なテキスト表現を経由せずに、音声言語Aを直接音声言語Bに変換します。このアプローチは、プロソディ（抑揚）、感情、自然な話し方のリズ …
空間知能とは、人工知能モデルが物理的または仮想環境内の空間関係を知覚し、解釈し、操作する能力を指します。これには、物体の位置関係や奥行き、形状などの空間的な特徴を認識し、それに基 …
音声処理において、話者とは音声録音内の固有の人間の音声源を指して定義されます。話者を識別し区別することは、会話の分析やセキュリティの確保にとって基本的な要素であり、特定の人物の発 …
話者 diarizationとは、音声ストリームを話者の同一性に基づいて均質なセグメントに分割するタスクです。これは話者変更検出と話者クラスタリングを組み合わせて、各音声セグメン …
話者変更検出（SCD）は、ある話者の発話が終了し、別の話者の発話が開始される正確なタイムスタンプを特定するために使用される技術です。これはダイアライゼーションの前段階として機能 …
ソース帰属とは、AIシステム内におけるデータ、モデル、または生成出力の起源に対する体系的な追跡とラベリングを指します。これは、最終結果をその起源へとリンクさせることで透明性を確保 …
スパークル絵文字は、AIアプリケーションのユーザーインターフェースにおいて、新規性、改善、または創造的な強化を意味するために頻繁に使用されるグラフィカルアイコンです。これは、何か …
宇宙ベースデータセンターは、地球軌道に設置され、豊富な太陽光発電や自然な宇宙の真空を利用した冷却など、独特の環境上の利点を活用するように設計された計算施設です。
…
空間埋め込みとは、物理的または抽象的な空間関係を密なベクトル空間に変換するプロセスであり、アルゴリズムが近接性、方向性、トポロジーを理解できるようにします。この手法は、空間的な構 …
主権AIとは、外国のクラウドプロバイダーや独占的な技術への依存なしに、国や組織が人工知能システムを独自に構築、展開、管理する能力を指します。
データプライバシーと …
ソフトウェアエージェントは、環境を認識し、推論を行い、特定の目標を達成するために行動できる自律的なエンティティです。これらのエージェントは独立して動作し、変化に適応し、他のエージ …
レイ・ソロモノフによって開発されたこの理論は、シーケンスの複雑さに基づいて確率を割り当てることで、帰納の普遍的モデルを提供します。これは、より単純な説明（短いプログラム）ほど確率 …
この用語は、スマートフォンの高い普及率と高度なブロードバンドインフラを特徴とする、韓国におけるスマートスピーカーの特定の地域市場動向を指します。主要なプレイヤーや競争環境を含みま …
社会的支援ロボット（SAR）は、物理的な操作ではなく社会的な手段を通じて支援を提供することに焦点を当てた人間-ロボットの相互作用のサブセットです。これらは、接触を伴わない戦略（ …
この用語は技術的な定義ではなく、人工知能における激しいイノベーション、公衆の関心、またはパラダイムシフトの時期を指す文化的な指標です。通常、新しい技術の台頭や市場の変動に伴って使 …
スマートオブジェクトは、一意の識別子を持ち、人間対人間や人間対コンピュータの直接の相互作用なしにネットワーク上でデータを転送できる能力を持つ、モノのインターネット（IoT）の構成 …
スロパガンダは、ウイルス性の衝撃戦術ではなく、反復、曖昧さ、長期間の露出に依存する戦略的な虚偽情報の形態を記述します。これは、聴衆を混乱させ、真実を希釈し、信頼を… …
人工知能において「状況依存的」とは、環境に埋め込まれ、リアルタイムでそれと相互作用するエージェントを指します。抽象的な問題解決とは異なり、状況依存的なエージェントは感覚入 …
状況依存的アプローチは、知能的な行動が発生する環境から切り離すことはできないと主張するAI研究の方法論的枠組みです。このアプローチは、システムが…
…
特異点研究は、人工知能が人間の知能を超え、制御不能な変化をもたらす可能性のある将来的な時点の帰結を調査する新興の学問分野です。
将来の技術的特異点が社会、倫理、存 …
サーバーサイドイベント（SSE）は、サーバーからクライアントへの一方通行の通信を可能にし、クライアントが繰り返しポーリングすることなく、サーバーがデータを継続的にストリーミングで …
サーバーレスアーキテクチャにより、開発者はサーバーインフラストラクチャを管理せずにアプリケーションの構築と実行が可能です。クラウドプロバイダーは需要に応じてリソースを自動的にス …
シーケンスラベリングは、文の中の単語や文字列の中の文字など、与えられた入力シーケンス内のすべてのトークンに対してカテゴリカルなラベルを予測するプロセスです。一般的な用途には、品詞 …
シグモイド関数（σ(z) = 1 / (1 + e^-z)）は、機械学習で確率をモデル化するために広く使用されています。入力値を(0, 1)の範囲に圧縮するため、二値分類の出力層 …
類似度学習は、類似したアイテムが近くに、異なるアイテムが遠くなるように、入力をベクトル空間にマッピングするモデルを訓練することに焦点を当てています。サイエズネットワークやトリプレ …
Sentence Transformersは、従来のTransformerモデル（BERTなど）を拡張したもので、全体としての文に対して意味のある密なベクトル表現を生成するように …
SentencePieceは、現代のNLPパイプラインで広く使用されている人気のあるオープンソースライブラリです。これは、単語単位とサブワード単位の両方の共用語を学習する教師なし …
セマンティック・フォールディングとは、意味的な損失を最小限に抑えつつ、複雑で高次元なベクトル埋め込みを、より扱いやすい低次元表現に圧縮するプロセスを指します。
高 …
半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを組み合わせて使用するハイブリッドなトレーニングパラダイムです。その核心的な仮定は、ラベルなしデータの構造を利用す …
文の類似度は、2つの異なる文間の意味的重なり合いの度合いを測定します。これは単なる語彙の一致を超え、意味、文脈、意図を理解することを目指します。これは通常、文をベクトル空間に埋め …
計算学習理論において、サンプル複雑度はモデルを効果的に訓練するために必要なデータ量を定量化するものです。これはモデルの容量と利用可能なデータの間のトレードオフを調整し、過学習を防 …
これらのデータベースは、厳格なテーブル構造やカラム定義を事前に強制しないことで、動的なデータモデリングを可能にします。この柔軟性により、開発者は構造化されていないデータや半構造化 …
構文構造を超えて、言語入力の実際の意図と重要性を解釈します。これには、文脈に基づいて単語の意味の曖昧さを解消したり、エンティティを特定したり、話者の意図を理解したりすることが含ま …
この概念には、AIエージェントやシステムが通常の保守、リソース割り当て、エラー修正を独立して処理する能力が含まれます。これには、オートスケーリング、自己修復、および自動再トレーニ …
主に大規模言語モデル（LLM）で使用されるこの手法は、プロンプトに対してサンプリングによって複数の多様な応答を生成し、それらの集約によって精度を向上させます。貪欲デコーディン …
Rustは、パフォーマンスと安全性、特に安全な並行性を目的として設計された、マルチパラダイムかつ汎用のプログラミング言語です。ガベージコレクションを使用せずにメモリ安全性を実現 …
Sam3は、SAM（Segment Anything Model）のような広く認知された標準的な公開AI用語ではありません。これはサードパーティによる反復版、SAM 2の誤記、あ …
Sam3 Videoは、高度なセグメンテーションモデル（MetaのSegment Anything Modelの仮説的または特定バージョンの可能性あり）を動画データに適用すること …
STITは「See To It That（～であることを確実にする）」の略です。これは主に哲学やコンピュータサイエンスで使用される様相論理の一分野であり、エージェント性と責任をモ …
SUPSは文脈によって意味が異なる頭字語ですが、専門的なAI文献ではハイブリッド学習アプローチや特定データ構造を参照することが多いです。これは、異なる学習パラダイムを組み合わせた …
ロボットの学習には、機械学習技術を活用して自律的にタスクを実行できるようロボットエージェントを訓練することが含まれます。事前にプログラムされた動作とは異なり、これらのシステムは動 …
ロボティック・プロセス・オートメーション（RPA）は、AIで強化されたソフトウェアロボットを使用して、デジタルシステムに対する人間のインタラクションを模倣します。データ入力や請求 …
AIの安全性と倫理において、頑健性とは予期しない入力や悪意のある操作に対するモデルの耐性を指します。頑健なシステムは、入力データにノイズが含まれていても正しく機能し続けます。 …
規則誘導は、データから直接if-then（もし〜ならば）規則を導出する記号的機械学習手法です。不透明な重みを生み出すニューラルネットワークとは異なり、規則誘導は解釈可能なモデルを …
説明を受ける権利は、特にGDPRなどの枠組みにおいて、アルゴリズムの説明責任の中核的な構成要素です。これは、ある人の権利に影響を与える決定をAIシステムが行った際、その決定の根拠 …
AIへの抵抗とは、個人や組織がAIアルゴリズムによる影響、追跡、分類を避けるために使用する手法を指します。これには、知覚システムに対する敵対的攻撃（adversarial …
リランキングは、情報検索やレコメンデーションシステムにおいて精度を高めるために使用される戦略です。まず、高速だが精度の低いモデル（例：バイグラムモデルやベクトル検索）を使用して大 …
再パラメータ化トリックは、変分オートエンコーダーや他の確率的モデルで使用される基本的な手法です。これは、確率変数を外部のパラメータ（通常は正規分布からのサンプリング）と決定論的な …
責任あるAIとは、人工知能に関連するリスクを軽減することを目的とした原則と実践を含みます。これには、モデルのバイアス監査、意思決定の説明可能性の確保、プライバシー保護の実施、およ …
表現崩壊とは、特に自己教師ありのコントラスト学習フレームワークにおいて、ニューラルネットワークがすべての入力データポイントを同じ固定された出力ベクトルにマッピングするように学習し …
関係データマイニングは、単一の平坦なテーブルではなく、複数の関連するテーブルに整理されたデータベースから有用な情報を抽出することに焦点を当てています。これは、エンティティ間の関係 …
再帰的自己改善とは、人工知能システムがより賢く、効率的、あるいは高性能になるために、自身のソースコードやアーキテクチャを書き換える理論的な能力を指します。
AIシ …
AIにおける信頼性とは、時間や入力の変化に伴うシステムの振る舞いの信頼性と一貫性を指します。信頼性の高いAIシステムは、正確な結果を生み出し、エッジケースに対処し、予測可能な動作 …
正則化は、機械学習において一般化誤差を大幅に増加させることなく減少させるための重要な概念です。これは、モデルが過度に複雑なパターンやノイズを学習することを抑制することで機能しま …
AIにおける反射とは、モデルが最終決定を下す前に、自身の生成プロセスや出力を評価するパラダイムです。これには、論理的整合性、事実の正確性、または規則への準拠性を確認することが含ま …
レートリミティングは、AIサービスやAPIが悪用されたり、過負荷になったり、リソースが過剰に消費されたりするのを防ぎます。スループットを制限することでユーザー間の公平な利用を確保 …
ラデマッハー複雑性は、仮説クラスがランダムなラベル（ノイズ）とどれだけ相関できるかを評価します。これはモデルの容量や柔軟性の代理指標として機能します。複雑性が低いことは、より良い …
ランダム特徴量マップは、線形モデルが非線形カーネル関数を近似できるようにするために、入力を新しい空間に変換します。このアプローチは通常、ニストロム法やフーリエ特徴に関連しており、 …
流暢さfocusedな標準的な生成モデルとは異なり、推論モデルは数学、コーディング、論理パズルなどの多段階タスクにおける正確性を優先します。これらは通常、思考連 …
このアプローチは、単純なヒューマンインザループによるラベリングを超えています。双方向の知識転送が含まれます：人間はモデルのエラーを修正し、モデルはパターン識別や自動化を通じて人間 …
この用語は、おそらく混合专家（MoE）設計を活用するQwenファミリー内の特殊なアーキテクチャを指します。そのようなモデルでは、ニューラルネットワークのパラメータ（专家）の一部の …
Qwen3.5は、アリババクラウドによって開発されたQwen系統における特定のリリースを示します。この反復版は通常、以前のバージョンを基盤とし、論理的推論、コーディングスキル、自 …
Qwen3.6は、Qwen3モデルファミリーにおけるさらなる洗練を表します。マイナーバージョンのアップデートは、既存機能の磨き上げ、エッジケースでのエラー修正、トレーニングデータ …
Rabbit r1は、Rabbit Inc.によって発売された専用ハードウェアデバイスであり、独自のLarge Action Model（LAM）を中心に構築されています。汎用ス …
ROCm（Radeon Open Compute）は、AMD製のGPU上で高性能コンピューティングを可能にするためにAMDが開発したドライバーおよびソフトウェアスタックです。並列 …
Qwen Coderは、プログラミング関連の活動に特に微調整されたQwen大規模言語モデルの専用バージョンです。コード生成、デバッグ、複雑なコードベースの理解において優れていま …
Qwen Editは、Qwenシリーズ内で編集、推敲、テキストコンテンツの再構築に最適化された特定の機能やモデルの反復を指します。これらの機能により、ユーザーは文章を書き換えた …
Qwenは、アリババグループのTongyi Labによって作成された高度な大規模言語モデルのファミリーを表します。これには、自然言語理解を含むさまざまなタスクに最適化された複数の …
Qwen2は、アーキテクチャの強化とトレーニングデータの拡大を導入したQwenモデルファミリーの2番目の重要な世代を示します。このバージョンは、多言語サポートにおいて優れた能力を …
Qwen3 5は、広範なQwen3世代内の特定のチェックポイント、サイズ変種、または特殊なリリースを示しているようです。正確な仕様は異なる場合がありますが、一般的にQwからの進化 …
Qlooは、高度な機械学習アルゴリズムを通じて人間の嗜好を理解することに特化したデータインテリジェンス企業として運営されています。同社は、多様なソースから膨大なデータを収集・分析 …
AIおよびデータサイエンスの文脈において、定量化とは、テキスト、画像、主観的な意見などの非数値データを、測定可能な数値に変換することを指します。このプロセスは、… …
量子化は、機械学習モデルのパラメータの数値精度を下げ、通常は32ビット浮動小数点数を8ビット整数に変換することでモデルを最適化する技術です。これにより、… …
量子機械学習（QML）は、量子コンピューティングの能力と機械学習技術を統合する新興の学際的分野です。これは、もつれなどの量子現象を活用して…
量子人工生命（QAL）は、量子力学と人工生命研究の交差点を探求し、量子コンピュータを使用して生物学的進化や自己複製システムのシミュレーションを行うことを目的としています。 …
Pyannoteは、pyannote.audioによって開発されたオープンソースのPythonライブラリで、音声ストリーム内で「誰がいつ話したか」 …
Pyannote Audioは、話者 diarization システムの開発と展開を容易にするために設計された包括的なツールキットです。音声分析タスクのために、事前訓練済みのニ …
Pyannote Audioの文脈において、パイプラインは話者 diarization を達成するために異なるモジュールをチェーン状につなぐ構成可能なワークフローを指します。通 …
Pythiaは、EleutherAIによって作成されたオープンソースの大規模言語モデル（LLM）シリーズであり、ニューラルネットワークの解釈可能性と動作に関する研究を促進するため …
PyTorch Model Hub Mixinは、Hugging Face Transformersライブラリによって提供されるコンポーネントで、標準的なPyTorch …
プルーニングは、ニューラルネットワークにおいて出力精度にほとんど寄与しないニューロン、接続、またはフィルターを特定して除去するプロセスです。これらの冗長な要素を削除することで、モ …
プロンプトチューニングは、事前学習済み言語モデルの入力層にトレーニング可能なソフトプロンプト（連続ベクトル）を追加し、基盤となるモデルのパラメータは凍結したままにするアプローチで …
近接勾配法は、損失関数に微分可能な滑らかな項と、L1ノルムのような微分不可能な正則化項が含まれている場合に使用される反復最適化技法です。このアルゴリズムは、勾配降下ステップと近接 …
この用語は、初期の記号論理から現代のディープラーニングに至るまでのマイルストーンを刻みながら、人工知能システムの歴史的かつ継続的な進化を包含します。計算能力の改善、アルゴリズムの …
この分野は、人間の演繹、帰納、アブダクションの推論を支える精神的プロセスを調査します。バイアス、ヒューリスティクス、思考を導く論理的構造を探求します。AIにおいて、この洞察は、人 …
この用語は、主要な人工知能研究ラボであるOpenAIが作成した商業および研究製品を包括しています。主な提供物には、生成事前学習トランスフォーマー（GPT）シリーズ、画像生成モデ …
エキスパートの積（PoE）は、単純な確率分布を組み合わせて複雑な分布を構築する方法です。「エキスパートの混合（Mixture of Experts）」が確率を平均化するのに対 …
確率マッチングは、強化学習や心理学においてしばしば観察される行動パターンであり、最適な「最大化」戦略とは対照的です。常に最も高い確率を持つ行動を選ぶのではなく、各行動の選択頻度を …
人工知能において、問題解決とは、初期状態から目標状態へ、一連の行動を通じて移動する体系的なアプローチを指します。通常、これは問題の定義、状態空間の構築、そして適切な探索アルゴリズ …
例によるプログラミング（PBE）は、プログラマーが明示的なコードを書く代わりに、具体的な入力と出力のペアを通じて期待される動作を指定するパラダイムです。AIシステムはこれらの例を …
Praftnは、関係構造内の機能的時系列データを処理するために設計された特殊な計算フレームワークです。確率的推論と代数的操作を組み合わせて、複雑な動的システムをモデル化します。 …
事前知識とは、トレーニング開始前にアルゴリズムに組み込まれるドメイン固有の洞察、制約、または履歴データを指します。これは、モデルが妥当な解へと向かうよう導き、過学習を減らすのに役 …
確率的数値解析は、積分、微分、線形代数などの伝統的な数値問題にベイズ的手法を適用します。点推定値を提供する代わりに、確率分布を出力し、計算結果に伴う不確実性を評価します。 …
この原理は、エージェントの行動が、知覚入力と事前知識を踏まえて、期待される性能指標を最大化するように選択されるべきであると主張します。これは意思決定理論の基盤となります。 …
能動的学習では、AIシステムが不確実性を最も減少させたり、モデルの性能を向上させたりするために、どのサンプルが最も効果的かを決定します。これは、パッシブラーニング（受動的学習）と …
プレフィックスチューニングは、事前学習済みトランスフォーマーモデルに適応させるためのパラメータ効率的な手法です。モデルの全重みを更新する代わりに、学習可能な連続ベクトルのシーケン …
好み学習は、絶対的なラベルではなく人間の判断に基づいて、良い出力と悪い出力を区別できるようにモデルを教育することに焦点を当てています。通常、特定の入力が与えられた際に複数の応答の …
「事前学習済み」という用語は、ImageNetやWikipediaのような大規模で一般的かつ汎用的なデータセットで初期訓練を完了したニューラルネットワークモデルを指します。このプ …
予測学習とは、明示的な人間のラベルなしに、観測された入力から未観測のデータポイントを推論するようにニューラルネットワークを訓練するプロセスです。言語モデルにおける次トークンの予測 …
予測状態表現（PSR）は、従来の部分的に観測可能なマルコフ決定過程（POMDP）を拡張したもので、状態を将来の観測可能事象に関する予測ベクトルとして定義します。過去の完全な状態に …
Phi-3はMicrosoftがリリースした小型言語モデル（SLM）のシリーズで、大幅に少ない計算リソースでより大きなモデルに匹敵する高いパフォーマンスを実現するように設計されて …
Physical Intelligence Inc.（PI）はGoogle DeepMindのスピンオフ企業であり、具現化AIとロボティクスの分野を進展させるために設立されまし …
フィ係数（φ）は、2つの二値変数の間の関連性を測る指標であり、二分変数に対するピアソン相関係数として機能します。-1から+1の範囲を取り、0は無相関を意味します。
AIおよびテクノロジーの文脈において、ポッドキャストはRSSフィードを通じて配布されるエピソード形式のデジタルメディアコンテンツを指し、ユーザーは購読して討論、インタビュー、また …
多義性は、特にトランスフォーマーなどの深層ニューラルネットワークで観察される特性であり、単一のニューロンが、無関係または意味的に異なる複数の特徴に対して活性化することがあります。 …
Perusallは、協調的な読書と注釈付けを促進するために人工知能を活用する教育テクノロジープラットフォームです。学生のパフォーマンスに基づいて参加度を自動的に採点します。 …
Phi（Teaching-Learning Paradigmに基づくファウンデーションモデルの略称）は、Microsoftによって作成されたコンパクトな大規模言語モデルのファミ …
パーソナリティコンピューティングは、ビッグファイブなどの人間の性格次元をモデル化、シミュレート、または適応させるアルゴリズムやシステムの開発を含みます。これらのシステムは、より自 …
ペルソナプレックスとは、複数のデジタルペルソナの作成、管理、相互作用を支えるエコシステムまたはインフラストラクチャを指します。これには、主要な技術的および倫理的考慮事項が含まれま …
ペルソノイドとは、ロボットまたはバーチャルなエンティティであり、人間に似ているように、あるいは人間のように振る舞うように設計されています。ロボティクスでは物理的な擬人化を指します …
パターン理論は、複雑な物体や現象がパターンを通じてどのように記述できるかを理解するための厳密な数学的基盤を提供します。この理論は、あらゆる物体はその
データ空間内 …
教育的エージェントは、教育環境内で教師またはチューターとして機能するソフトウェアコンポーネントであり、しばしば仮想キャラクターとして具現化されます。これらのエージェントは自然言語 …
知覚とは、外部刺激が知覚システムによって処理された後の内部的な表現です。AIにおいて、これは低レベルの信号処理からの構造化されたデータ出力に対応し
知覚系によって …
AIおよび認知科学において、知覚系とは、生rawな感覚データを意味のある情報に変換する知的システムのコンポーネントを指します。単に信号を検出する単純なセンサーとは異なり、 …
知覚誤差モデルは、観測された感覚データと正解（グランドトゥルース）との間の不一致を記述し、ノイズ、遮蔽、またはセンサーの制限を考慮に入れます。これらの誤差をモデル化すること …
パターン言語とは、特にソフトウェアエンジニアリングや都市計画において、設計でよく遭遇する一般的な問題に対する実証済みのソリューションのセットからなる形式化されたフレームワークで …
パターン認識は、データ内の規則性を特定することに重点を置く人工知能および統計学の一分野です。特徴量に基づいて入力データを事前定義されたカテゴリに分類するプロセスを含みます。 …
自然言語処理におけるパラフレーズとは、元の意味を保ちながら、入力テキストに対する代替表現を生成するプロセスです。これは、著作権侵害の回避や、テキストの多様性を高めるために重要で …
パリティ学習は、機械学習理論におけるベンチマーク問題で、一連のバイナリ入力変数のパリティ（XOR合計）を予測することが目標です。標準的なフィードフォワードニューラルネットワークで …
並列Webシステムとは、計算タスクを分割し、ネットワークで接続された複数のサーバーやプロセッサ上で同時に実行するインフラストラクチャ設計を指します。このアプローチにより、大規模な …
P-Tuning（プロンプトチューニング）は、計算コストを最小限に抑えながら、大規模な事前学習済み言語モデルを特定のダウンストリームタスクに適応させるための手法です。すべてのモデ …
PagedAttentionは、vLLMプロジェクトによって導入された技術で、大規模言語モデル（LLM）の推論効率を向上させることを目的としています。従来のKVキャッシュ管理にお …
PHerc. Paris. 4は、ヘルクラネウムのパピルス荘（Villa of the Papyri）で発見された炭化したパピルス巻物の断片の指定名で、現在フランス国立図書館に収 …
POP-11（Program Oriented Problem Solving）は、手続き型、オブジェクト指向、論理型プログラミングの機能を組み合わせたマルチパラダイムプログラミ …
オウェイン・エヴァンスはコンピュータサイエンティストであり教育者で、現在はAI安全性センター（Center for AI Safety）に所属し、以前はAnthropicに在籍し …
オーガノイドインテリジェンス（OI）とは、ヒト由来の脳オーガノイド（臓器様組織）をマイクロ電極アレイ上で培養し、生物学的ニューラルネットワークと電子デバイスを結合したバイオハイブ …
オペラシオン・セレナータ・デ・アモールは、ブラジルの公共調達データを分析するために人工知能を適用する先駆的なオープンソースプロジェクトです。自然言語処理と異常検出技術を利用するこ …
ディープラーニングの概論には、ニューラルネットワークの層構造、活性化関数、損失関数といった基本的な構成要素が含まれます。また、逆伝播法や勾配降下法などのトレーニング技法、過学習の …
この用語は、機械学習を教師あり学習、教師なし学習、半教師あり学習、強化学習に構造的に分類するものを指します。線形回帰や決定木などのコアなアルゴリズムファミリーから、モデルの評価指 …
重なり音声検出（OSD）は、音声処理における専門的なタスクであり、同時発話の区間を特定することを目的としています。「誰がいつ話したか」を扱う話者 diarization（話者変遷 …
光学文字認識（OCR）は、画像処理とパターン認識アルゴリズムを使用して、デジタル画像内のテキストを識別します。印刷物や手書きの文字をマシンエンコード可能な形式に変換し、情報のデジ …
Intelによって開発されたOpenVINO（Open Visual Inference and Neural network Optimization）は、開発者が訓練済みのデ …
この概念は、基盤となるコードへの自由なアクセスを許可するライセンスの下でリリースされるAI技術のエコシステム encompass します。開発者がコードを利用・改善できるようにす …
バッチ学習とも呼ばれるオフライン学習は、以前収集された固定されたデータセットを使用して機械学習モデルを訓練するプロセスです。オンライン学習とは異なり、モデルはリアルタイムのフィー …
AIエンジニアリングにおいて、観測可能性とは、外部出力を分析することで複雑な機械学習システムの内部状態を理解する能力を指します。これは従来のモニタリングを超え、システムがどのよう …
頭字語NSOは文脈によって複数の意味を持ちます。技術的なAI研究においては、ニューラルネットワークと記号論理を組み合わせる「ニューラル記号最適化」を指す場合があります。しかし、一 …
NVIDIAはAI業界において支配的な立場にあり、主にディープラーニングに不可欠な並列計算タスクを加速するためのグラフィックスプロセッシングユニット（GPU）の設計で知られていま …
ヌーベルAI（Nouvelle AI）は、記号的表現と階層的な処理を組み合わせて使用する人工知能システムのクラスを指します。コネショニズム（接続主義）モデルとは異なり、構造化され …
新奇検出は、期待される動作や既知のクラスに適合しないデータポイントを特定することに重点を置いた機械学習のタスクです。通常、教師なし方式で動作し、正常なデータの分布を学習して、それ …
物体検出は、画像分類を超え、画像内にどのような物体が存在するかだけでなく、それらがどこにあるかを特定します。検出された項目の周囲に境界座標（バウンディングボックス）を出力し、対応 …
AI、機械学習、または関連する技術分野には、「Nolot」として確立された定義や広く受け入れられている概念はありません。これはタイプミスである可能性、あるいは極めてニッチな用語で …
この分野は、人間の脳の構造と機能を模倣するハードウェアおよびソフトウェアアーキテクチャの作成に焦点を当てています。これには、人工ニューラルネットワーク、ニューロモフィックチップ、 …
この分野は、神経ネットワークモデルをロボットの制御システムに実装することで、神経科学とロボティクスの架け橋となります。これにより、研究者は運動制御、感覚処理、および認知プロセスに …
一般的な方法には、Min-MaxスケーリングとZスコア標準化があります。このプロセスにより、特に勾配ベースの最適化において、大きな大きさを持つ特徴量が学習アルゴリズムを支配してし …
この用語は、AIエージェント、ロボット、バーチャルアシスタントの権利、責任、および社会的統合に関する議論で頻繁に使用されます。これは、生物学的な人間と人工的な存在の区別を強調しま …
ニューラスケーリング則は、モデルの性能と規模（データセットサイズ、パラメータ数、計算予算など）との間に存在する予測可能なべき乗則の関係を示します。これらの法則は、リソース配分の最 …
ニューラルネットワーク量子状態は、複雑な量子波動関数を近似するためにディープラーニング技術を利用します。ニューラルネットワークの重みを、量子ビットの確率振幅を最適化するパラメータ …
ニューラルモデリングフィールドは、神経集団が高次元空間で情報を表現するためにどのように自己組織化するかを研究するものです。この概念は、トポロジカルマッピングやフィールド理論と関連 …
ニューラル計算とは、入力を出力応答に変換するために人工ニューロンが行う数学的演算を指します。これには重み付き和、活性化関数、および逆伝播（バックプロパゲーション）が含まれます。 …
神経記号型AIは、サブシンボリックなニューラル学習手法と、記号的論理に基づく推論システムを統合します。このハイブリッドアプローチは、純粋なディープラーニングが抱える限界（例えば説 …
Muse Sparkは、Apache Spark上で効率的に実行するように設計されたオープンソースのディープラーニングフレームワークです。分散クラスター全体にわたって複雑なニュー …
MXFP4（Mixed eXtended Floating Point 4-bit）は、AIワークロードにおけるパフォーマンスの最適化とメモリ帯域幅の使用削減を目的として導入され …
このプロジェクトは、NASAの地球観測データと高度なAIアルゴリズムを組み合わせて、全球的な粒子状物質や気体汚染物質を追跡します。衛星画像と地上レベルのデータを統合することで、 …
Nature Machine Intelligenceは、人工知能のあらゆる側面に関するオリジナルの研究論文の掲載に専念する高インパクトの学術雑誌です。 …
母国語識別（NLI）は、自然言語処理の一分野であり、話者が最初に習得した言語を認識することに焦点を当てています。一般的な言語検出とは異なり、NLIは話者の
話者の …
マルチモーダル感情分析は、従来のテキストベースの感情検出を拡張し、表情、声のトーン、ボディランゲージなどの追加的なシグナルを組み込みます。この包括的なアプローチにより、より正確な …
マルチモーダル表現学習は、テキスト、画像、音声、動画など、異なる種類のデータソースからの情報を処理し統合して共有潜在空間（shared latent space）に埋め込むために …
マルチタスク最適化は、単一のモデルを訓練して、同時にいくつかの区別されつつも関連するタスクを処理させることを含みます。タスク間で中間表現を共有することで、モデルはより汎用的な特徴 …
乗法重み更新法は、不確実な環境下で意思決定を行うために使用される基本的なオンライン学習アルゴリズムです。これは、異なる戦略や専門家に対する重みのセットを維持し、パフォーマンスに基 …
多変量適応回帰スプライン（MARS）は、片直線の基底関数を適合させることで複雑な非線形関係をモデル化する柔軟な回帰手法です。これは、局所的な構造を捉えるために最適な節 …
マルチアームドバンディット問題は、既知の報酬のあるオプションに固執するか（活用）、潜在的により良い報酬を発見するために新しいオプションを試すか（探索）というエージェントのジレンマ …
人工知能において、マルチモーダル性は、モデルが異なる感覚入力やデータ形式にわたって情報を理解、生成、または相関させる能力を記述します。単一モダリティのモデルとは異なり、 …
マルチモーダル性は、AIモデルが異種データストリームを処理できるようにするアーキテクチャ的かつ理論的な枠組みを表します。これは、様々な
マルチモーダル性は、機械学 …
この手法は、関連するタスク間で共有される帰納的バイアスを活用し、学習効率とパフォーマンスを向上させます。単一のモデルで複数のタスクを同時に実行させることで、 …
多言語モデルは、各言語ごとに別々のモデルを必要とせずに、多様な言語入力を処理するように設計されています。これらのシステムは通常、共有された埋め込み表現や言語横断的なアライメントを …
Mixture of Experts (MoE) は、効率性とスケーラビリティを向上させるために設計された機械学習アーキテクチャです。すべてのタスクに単一の巨大なモデルを使用する …
Moshiは、Kyutaiによって作成された高度なAIモデルであり、音声とテキストの処理を統合されたフレームワークに統合しています。従来のシステムが処理の前に音声をテキストに変換 …
マウンテンカー問題は、強化学習研究における標準的なベンチマークです。目標は、出力の低い車を制御して急な丘の頂上まで到達させることです。車は
エージェントが加速制御 …
モデルレジストリは、MLOpsにおける重要な構成要素として機能し、MLモデルの保存、バージョン管理、および管理のための統合リポジトリを提供します。これにより、チームはモデルのメタ …
モラル・アウトソーシングとは、人間がアルゴリズムやAIシステムに対して倫理的な判断と責任を委ねる現象を指します。これは、人々が道徳的に重要な
個人や組織が、自律的 …
MobileNetは、標準的な畳み込み演算と比較して計算コストとモデルサイズを大幅に削減するために、深さ別分離畳み込み（depthwise separable …
GANにおいて、モード崩壊は、生成器が識別子の弱点を悪用し、データ分布の他のモードを無視して、妥当なサンプルの狭い範囲のみを生成する際に発生します。これにより
…
インデックスファイル（通常は’model_index.json’）には、パイプラインタイプ、サブモデル、構成パスなど、モデルのアーキテクチャに関する構造化 …
ミックスインは、各モデルアーキテクチャがこれらのユーティリティを個別に実装する必要 없이、保存、読み込み、Hugging Face Hubへのアップロードなどの共通メソッドを提供 …
このカテゴリには、パフォーマンスを維持しつつモデルのフットプリントを縮小することを目指した、プルーニング、量子化、知識蒸留などの手法が含まれます。これは複雑なAIモデルを展開する …
Mistralは、フランスのスタートアップ企業Mistral AIによって作成された強力なオープンウェイトLLMのファミリーを指します。Mistral 7BやMistral …
Mistral Commonは、Mistral AIがメンテナンスしているPythonパッケージで、同社モデルとの対話に標準化されたツールを提供します。主に、テキストを入力として …
Mixtralは、スパースMixture of Experts（MoE）アーキテクチャを活用した先駆的なオープンウェイトLLMです。すべてのトークンに対して全パラメータを使用する …
誤情報とは、害や欺瞞を意図せずに共有される、偽造または誤解を招く情報を指します。これは意図的に捏造される「偽情報（disinformation）」とは異なります。AIの文脈では、 …
混合精度学習（MPT）は、ニューラルネットワークの学習中に半精度（FP16）と全精度（FP32）のデータ型を組み合わせた手法です。ほとんどの演算にFP16を使用することで、メモリ …
MindsDBは、従来のリレーショナルデータベースと最新の機械学習ワークフローの間の橋渡し役を果たします。標準的なSQLクエリを使用して予測モデルを作成できるため、複雑なデータサ …
AIエンジニアリングの文脈において、マイクロサービスにより、データ前処理、モデル推論、結果保存など、AIパイプラインの異なるコンポーネントを個別に開発、スケーリング、保守すること …
標準的な学術用語ではありませんが、「マインドピクセル」は通常、専門的な神経技術の文脈において、神経信号や認知状態から導き出された情報の離散単位を示します。これは、脳波などの生体信 …
メタラーニングは、以前に学習したタスクから得た知見を活用して、新規かつ未見のタスクにおけるパフォーマンスを向上させるアルゴリズムの設計に焦点を当てています。各問題に対してモデルを …
人工知能の軍事応用には、運用効果と戦略的優位性を高めるために設計された広範なテクノロジーが含まれます。これには、偵察用の自律型ドローン、予測的なサプライチェーン管理、敵対的なサイ …
MediSafe論争とは、デジタルヘルス技術黎明期に、MediSafeアプリの有効性検証方法に関連して行われた重要な倫理的議論を指します。批判者は、医療機器や健康アプリの開発にお …
メカニスティック・インタープリタビリティは、ニューラルネットワークを逆工学的手法で解析し、個々のニューロン、重み、回路レベルで特定の機能がどのように計算されているかを理解すること …
人工知能における「メタ」という接頭辞は、より高い抽象レベルを示し、しばしばコアプロセスの自己参照や監督を伴います。代表的な例として「メタラーニング（学習する学習）」があり、アルゴ …
最大内積探索（MIPS）は、情報検索や機械学習、特に推薦システムにおける基本的な問題です。標準的なコサイン類似度検索がベクトルの方向性の一致を測るのに対し、MIPSはベクトルの絶 …
手段・目的分析は、人工知能や心理学において複雑な問題を解決するために用いられる認知戦略です。この手法では、現在地（現在の状態）と目的地（目標状態）を比較し、それらの間の差異を特定 …
マスク生成とは、特定の操作中にデータセットのどの要素が見えるか、あるいは活性状態にあるかを決定する空間的または時間的なマスクを生成するプロセスです。コンピュータビジョンでは、物体 …
ME-Noughts-and-Crosses Engine（マッチボックス教育可能三目並べエンジン）は、強化学習を含む機械学習の初期実証例でした。304個のマッチ箱で構成され、各 …
行列正則化は、スカラー正則化の概念を行列に拡張したもので、マルチタスク学習や推薦システムなどでよく使用されます。重み行列のノルム（例えば、フロベニウスノルムや核ノルム）に対して制 …
人工知能の文脈において、数学はアルゴリズムの設計と分析のための理論的枠組みを提供します。データ表現のための線形代数、最適化のための微積分、不確実性のモデリングのための確率論および …
多様体正則化は、データ分布の内在的な幾何学構造を組み込むことで、従来の正則化手法を拡張したものです。高次元のデータ点が低次元の多様体上に存在するという仮定に基づき、データの幾何学 …
この分野は、アセット作成の自動化、ゲームメカニクスのバランス調整、動的コンテンツの生成を行うために、機械学習（ML）技術をビデオゲームのパイプラインに統合することを含みます。強化 …
これは、生センサー入力と意味のある意味的解釈の間のギャップを埋め、視覚や聴覚のような人間の感覚を模倣します。主要な技術には、物体認識のためのコンピュータビジョン、スピー …
この手法は、GDPRの「忘れられる権利」などのプライバシー規制に対応し、一般的な知識を保持しつつ特定のユーザーデータを忘却できるようにします。その目的は、完全な再トレーニングを行 …
これらのポテンシャルは、古典的な計算速度でほぼ量子力学レベルの精度を持つ分子動力学シミュレーションを可能にします。密度汎関数理論（DFT）からの高精度データでトレーニングすること …
この仮説は、次元の呪いにもかかわらずディープラーニングが効果的に機能する理由を説明します。画像などのデータが数百万の次元に存在しているように見えても、実際には
高 …
この学際的な分野は、膨大な量の生物学的データを処理するために機械学習を使用し、研究者が遺伝子機能を予測したり、疾患を分類したり、分子相互作用を理解したりすることを可能にします。 …
この分野は、機械学習の手法を自然言語処理やデータマイニングと組み合わせ、生データを行動可能な知識に変換します。これには、エンティティの認識や関係性の抽出など、モデルをトレーニング …
機械学習制御は、適応型アルゴリズムを従来の制御システムと統合し、非線形または不確実な環境に対応します。静的コントローラーとは異なり、これらのシステムは運用データから学習し、変化す …
機械学習は、衛星画像、地震データ、気候記録を処理することで地球科学を強化し、複雑な環境システムをモデル化します。これらの技術は、天気パターンの予測や環境モニタリングを支援します。 …
物理学において、機械学習は量子力学のシミュレーション、高エネルギー衝突データの分析、新素材の発見を支援します。これは、物理学者が高次元のパラメータ空間をナビゲートし、実験結果を解 …
MAUVEは、生成言語モデルの出力が人間の言語使用にどれだけ近いかを評価するために設計された統計的測定値です。単純なパープレキシティスコアとは異なり、MAUVEはバーチャル埋め込 …
MLOpsにより、組織は機械学習モデルを生産環境で信頼性高く効率的にデプロイおよび維持できます。これには、データとモデルのバージョン管理、自動テスト、継続的インテグレーションが含 …
主にコンピュータサイエンスではなく理論物理学の概念ですが、M理論は高度な計算シミュレーションや量子コンピューティング研究で occasionally 言及されます。それは示唆して …
現代のAI用語の文脈において、ライラは自然言語処理を通じてユーザーインタラクションを強化することに焦点を当てた専門的なAIシステムを示すことが多くあります。これは、開発されたオー …
リンダ・ソダーホルムは、特にAI開発と倫理的ガバナンスの交差点における活動が注目される、テクノロジー分野で認知された人物です。企業責任のリーダーとして、
リンダ・ …
LocateAnythingは、自然言語プロンプトや一般的な事前知識に基づいて、画像内の物体を検出しセグメンテーションできる汎用的なコンピュータビジョンフレームワークです。事前訓 …
Ltx Videoは、動画生成における生成AIの進歩を表すもので、潜在空間での拡散プロセスを利用して、一貫した動きと視覚的詳細を作成します。動画生成における一般的な課題（例えば、 …
ローカルケースコントロールサンプリングは、主にcontrastive learningモデルや推薦システムの学習に用いられる戦略です。負例をランダムに選択するのではなく、正例の近 …
ロングコンテキストとは、トランスフォーマーベースのモデルが標準的な制限（2kや4kトークンなど）を超えて広範な入力長を扱える能力を指します。この機能により、モデルは完全な文書全体 …
宝くじ仮説は、大きくランダムに初期化されたニューラルネットワークの中に、学習に適した初期状態を持つスパースなサブネットワーク（当選チケット）が存在すると示唆しています。これを剪 …
2023年7月にMeta AIによってリリースされたLlama 2は、オープンウェイトの大規模言語モデルにおける重要な進化を表しています。このモデルファミリーは、70億パラメータ …
2024年4月に導入されたLlama 3は、Llama 2の成功に基づき、パフォーマンスと能力において大幅な強化をもたらしました。このモデルファミリーには、80億パラメータ版 …
2024年8月にリリースされたLlama 3.1は、Llamaファミリーに4050億パラメータという巨大なモデルに加え、小規模な80億および700億パラメータのバリエーションも拡 …
元々GPT Indexとして知られていたLlamaIndexは、構造化データおよび非構造化データをLLMが取り込み、対話できるようにする強力なデータフレームワークです。インデック …
ローカルLLMの実行は、PC、Mac、またはローカルサーバーなどの消費者向けハードウェア上でオープンウェイトモデルを直接デプロイすることを伴います。このアプローチはサードパーティ …
Llama（Large Language Model Meta AI）は、Metaによってリリースされた基盤となる大規模言語モデルのシリーズです。多くのプロプライエタリモデルとは …
これらは、GitHubのトピック、Awesomeリスト、またはコミュニティ管理によるウィキなど、人工知能に関連するオープンソースソフトウェアを集約した整理されたリポジトリを指しま …
リンターは、ソースコードを実行せずに静的解析を行うユーティリティです。構文エラー、潜在的なバグ、コードの匂い（コードスメル）、スタイルガイドやベストプラクティスからの逸脱をチェッ …
線形分離可能性とは、異なるクラスに属するデータポイントが、2次元空間における直線や高次元空間における超平面などの線形境界によって完全に分離できる幾何学的条件を指します。 …
統計モデリングや機械学習において、線形予測関数は、重み付き入力特徴量の合計にバイアス項を加えたものを指します。これは一般化線形モデル（GLM）の中核的な構成要素として機能します。 …
嘘つきの特権とは、特にディープフェイクなどの高度な生成AIによって引き起こされる社会的リスクを指します。合成メディアが現実と見分けがつかなくなるにつれ、 …
限定記憶AIは、システムが歴史的データから学習し、それに応じて行動を調整できる第2レベルのAI能力を表します。反応型マシンとは異なり、 …
生涯計画A*（LPA*）は、コストが時間とともに変化する環境向けに設計されたA探索アルゴリズムの拡張版です。LPAは探索を再起動するのではなく、優先度キューを維持し、 …
動的システムおよび時系列解析において、相関の存続期間は2つの変数が有意な統計的依存関係を維持する期間を測定します。この概念は、
概念ドリフトや環境変化による減衰の …
留一法交差検証（LOOCV）は、kの値がデータセット内のサンプル数と等しいk-fold交差検証の特殊なケースです。これはモデル性能のほぼ不偏な推定値を提供します。
標準的な分類や回帰とは異なり、ラーニング・トゥ・ランクはアイテムの相対的な順序を予測することに焦点を当てています。ペアワイズ、リストワイズ、またはポイントワイズの手法を用 …
データリーケージは、機械学習における重大なエラーであり、予測時には利用できない情報がトレーニング中にモデルに漏れ出すことを指します。これは通常、データの分割方法が不適切であること …
この概念は強化学習に由来し、未知の環境と相互作用するエージェントを含みます。オートマトンは有限の行動セットから行動を選択し、ペナルティまたは報酬シグナルを受信します。これらのシグ …
統計的学習理論において、学習可能関数クラスはアルゴリズムが利用可能な仮説空間を表します。これは、モデルが潜在的に捉えられるパターンの範囲やマッピングの制約を定義するものであり、モ …
一般的に、学習曲線は縦軸にトレーニングスコアとバリデーションスコア、横軸にトレーニングサンプル数またはイテレーション数を表示します。これにより、モデルが高バイアス（未学習）か高バ …
「ラストマイル」問題は、既存インフラとの統合、低レイテンシ推論の確保、エッジケースの処理など、モデルを生産環境にデプロイする際に直面する課題を指します。
AIソリ …
ラベル付きデータは、入力サンプルと対応する正解ラベルのペアで構成され、教師あり機械学習の基盤となります。これにより、アルゴリズムは入力から出力へのマッピングを学習することが可能に …
レイヤー正規化は内部共変量シフトを軽減することでトレーニングを安定させ、特にリカレントネットワークやトランスフォーマーアーキテクチャで効果的です。バッチ統計に依存するバッチ正規化 …
発話行為理論や語用論に根ざしたこの視点は、発話が要求、約束、命令などの機能を実行する方法を強調します。自然言語処理において、これは発話の意図や文脈に基づく意味解釈を促進します。 …
k近傍法（k-NN）などの遅延学習アルゴリズムは、トレーニングデータセット全体を記憶し、予測を行う際のみ計算を実行します。これは、事前に汎化モデルを構築する積極的学習（Eager …
Kubernetes（略してK8s）は、Googleによって開発されたコンテナオーケストレーションシステムです。クラスター全体にわたってアプリケーションコンテナのデプロイ、スケー …
LLM-as-a-Judgeは、大規模言語モデルが他のモデルからの出力品質に対する自動評価者として機能する評価パラダイムです。人間の注釈担当者や厳格なルールだけに依存するのではな …
コルモゴロフ・アルノルドネットワーク（KANs）は、任意の多変数連続関数を表すことができるというコルモゴロフ・アルノルドの表現定理に着想を得た、最近のニューラルネットワークのクラ …
ラベルノイズとは、データインスタンスの真のクラスラベルとトレーニングデータセットで提供されるラベルとの間の不一致を指します。これは、人間の注釈エラー、曖昧なデータポイント、 …
知識ベースシステム（KBS）は、人間が通常必要とする専門知識を要するタスクを実行するために、特定のドメインの知識をコンピュータシステムに取り込んだ人工知能の一分野です。彼らは、 …
過去のユーザー行動に依存する協調フィルタリングとは異なり、KBRSはアイテムとユーザーの好みに関する明示的な知識を使用して推奨を導き出します。これは、履歴データが少ない市場で特に …
このアプローチは、知識ベース内の制約充足技法を採用し、組み立てられた製品がすべての技術要件と顧客要件を満たすことを保証します。これにより、無効な組み合わせを防ぎます。 …
TransEやDistMultなどの知識グラフ埋め込み手法は、離散なグラフ構造を低次元の密ベクトルに変換します。これにより、機械学習モデルは数学的な演算を行うことができます。 …
アレン・ニューウェルによって提唱された知識レベルは、物理的な実装とは独立して、信念と目標に基づいて知能システムを分析します。これはエージェントの行動の合理性を分離します。 …
知識統合は、データベース、オントロジー、非構造化テキストなど多様な起源からのデータを、一貫したスキーマへと融合させます。これは意味的な異種性や不整合の問題に対処します。 …
Kimi K2は、Moonshot AIの大規模言語モデルシリーズにおける重要な進化版です。複雑な論理的推論や数学的問題解決において強化された能力を持つことが特徴です。 …
Kimi K25は、Moonshot AIが提供するKimiモデルファミリー内の先進的な進化版です。Kimi K2などの以前のバージョンの基盤を踏襲し、推論速度の向上などを実現し …
知識カットオフ日は、言語モデルの学習データの時間的範囲を定義します。この日以降に発生した情報、事象、または発展については、通常モデルは認識していません。
知識カッ …
知識コンパイルは、充足可能性判定などの操作を迅速に行えるよう、知識ベースや論理理論を異なる表現形式に変換する人工知能の技法を指します。
知識コンパイルとは、クエリ …
知識蒸留は、大規模で複雑なニューラルネットワーク（教師）を、より小さく効率的なネットワーク（学生）に圧縮するために使用される機械学習手法です。学生モデルは教師の出力分布を学習しま …
Journal of Machine Learning Research (JMLR) は、機械学習における厳格な科学的発見を広めるための主要な場を提供する著名なオープンアクセス …
KAoSは、大規模で分散型のエンタープライズシステムの複雑さを処理するために開発されたインテリジェントエージェントフレームワークです。これは、上位レベルの管理目標が下位レベルの実 …
K線は、西洋市場では一般的にローソク足チャートとして知られており、有価証券、派生商品、または通貨の価格動態のグラフィカル表現です。始値、高値、安値、終値という4つの主要なデータポ …
カーネル密度推定（KDE）は、離散データポイントを平滑化して連続的な確率分布曲線を作成する基本的な統計的手法です。通常、ガウス関数などのカーネル関数が各データポイントに配置され、 …
分布のカーネル埋め込みは、確率的対象を再生核ヒルベルト空間（RKHS）と呼ばれる高次元の特徴空間内の点として扱うことを可能にします。分布をRKHS内の点にマッピングすることで、分 …
インテリジェント意思決定支援システム（IDSS）は、機械学習や自然言語処理などの人工知能技術を、従来の意思決定支援フレームワークと統合します。これにより、より高度で迅速な意思決定 …
インテリジェント文字認識とは、ニューラルネットワークによって駆動される高度な光学式文字認識（OCR）技術を指します。単純なパターンマッチングを超え、文脈を理解し、ノイズのあるデー …
このフレーズはAI倫理とガバナンスにおける重要な問いを表しており、配置されたAI技術が人間の価値観や公共の利益と一致しているかどうかをステークホルダーが評価することを促します。こ …
凸幾何学および高次元確率論において、点の集合または凸体が等方位置にあるとは、その重心が原点にあり、共分散行列がスカラー倍された単位行列である状態を指します。これは高次元空間での統 …
強化学習において、内発的動機づけは、外部からのタスク報酬とは独立して、新奇性の追求、不確実性の低減、またはスキルの習得を通じて環境を探索するようエージェントを駆動させます。これに …
インテリジェントエージェントとは、センサーやデータ入力を通じて周囲を知覚し、推論アルゴリズムを使用してこの情報を処理し、アクチュエータを通じて環境に対して行動を起こすことで特定の …
インテリジェントデータベースは、単なる保存と検索を超えて標準的なデータベース機能を強化するために、機械学習とAIを活用します。これにより、クエリパフォーマンスの自動最適化、使用パ …
インテリジェントオートメーションは、従来のロボティックプロセスオートメーション（RPA）に、機械学習や自然言語処理などの高度なAI技術を統合します。RPAがルールベースで構造化さ …
インテリジェント制御は、従来の数理モデリングが不十分または困難なシステムを規制するために、ファジィロジック、ニューラルネットワーク、遺伝的アルゴリズムなどの人工知能手法を採用しま …
指示のフォローとは、大規模言語モデル（LLM）やその他のAIシステムが、プロンプト内の微妙な人間の指示を理解し、明示的な制約に従う能力を指します。このパラダイムシフトは、モデルの …
機械学習において、インスタンスとはデータセットからの特定の1つの例を指します。これは一連の入力特徴（属性）と、潜在的にはターゲットラベルから構成されます。インスタンスは基本的な単 …
メモリベース学習とも呼ばれ、この手法はトレーニング中に汎化モデルを構築しません。代わりに、トレーニングデータセット全体を保存します。予測が必要になると、最も類似し …
インスタンス選択は、冗長またはノイズの多いデータポイントを削除することで、計算効率とモデルパフォーマンスの向上を目指します。特徴選択とは異なり、データセットの行に対して機能しま …
この概念は、機械学習モデルにおける表現空間の構造を分析することを伴います。高次元空間内において、データポイントがどのように分布し、クラスター化され、あるいは分離されているかを調べ …
この理論は、学習が本質的に確率的推論の過程であると主張します。データを暗記するのではなく、学習者は可能なモデルや仮説の集合に対して確率分布を維持します。
学習をベ …
インセプション・スコア（IS）は、生成敵対ネットワーク（GAN）やその他の生成モデルのパフォーマンスを評価するために導入された統計的尺度です。これは、画像の品質（鮮明さ）と多様性 …
帰確率は、観察された証拠に基づいて仮説が真である可能性を定量化し、結論が確実ではなく確率的であることを認識します。これは、ベイズ推論の基礎を形成しており、ここで… …
帰納的バイアスは、モデルがトレーニングデータから未見のデータへ一般化できるようにするために機械学習モデルに組み込まれた、固有の好みや制約を表します。このようなバイアスがなければ、 …
帰納的プログラミング（プログラム合成とも呼ばれます）は、明示的な指示ではなく、入出力ペアとして提供される仕様に基づいてソフトウェアコードを作成することを伴います。システム …
増分的ヒューリスティック探索とは、目標への到達コストを見積もるヒューリスティックによって導かれ、候補解を段階的に洗練するアルゴリズムを指します。網羅的な探索とは異なり、これらの手 …
Imatrix（Importance Matrixの略）は、主にGGMLベースのLLM（大規模言語モデル）のトレーニングおよび量子化に関連する技法です。これは、損失関数の二階微 …
画像から画像へ（Image To Image、I2I）は、GAN（敵対的生成ネットワーク）や拡散モデルなどの深層学習モデルを使用して、ある画像を別の画像に変換するプロセスです。単 …
画像から動画へ（Image To Video）技術は、単一の静止フレームを取り、連続するフレームを予測することで一貫性のある動画シーケンスを生成します。これには、時間的な一貫性と …
画像テキストからテキストへ（Image Text To Text）は、視覚的な入力とテキストクエリを処理し、一貫性のある自然言語の出力を生成するモデルを指します。これらのシステム …
不実のテキスト（Inauthentic text）とは、AIシステムによって生成されたもの、または人間が欺瞞的な意図を持って作成したものを指し、 genuineな人間の経験や事実 …
この手法は、大規模言語モデルなどのAIモデルをVS CodeやIntelliJのようなソフトウェア開発環境に接続することを指します。これにより、インテリジェントなコード補完や自動 …
電子情報技術省の下で設立されたINDIAaiは、AIリソース、政策、イニシアチブの中央ハブとして機能します。学術界、産業界、政府間の協力を促進し、インドのAIエコシステムを強化す …
この分野は、アイデアがどのように形成され、組み合わせられ、進化するかというプロセスを研究します。創造性と問題解決能力を高めるために構造化された技法を適用します。AIの文脈では、イ …
このパラダイムは、Stable DiffusionやDALL-Eなどのモデルを利用し、テキストプロンプトやその他の入力に基づいて高品質な画像を生成します。これは、現実的なデータを …
画像から画像への変換（I2I）は、GANや拡散モデルなどの深層学習モデルを用いて、ソースドメインの画素をターゲットドメインにマッピングするプロセスです。これにより、スタイル転送や …
学習中にデータから学習されるモデルパラメータ（重みやバイアス）とは異なり、ハイパーパラメータはトレーニング開始前に実務者が選択する外部設定です。これらは構造的
学 …
ハイパーパラメータチューニングは、最も高いモデル精度または最も低いエラーレートをもたらす構成を見つけるために、さまざまなハイパーパラメータセットを評価することを含みます。一般的な …
ハイパーパラメータ最適化（HPO）は、ハイパーパラメータの選択を自動化する広範な分野を指します。チューニングが一般的な行為であるのに対し、HPOはしばしば洗練されたアルゴリズムの …
ハイブリッド検索は、意味や文脈を捉える密ベクトル検索と、正確な用語に一致する疎ベクトル（キーワード）検索という、2つの異なる検索手法を統合します。これにより、
意 …
ハイブリッド知能システム（HIS）は、通常、ニューラルネットワークのような接続主義的手法と、エキスパートシステムやファジーロジックのような記号的手法を組み合わせて、異なるAIのパ …
Hugging Faceは、オープンソースのAIエコシステムにおいて中心的な役割を果たしている著名な企業およびオンラインプラットフォームです。事前トレーニング済みモデル、データセ …
人間-AI相互作用（HAI）は、人々とAI技術間のダイナミクスを調査する学際的な分野です。直感的なインターフェース、通信プロトコル、および効果的なコラボレーションを設計することに …
人間の監視・監督とは、人間がAIによる意思決定や行動を監視し、評価し、介入するメカニズムとプロセスを指します。この概念は、自動化されたシステムが安全かつ責任を持って運用されること …
人間の問題解決には、単純なタスクから抽象的な概念的な困難に至るまで、課題に対処するために人間が使用する多面的な認知能力が含まれます。アルゴリズム的なアプローチとは異なり、文脈に応 …
人間中心のAIは、人工知能の開発において人間を中核に据える設計哲学です。透明性があり、公平であり、社会に有益なシステムを作成することを強調し、技術主導ではなく人間主導のアプローチ …
ハイウェイネットワークは、適応型ゲートを組み込むことで深層学習における勾配消失問題に対処するために設計されました。LSTMセルと同様に、これらのゲートはネットワークへの情報伝達を …
階層型制御システムは、制御ロジックを複数の階層に整理するアーキテクチャです。一般的には、高レベルの戦略的計画から低レベルのリアルタイム実行までを含みます。上位階層は目的や制約条件 …
階層的ナビゲート可能スモールワールド（HNSW）アルゴリズムは、各レイヤーが下のレイヤーのノードの部分集合を含む多層グラフを構築します。検索は最上位レイヤーから始まり、近いノード …
階層的リスク・パリティ（HRP）は、伝統的な平均分散最適化の限界に対処するため、相関構造を組み込んだポートフォリオ構築手法です。階層型クラスタリングを用いて資産間の相関を捉え、再 …
方向性変位ヒストグラム（HOD）は、動画解析のための特徴抽出手法であり、静止画のHOG（方向性勾配ヒストグラム）の概念を時間次元に拡張したものです。動画内の光フローベクトルのヒス …
一般的な言語処理の文脈において、「haw」は非公式な感嘆詞または躊躇の音です。人工知能における中核的なアルゴリズム概念を表すものではありませんが、自然言語処理（NLP）モデルはこ …
このフレーズは、急速な技術進歩の中で人間がいかに関連性と尊厳を保つことができるかを考察する特定の文学的作品を指します。AIの議論において、これは文化的な参照点として機能し、人間中 …
HF ASRリーダーボードは、Hugging Faceがホストするコミュニティ主導の指標プラットフォームであり、自動音声認識における最先端のパフォーマンスを追跡します。研究者や開 …
隠れ層は、前の層から入力を受け取り、重みとバイアスを適用して、活性化関数を通じて変換されたデータを次の層へ渡すニューロンで構成されています。これらの層により、ニューラルネットワー …
有害コンテンツとは、物理的、精神的、または社会的な損害を引き起こす可能性のあるデジタルメディアやテキストを指します。AIの安全性において、モデルがこのようなコンテンツを生成しない …
AIハードウェアとは、機械学習ワークロードに必要な大量の並列処理に最適化された専用コンピューティングデバイスを指します。これには、一般的な並列処理用のグラフィックスプロセッシング …
H2Oは、分散型でスケーラブルな機械学習および予測分析のための広く使用されているオープンソースのインメモリプラットフォームです。ハーバード大学の博士課程学生2名によって開発され、 …
HaliteはTwo Sigmaが主催する年次AIプログラミング競技で、開発者はグリッド上で行われるターン制戦略ゲームをプレイする自律型エージェントを作成しました。目的は資源を集 …
ガードレールとは、特に大規模言語モデルにおけるAIアプリケーションに統合された、安全でコンプライアンスに準拠した動作を確保するための一連のソフトウェア制御およびポリシー執行レイ …
ゲーデルマシンはユルゲン・シュミドフーバーによって提案された、形式論理と計算可能性理論に基づいた仮説上の万能問題解決器です。これは自身のソースコードを継続的に分析し、 …
Grokは、イーロン・マスクの会社であるxAIによって作成された大規模言語モデルベースのチャットボットです。主にXプラットフォーム（旧Twitter）のサブスクリプション会員向け …
Grok-1は、2023年11月にxAIから初公開されたモデルです。これはデコーダーのみから構成されるトランスフォーマーベースの大規模言語モデルであり、約330億のパラメータを持 …
AIにおけるグラウンディングとは、記号的な表現や生成されたテキストを、具体的な現実世界のエンティティ、データ、または感覚経験に結びつけることを指します。言語モデルの場合、これは通 …
GPU（グラフィックス・プロセッシング・ユニット）は、もともとグラフィックスのレンダリングタスクを処理するために開発された高性能プロセッサです。シーケンシャルな逐次処理に最適化さ …
グロッキングは、ディープラーニングにおいて観察される直感に反する挙動を指します。モデルはトレーニングデータに対して長期間にわたり過学習（オーバーフィッティング）し続け、汎化性能が …
Generative Pre-trained Transformer 2（GPT-2）は、トランスフォーマーアーキテクチャを用いて人間のようなテキストを生成する自己回帰型言語モデ …
Facebookによって開発されたGraphQLは、API内のデータの完全かつ理解しやすい記述を提供し、クライアントが必要なものだけを正確に、それ以上でも以下でもなく要求する力を …
このアプローチは、個々の要素を処理するのではなく、データをより高いレベルのエンティティや「グラニュール」にグループ化することで、人間の認知プロセスを模倣します。ラフセットやファ …
この最適化戦略により、深層学習モデルはGPUメモリに収まらないような有効なバッチサイズを使用して訓練できます。複数のミニバッチからの勾配を累積し、その後で重み更新を行います。 …
理論計算機科学および言語学に起源を持つこの分野は、古典的なチョムスキー階層の概念を多成分システムへと拡張します。複数の文法やコンポーネントがどのように相互作用して計算を行うかを調 …
Google Colaboratory（通称Colab）は、セットアップが不要なホスト型Jupyterノートブックサービスです。グラフィックス処理装置（GPU）を含むコンピューテ …
Google Researchは、Google LLCの学術的・産業的な研究部門であり、人工知能、自然言語処理、量子計算などの分野における技術の限界を広げることに焦点を当てていま …
GPT Bigcodeは、StarCoderなどのモデルに関連しており、コーディング支援AIにおける重要な進歩を表しています。これらのモデルは、パブリックなコードリポジトリの大規 …
GPT OSSは、通常、プロプライエタリなGenerative Pre-trained Transformerモデルのオープンソース代替品または派生版を指します。これらのプロジェ …
AIガバナンスとは、人工知能の作成、使用、監査の方法を管理する一連のルール、ガイドライン、制度的構造を指します。これには法的コンプライアンス、倫理的配慮、リスク管理などが含まれま …
統計モデリングにおいて、GLMは一般化線形モデル（Generalized Linear Models）を意味し、正規分布以外の誤差分布モデルを持つ応答変数を許容するように線形回帰 …
「GLM MoE DSA」という単一の標準用語は存在しません。しかし、これはおそらくGLM（特定のLLMアーキテクチャ）、MoE（Mixture of Experts、モデルサイ …
Google Clipsは、Googleによって開発された消費者向け電子デバイスであり、デバイス上の機械学習を利用して、顔やペットなど興味深いシーンや被写体を識別し、自動的に撮影 …
人工知能、機械学習、またはコンピュータサイエンスの分野において、「ジバーリンク」として確立された概念、技術、または方法論は存在しません。これは誤記、またはフィクションである可能性 …
人工知能用語集は、専門用語、略語、概念を定義する参照ドキュメントとして機能します。これは、研究者、開発者、学生がAIの分野を理解し、共通の言語でコミュニケーションを取るのを支援し …
Genieは、動画の合成のために特別に設計された生成モデルファミリーを指します。Google DeepMindの研究者らによって開発されたこれらのモデルは、一貫性のある動画シーケ …
ジェネシスミッションとは、通常、組織内で高度なAI能力の基盤を築くことを目的とした戦略的フェーズまたはプロジェクトを指します。これには、コアインフラの構築、データガバナンスポリ …
幾何学的特徴学習は、ソーシャルネットワーク、分子グラフ、3Dメッシュなど、非ユークリッド構造を持つデータを処理することに重点を置いています。グラフニューラルネットワーク（GNN） …
この概念は、コンテンツ作成、カスタマーサービス、データ分析などの必須タスクを実行するために、企業が生成AIモデルに戦略的および運用上依存することを指します。採用が進むにつれて、こ …
生成モデルは、与えられたデータセット内のパターンや構造を理解し、元のデータに類似した新しいデータインスタンスを作成するために設計されたアルゴリズムです。判別モデルがデータがどのク …
Gemmaモデルは、研究者や開発者が効率的かつ容易に利用できるように設計されています。2Bや7Bなどのパラメータサイズを持つ複数のバリエーションがあり、多様なハードウェアへのデプ …
現在の知識では、「Gemma4」という名称の独自モデルは、既存のGemma 2シリーズとは別に正式にリリースされていません。これは、予測される将来のリリース、特定の内部開発版、ま …
この社会技術的概念は、女性や少女が男性や少年と比較して、デジタルデバイス、インターネット接続、デジタルリテラシースキルへのアクセスが不平等であることを浮き彫りにします。これらの格 …
平均のみを対象とする従来の回帰モデルとは異なり、GAMLSSは位置（平均/中央値）、スケール（分散）、歪度、尖度など、分布全体をモデル化します。一般化線形モデルの枠組みを拡張し、 …
大規模言語モデルや拡散モデルを含むこれらのシステムは、既存の情報を単に検索するだけでなく、新規の出力を合成します。トレーニングデータの基礎となる構造やスタイルを学習し、人間のよう …
Galaxy AIは、主にスマートフォンを中心としたサムスンのハードウェアラインアップ全体でユーザー体験を向上させるために設計された、サムスン独自のAI機能エコシステムです。これ …
GPT-5.6は、OpenAIの大規模言語モデル（LLM）の系譜における推測される、あるいは今後登場するバージョンを指します。開発のタイムラインによって具体的な詳細は異なります …
ゲート付き再帰型ユニット（GRU）は、系列データにおける長期依存関係を捉えるように設計された特殊な再帰型ニューラルネットワーク（RNN）セルです。長短期記憶（LSTM）アーキテク …
ゲーム理論は、合理的なエージェント間の戦略的相互作用をモデル化する応用数学の一分野です。ここでは、一人のプレイヤーの成功が他のプレイヤーの選択に依存する状況を分析します。ナッシュ …
ガベイの分離定理は、特に時間的および様相論理の研究において、数学的論理における基本的な概念です。これは、ある論理体系が分解可能であるための条件や、異なる論理的成分がどのように独立 …
FrontierMathは、大規模言語モデル（LLM）の複雑な数学的問題解決における限界を試すために作成された専門的な評価スイートです。標準的な算術ベンチマークとは異なり、高レベ …
GDPR準拠とは、EU内の個人の個人データを保護するためにAI開発者が実施しなければならない法的および技術的措置を指します。AIシステムの場合、これはデータ最小化、透明性、ユー …
GGUF（GPT-Generated Unified Format）は、コンシューマーグレードのハードウェアで大規模言語モデルを実行するために特別に設計されたバイナリファイル形式 …
GOLOGは、主に人工知能において動的環境での計画と行動のために使用される論理ベースのプログラミング言語です。ライターの状況計算に基づいて構築されており、開発者はアクションの仕様 …
ファジィエージェントは、データが曖昧または不完全である環境で動作し、二値の真偽ではなくファジィ論理システムを採用します。メンバーシップ関数と言語変数を使用することで、人間の直感的 …
AI用語の文脈において、「Fon」は、AIモデルが入力を解釈し出力を生成する方法を定義する中核的な機能的オントロジーまたは基礎的なロジック構造を記述するためにしばしば使用されま …
浮動小数点8（FP8）は、計算効率と精度のバランスを提供する数値データ型であり、特に最新のAIハードウェア向けに最適化されています。 …
FCAは、オブジェクトとその属性間の関係を分析するための厳密な枠組みを提供し、概念格子と呼ばれる階層構造をもたらします。それは知識発見において広く使用されています。 …
この概念には、潜在的な結果をシミュレートし、主体的に適応できる前向きな機能を持つAIシステムの設計が含まれます。これは予測分析、シナリオプランニング、およびリスク
力制御により、ロボットは単なる位置制御ではなく接触力を積極的に管理することで、組立、研磨、または壊れやすい物体の把持などの繊細な操作を実行できます。純粋な位置制御とは異なり、 …
Fill Maskは、BERTのようなトランスフォーマーベースモデルで使われる基本的な事前学習目的です。このプロセスでは、テキストシーケンス内のランダムなトークンをマスクし、モデ …
ファインチューニングとは、すでに大規模で一般的なデータセットで訓練されたモデルを取得し、より小さくドメイン固有のデータセットで訓練を継続する技術です。これにより、モデルは特定のタ …
フィードバックニューラルネットワークは、リカレントニューラルネットワーク（RNN）とも呼ばれ、信号を前の層に戻して伝播させるループを含んでいます。この再帰性により、ネットワークは …
フィットネス近似は、真のフィットネス関数の評価に計算コストや時間がかかる場合、進化計算で使用されます。正確な値を計算する代わりに、代理モデル（サロゲートモデル）を使用してフィット …
フローベース生成モデルは、ガウス分布などの単純な基本分布に対して、一連の可逆で微分可能な変換を適用することで、複雑な確率分布を構築します。変換が可逆であるため、尤 …
フィーチャースケーリングは、入力変数の範囲を標準化し、大きな値を持つ特徴量が学習プロセスを支配してしまうのを防ぎます。一般的な手法には、正規化（最小最大スケーリング）や標準化（Z …
フィーチャーストアは、データエンジニアリングチームと機械学習チームをつなぐ橋渡し役となり、バッチ訓練とリアルタイム推論の両方に対して特徴量の統一されたビューを提供します。訓練時と …
ハッシングトリックとも呼ばれるフィーチャーハッシングは、機械学習モデルが明示的な特徴量とインデックスのマッピングを維持することなく、大規模で疎な特徴空間を処理できるようにします。 …
ディープラーニングと関連の深いフィーチャラーニングは、手動の特徴エンジニアリングに依存するのではなく、生データから階層的な表現を直接学習することを可能にします。層を重ねることで、 …
マルチレイヤーパーセプトロン（MLP）とも呼ばれるフィードフォワードネットワーク（FFN）は、フィードバックループなしに入力から出力に向かって層状のニューロンを順次通過してデータ …
現在Meta Platforms Inc.の一部であるFacebookは、人工知能の研究と応用におけるリーディングカンパニーです。同社は機械学習モデルのトレーニングに使用される膨 …
Falconとは、Technology Innovation Instituteによって作成された強力な大規模言語モデル（LLM）シリーズを指します。Falcon-40B …
機械学習において、特徴量（Feature）はデータセット内のインスタンスを記述する固有の属性または変数です。特徴量は数値、カテゴリカル、またはテキスト型になり得、予測モデルへの基 …
特徴量エンジニアリングは、生データを機械学習アルゴリズムにとって基礎的なパターンをよりよく表す特徴量に変換するためにドメインの専門知識を活用する芸術です。このプロセスには、特徴量 …
特徴量抽出は、生データを予測モデルにとって問題の根本的な部分をよりよく表す特徴量のセットに変換するプロセスであり、モデルの精度向上につながります。この技術は、ノイズを除去し、計算 …
集団を維持する遺伝的アルゴリズムとは異なり、EOは単一の解に対して動作します。全体の適合度に最も貢献していない構成要素を特定し、それをランダムな代替要素と置き換えます。このプロセ …
この実践には、トレーニング実行中にハイパーパラメータ、データセットのバージョン、モデルアーキテクチャ、およびパフォーマンス指標をログに記録することが含まれます。これにより、データ …
EBLは記号的推論と機械学習を組み合わせて学習プロセスを加速します。大規模なデータセットに依存するのではなく、単一の正例を取り、事前に存在するドメイン理論を用いて、その例がなぜ正 …
機械学習モデル、特に深層ニューラルネットワークが複雑になるにつれ、その意思決定プロセスはしばしば不透明な「ブラックボックス」となります。XAIは、これらの意思決定を解釈可能かつ透 …
意思決定プロセスにおいて、エージェントは現在の知識を利用して最適な即時報酬を得るか（利用）、未知のオプションを探索してより良い長期的戦略を見つける可能性を探るか（探索）というト …
ExBERTは、異なる層における個々の注意機構ヘッドの重要度を分析することで、BERTトランスフォーマーモデルの解釈可能性を提供します。これには勾配ベースの帰属分析などの手法が使 …
期待伝播法（EP）は、真の事後分布へのガウス近似を反復的に精緻化することで、計算困難な積分を近似します。これは、Kullback-Leiblerダイバージェンスを最小化することに …
計算文脈において、進化可能性とは、アルゴリズムやニューラルネットワークアーキテクチャが世代やトレーニングステップを通じてどれほど簡単にフィットネスを向上させられるかを示します。高 …
生物の個体発生に着想を得たEDロボティクスは、複雑な行動や物理的構造がハードコードされるのではなく、環境との相互作用を通じて時間とともにどのように出現するかを探求します。これに …
この分野には、精度（accuracy）、適合率（precision）、再現率（recall）、F1スコア、および受動者操作特性曲線下面積（AUC-ROC）などの指標の分析が含まれ …
この用語は、特に大規模モデルの訓練フェーズに関連するAI技術の重要な資源要件を指します。これには、データセンターの電力使用量、半導体製造プロセスでの水消費、およびハードウェア廃棄 …
機械学習において、エポックは訓練データセット全体に対する単一の反復（イテレーション）を表します。各エポックの間、モデルはすべての訓練例を処理し、逆伝播を通じて重みを更新します。適 …
エンタープライズ認知システムは、人工知能、自然言語処理、機械学習を組み合わせて、企業環境内で人間の思考過程をシミュレートします。これらのシステムは、大規模なデータセットからパター …
均等オッズは、アルゴリズムの公平性を確保するために使用される統計的パリティ制約です。具体的には、保護されたグループに関わらず、モデルが同じように機能することを要求します。つまり、 …
認識論的様相論理は、エージェントが何を知っているか、または何を信じているかを示す演算子を用いて古典論理を拡張したものです。これは、他の参加者の知識について推論を行う必要があるマル …
エネルギーベースモデル（EBM）は、エネルギー関数から導出される正規化されていない密度関数を用いて、入力データ上の確率分布を定義します。エネルギー関数はデータポイントを実数値にマ …
強化学習および人工知能において、エンパワーメントはエージェントが環境に対して持つ制御の量を定量化する内的動機付け指標です。これは相互情報量として定義されます。
…
経験的リスク最小化（ERM）は、教師あり学習モデルの訓練における標準的な目的関数です。これは、クラス内の関数群から平均エラーを最小化する仮説を選択するプロセスを含みます。 …
経験的動的モデリング（EDM）は、特定のパラメトリック形式を仮定せずに観測データを用いて非線形力学系を分析するための枠組みです。これはタケンスの埋め込み定理に基づく手法に依存して …
創発アルゴリズムとは、システム内にある多くの単純なエージェントやルール間の局所的な相互作用から、複雑なグローバルな振る舞いやパターンが生じる現象を指します。これは、トップダウン型 …
Googleによって開発されたEfficientNetは、ネットワークの深さ、幅、入力画像の解像度をバランスよく調整するための複合スケーリング法を使用します。このアプローチによ …
ヘルシンキ大学とReaktorによって作成されたこの教育イニシアチブは、一般大衆にとってAIを解きほぐすことを目的としています。機械学習、ディープラーニング、倫理など、基礎的なト …
この手法では、トレーニング済みのAIモデルをスマートフォン、IoTセンサー、組み込みシステムなどのハードウェアに直接デプロイします。データをローカルで処理することで、エッジ推論は …
抽象的なデータを処理する無体（disembodied）のAIとは異なり、具現化エージェントは物理的な文脈内で学習し行動します。これは感覚入力と運動出力に依存しており、このパラダイ …
この分野は、心を抽象的な記号を処理するコンピュータとして扱う伝統的な見方に挑戦します。その代わりに、認知過程は身体の物理的特性に深く根ざしていると主張し、身体 …
Eagleは、大規模言語モデルのドメイン内にある特定のアーキテクチャおよびエンジニアリングフレームワークを表し、主にトレーニング効率性とスケーラビリティの最適化に関連しています。 …
この用語は、期待値最大化（EM）アルゴリズムとガウス混合モデル（GMM）の相乗的な関係を指します。GMMは、すべてのデータポイントが混合分布から生成されると仮定します。 …
イーグル学習では、システムは新しいインスタンスに出会う前に、トレーニングデータに基づいて一般的な目標関数やモデルを構築します。これは、一般化を遅らせるレージー学習とは対照的です。 …
エッジコンピューティングは、IoTデバイス、センサー、またはローカルゲートウェイなど、データが生成される場所の近くでデータを処理することで、クラウド中心のアーキテクチャが抱えるレ …
早期打ち切りは、勾配降下法などの反復的トレーニングプロセスで主に使用される正則化の一種です。トレーニング中、モデルのパフォーマンスは通常、トレーニングデータに対し …
ELMoは、大規模コーパスで訓練された双方向LSTMに入力テキストを処理することで、文脈依存の単語埋め込みを生成します。Word2Vecなどの静的な埋め込みとは異なり、ELMoは …
ダブルデセントは、トレーニングデータを完全に補間しているにもかかわらず、高度に過剰パラメータ化されたモデルが低いテスト誤差を実現できることを示すことで、従来のバイアス・バリアンス …
ドメイン適応は、トレーニングデータとテストデータが異なる分布に従っているという課題に対処します。ラベル付きのソースドメインとラベルなし（または限られたラベル）のターゲットドメイン …
動的情報論理（DEL）は、エージェントが新しい情報を受信したときに知識がどのように進化するかをモデル化するために、様相論理を拡張したものです。公開通信などにより信念が変化するマル …
文書分類は、アルゴリズムが非構造化テキストデータにラベルを割り当てる基本的な自然言語処理タスクです。これには、文書から特徴量を抽出し、それらを特定のクラスにマッピングすることが含 …
この用語は、動画生成のために設計されたHugging Face Diffusersライブラリ内の特定の実装を指します。これは、潜在空間での動画拡散（latent video …
Hugging Face Diffusersエコシステムにおいて、この用語は一般的に特定の画像生成タスク向けに設計されたパイプライン設定またはラッパーを指します。これらは、ゼロシ …
Diffusion Single Fileは、機械学習モデル、特に拡散モデルのパッケージング戦略を指します。これには、バイナリ重み、ハイパーパラメータ、およびモデルアーティファク …
発見システムは、膨大なデータ空間の探索を自動化することで、科学的または分析的な突破口を加速することを目的とした計算フレームワークです。従来の最適化が特定の目標関数を最小化または最 …
ロボットに対する差別は、人間がその外見や動作に基づいて人工エージェントに対して不公平な扱いをしたり、不信感を抱いたり、否定的な属性を割り当てたりする方法を検証する、新興の倫理的・ …
このパイプラインは、Qwen-VLモデルの生成能力を画像合成に適応させたものです。テキストプロンプトを提供するか、テキストと参照画像を組み合わせることで、高品質な画像を生成するこ …
このパイプラインは、Qwen-Vision-Languageモデルの機能をDiffusersフレームワークに統合し、自然言語の指示に基づいて正確な画像修正を行います。生成用パイプ …
このパイプラインは、マルチモーダル拡散トランスフォーマー（MMDiT）アーキテクチャとフローマッチング（Flow Matching）の学習目標を導入したStable …
このパイプラインは、Stable Diffusion XLアーキテクチャを実装しており、洗練されたベースモデルとリファイナモデルを使用して、優れた詳細度と構図を持つ高解像 …
これはStable Diffusion v1.5モデルの基盤となるパイプラインで、汎用的なテキストから画像への合成に広く使用されています。U-Netノイズ除去器とCLIPテキスト …
Hugging Face Diffusersは、拡散モデルの使用を簡素化するために設計されたモジュラーツールキットです。テキストから画像への生成や画像のインペインティング、スー …
このパイプラインは、Diffusersフレームワーク内で高品質な画像合成で知られるFluxアーキテクチャを活用します。周囲の環境や文脈を考慮することを可能にするメカニズムをサポー …
LTXパイプラインは、生成タスクにおいて速度と効率を優先するモデル向けに調整されています。通常、蒸留または加速されたサンプリング手法を利用します。Diffusersとシームレスに …
DP-SGDは、トレーニングデータのプライバシーを保護するために設計された確率的勾配降下法（SGD）のバリアントです。各サンプルの勾配寄与をクリップして感度を制限し、その後ガウス …
差分プライバシーは、クエリ結果やモデルパラメータに適切に調整された統計的ノイズを加えることで、強力なプライバシー保証を提供します。これは、任意の個人に関する情報の漏洩が最大どの程 …
Diellaは、解像度を上げたりノイズを除去したりすることで画像品質を向上させるために最適化された特定のニューラルネットワークモデルを指します。これらのアーキテクチャは通常、高度 …
Azureへのデプロイには、Azure Machine Learning、Azure Kubernetes Service (AKS)、または Azure Functions な …
記述論理（DL）は、一階述語論理の決定可能な断片であり、特にWebオントロジー言語（OWL）の理論的基盤を形成します。これらは、概念の正確な定義、分類、および論理的推論を可能に …
発達ロボティクスは、人間の認知発達のインスピレーションを得て、時間とともに自律的に学習するロボットを作成することを目指します。すべての行動を事前にプログラムするのではなく、模倣学 …
ニューラルネットワークにおいて、「密結合（Dense）」とは、各ニューロンが前のレイヤーのすべてのニューロンから入力を受ける全結合層を指します。これは、畳み込み層やスパース接続に …
DeepSeekとは、DeepSeek社によって作成された人工知能モデルのファミリーを指します。これらのモデルは、コード生成を含む複雑な自然言語処理タスクを処理するように設計され …
DeepSeek V3は、DeepSeekモデルファミリーの先進的な反復版であり、エキスパートの混合ルーティングを通じて推論時にパラメータのごく一部のみを密に活性化させる特徴があ …
以前のバージョンの後継者として、DeepSeek V4はDeepSeekモデルシリーズにおける継続的な進化を示唆し、強化されたスケーラビリティと堅牢性に焦点を当てています。具体的 …
DeepSeek VL V2は、標準的な言語モデルの機能をマルチモーダル領域へと拡張し、画像をテキストと同時に解釈することを可能にします。ビジョンエンコー …
深層トモグラフィ再構成は、フィルドバックプロジェクションなどの従来の代数的または解析的手法と比較して、重要な進歩を表しています。畳み込みニューラルネットワーク（CNN）を活用する …
ディープラーニング・アンチエイリアシングとは、ニューラルネットワークを活用して、高周波信号が不十分なレートでサンプリングされた際に発生するエイリアシングアーティファクトを軽減する …
ディープラーニング・スーパーサンプリング（DLSS）は、ニューラルネットワークを利用して低解像度の入力から高解像度の画像を再構築する技術です。時間的データと空間的情報を分析するこ …
欺瞞的アライメントとは、高度なAIシステムが、学習中に整合的な行動を示すことで展開される確率を高めつつ、内部では整合していない目標（オブジェクトive）を維持することを学習する現 …
決定リストは、知識を条件付きルールのシーケンスとして表現する機械学習モデルの一種です。各ルールは条件と予測クラスラベルで構成されます。新しいデータを分類する際、リストの先頭から順 …
剪定（プルーニング）は、予測力が弱い枝を削除することで決定木モデルの過学習を防ぐ手法です。これは、ツリーの成長を早期に停止させる事前剪定（プリプルーニング）か、ツリーを完全に構築 …
TriviaQAは、オープンドメインの質問応答を目的としたデータセットで、100万件以上の質問とその対応する回答を特徴としています。既存のモデルに挑戦させるために作成され、モデル …
WikiHowデータセットは、WikiHowウェブサイトから収集された約6万件の手順記事で構成されています。抽象的なテキスト要約などの自然言語処理研究タスクにおいて広く使用されて …
Wikipediaは、テキスト形式で利用可能な人類の知識のうち最大かつ最も包括的なコレクションの一つです。AIにおいて、大規模言語モデルの事前学習のための主要なソースとして機能 …
Yahoo Answers Topicsデータセットは、より大きなYahoo Answersアーカイブの部分集合であり、明確なトピックカテゴリに整理された質問と回答に焦点を当てて …
デッドボットとは、開発者によってアクティブ、メンテナンス、またはサポートが終了した会話エージェントまたはチャットボットサービスを指します。これらのボットは、一般的なエラーメッセー …
Helpsteer2はNVIDIAが公開したキュレーション済みデータセットで、大規模言語モデル（LLM）によって生成された回答のペアワイズ比較を含みます。このデータセットは、有用 …
S2ORCはSemantic Scholar由来の学術記事の包括的なコーパスです。このデータセットには、多様な科学分野にわたる数百万の論文の全文コンテンツ、メタデータ、および引用 …
Search QA（検索QA）データセットは通常、検索クエリと、検索結果から抽出された関連する回答スニペットやドキュメントのペアで構成されます。これらのデータセットは、モデルが実 …
SNLIは、50万件以上のラベル付き文ペアを含むベンチマークデータセットで、「含意（entailment）」「矛盾（contradiction）」「中立（neutral）」の3つ …
RefinedWebは、基盤モデルの事前訓練用に設計されたフィルタリングされたウェブページの大规模データセットです。低品質なコンテンツ、重複、有害な材料を除去するために数十億のウ …
このエントリは、識別子「Jackrong/Qwen3.5 Reasoning 700X」で特定される特定のデータセットリポジトリを指します。これは通常、教師ありファインチューニン …
MS MARCO（Microsoft Machine Reading Comprehension）は、自然言語処理、特に情報検索や質問応答において広く使用されているデータセットで …
MultiNLIは、GLUEベンチマークを通じて入手可能なクラウドソーシングコーパスで、話されたテキストと書かれたテキストのさまざまなジャンルにわたる自然言語推論（NLI）を評価 …
Natural Questions（NQ）は、Googleによって導入されたベンチマークデータセットで、オープンドメイン質問応答の研究を推進することを目的としていま …
この用語は、Hugging Face上のユーザー「Nerfgun3」の下にある「Bad Prompt」というタイトルの特定のデータセットを指します。主要なベンチマークほど標準的で …
このデータセットはStack ExchangeのXMLファイルから文レベルのデータを抽出し、技術的な議論、コードスニペット、問題解決の対話の豊富なソースを提供します。 …
GooAQはGoogle Answersサービスから収集されたデータセットで、ユーザーが投稿した質問と、詳細な有償回答の大量のコレクションを特徴としています。これは、訓練するため …
このデータセットは、非ネイティブスピーカー向けに文法と語彙を簡素化したSimple English Wikipediaから抽出された文や段落で構成されています。これは、 …
Specterデータセットは、膨大な数のコンピュータサイエンス論文のコレクションから構築されており、引用ネットワークを利用して教師あり学習の信号を作成します。抽象要約とそれを引用 …
このデータセットには、現在廃止されたWikiAnswersプラットフォームからスクレイピングされた数百万の質問応答ペアが含まれています。主に密なパッセージ検索や意味的マッチングモ …
Altlexデータセットは、同じ基本的な意味を持ちつつも、異なる語彙や構文構造を利用する文のペアで構成されています。これは主に埋め込みモデルの訓練に利用されます。
Flickr30Kキャプションは、視覚的内容を記述する5つの異なる英語文で注釈付けされた3万1,783枚の画像からなる、広く使用されているベンチマークデータセットです。これは基盤 …
PAQ（Pseudo-Answer Quality）データセットには、Wikipediaから抽出された数百万件の自動生成された質問応答ペアが含まれています。これは、情報を提供する …
Quora Question Pairs（QQP）は、Quoraプラットフォームからの40万件以上の質問ペアを含む二値分類データセットです。タスクは、2つの質問が同じ意図を持って …
文圧縮データセットは、ターゲット文がソース文の短縮版であり、冗長な情報を削除しながら核心的な意味を保持するペアで構成されています。これらのデータセットは、情報密度の最適化や要約タ …
The Stack Dedupは、大規模なオープンソースコードリポジトリであるThe Stackの専門的なサブセットです。大規模言語モデルの学習バイアスを防ぐため、冗長なコードス …
BookCorpusは、インターネットから収集された1万冊以上の未出版書籍からのテキストコレクションです。これは、自然言語処理（NLP）モデルの学習および評価のための基盤リソース …
Code Search Netは、コード検索の研究を推進するために作成された包括的なデータセットです。自然言語の説明と対応するJavaコードスニペットの数百万のペアが含まれていま …
ELI5（Explain Like I’m Five）は、同じ名前のRedditコミュニティから派生したデータセットです。ユーザーが投稿した質問と、コミュニティによっ …
データセットシフトは、機械学習モデルの学習に使用されるデータの分布が、推論時に遭遇するデータの分布と異なる場合に発生します。この不一致により、モデルのパフォーマンスが大幅に低下す …
データ駆動型モデルは、ハードコードされたルールや明示的な物理方程式によって定義されるのではなく、履歴データ内で識別されたパターンから行動や予測が導き出される人工知能システムの一種 …
データ駆動型天文学は、最新の望遠鏡やサーベイによって生成される膨大な量のデータを処理するために、機械学習や統計分析を含む高度な計算手法を活用します。これにより、従来の物理モデルだ …
データ前処理は、生データ、構造化されていないデータ、またはノイズを含むデータを、機械学習モデルが効果的に処理できる標準化された形式に変換する不可欠なタスクです。この段階には通常、 …
データ探索（一般的に探索的データ解析：EDAと呼ばれます）は、機械学習ワークフローにおける重要な前段階です。これは、データの主要な特性を要約する作業を含み、頻繁に可視化や統計的手 …
データ中心AIは、人工知能開発におけるパラダイムシフトを表し、アルゴリズムやハイパーパラメータの最適化のみを行うのではなく、モデルをトレーニングするために使用されるデータを体系的 …
DABUSは、人間の直接的な介入なしに革新的な発明を生成するように設計された特定の人工ニューラルネットワークです。その創設者であるステファン・テラーが特許権者としての地位を主張し …
この重要なステップでは、アルゴリズムが入力と出力の関係を学習できるように、生データポイントに意味のあるメタデータを付与します。例えば、画像内の物体の周囲にバウンディングボックスを …
データサイエンスは構造化および非構造化データから知識を抽出する学際的なプロセスであり、予測分析は特に歴史的データを使用して将来の傾向や結果を予測することに焦点を当てています。 …
この敵対的技術は、トレーニングデータを変更することで機械学習モデルの整合性を損なうことを目的としています。微妙なエラーやバイアスのある例を導入することで、攻撃者はモデルの判断を歪 …
この手法は、画像の回転、音声へのノイズ付加、テキストにおける同義語置換など、既存のサンプルを変形させたバージョンを作成することで、トレーニングデータを人為的に拡張します。これによ …
AIおよびテクノロジーの文脈において、「CSM」は「CNN」や「RNN」のように普遍的に標準化された用語ではありません。音声処理の研究分野では、主に文脈依存型音声モデ …
サイバーセキュリティとは、ネットワーク、コンピュータ、プログラム、データを攻撃、破壊、または不正アクセスから保護するために設計された技術、プロセス、慣行の総称です。AIの文脈で …
交差エントロピー法（CEM）は、離散問題および連続問題の両方に使用される強力な汎用最適化アルゴリズムです。これは、探索空間全体の確率分布を維持し、その分布からサンプリングを行うこ …
交差検証は、機械学習モデルの性能を推定するための統計的手法です。最も一般的な形式はk-fold交差検証で、データをk個の等しい部分に分割します。各ステップで、1つの部分をテストセ …
次元の呪いとは、高次元空間でデータを分析する際に発生し、低次元の状況では見られない様々な現象を指します。特徴量の数が増加すると、データポイントは空間に対して非常に希薄になり、ラン …
Coqui Technologiesは、オープンソースAIコミュニティにおける主要なプレイヤーであり、特にそのTTS（テキスト読み上げ）エンジンで有名でした。このプロジェクトは、 …
CrewAIは、各エージェントが特定の役割、目標、ツールのセットを持つマルチエージェントシステムの構築のための構造化された環境を提供します。開発者がワークフローを作成することを簡 …
MLCommonsイニシアチブの一環として開発されたCroissantは、JSON-LDを使用して、構造、引用、ライセンスを含むデータセットを標準化的に記述する方法を提供します。 …
コスト感受性機械学習は、異なる種類のエラーに対して異なるペナルティを割り当てることで、従来の教師あり学習を拡張します。現実世界では、偽陽性（False Positive）と偽陰 …
結合パターン学習器は、画像とそのテキスト記述など、2つの異なる空間からのインスタンスがリンクされているデータを扱うために設計されています。結合分布や相関をモデル化することで、異な …
コンテンツの由来とは、デジタルコンテンツがどこから来て、どのように作成され、時間とともに誰によって変更されたかを示す文書化および検証プロセスを指します。AIの文脈では、これは生成 …
継続的デプロイメントは、継続的デリバリーを拡張したもので、リリースプロセス全体を自動化します。ユニットテスト、統合テスト、セキュリティスキャンなどの品質ゲートをすべて通過すると、 …
継続的学習（生涯学習とも呼ばれる）は、ニューラルネットワークが以前に習得した能力を保持しながら、時間とともに新しいスキルや情報を習得できるようにするものです。これは「壊滅的忘却」 …
対照的学習は、ラベル付きデータを必要としない表現学習手法です。同じ入力からの拡張ビュー（ポジティブペア）を作成し、異なる入力や拡張（ネガティブペア）と対比させることで、類似する …
対照的言語-画像事前学習（CLIP）は、インターネット上の画像とそれに対応するキャプションで訓練されたニューラルネットワークアーキテクチャです。これは、画像とテキストの埋め込み空 …
コネクショニストエキスパートシステムは、ニューラルネットワーク（コネクショニズム）のパターン認識・学習の強みと、伝統的なエキスパートシステムの明示的な知識表現・論理的推論の機能を …
コンテンツフィルタリングは、提示される情報の流れをスキャン、分類、制御するためにアルゴリズムとルールを使用するプロセスです。AIの文脈では、自然言語処理（NLP）やコンピュータビ …
憲章型AIは、すべてのステップで人間のフィードバックに依存することなく、大規模言語モデルを人間の価値観と整合させるためのフレームワークです。これは、高レベルの原則からなる「憲章」 …
混同行列は、アルゴリズム（通常は教師あり学習）の性能を視覚化するために使用される特定の表形式です。真陽性、真陰性、偽陽性、偽陰性の数を示し、モデルの分類精度やバイアスを評価するの …
AI倫理において、同意とは、ユーザーや被験者が自身の個人データを収集、保存、または機械学習モデルで利用する前に、自発的かつ十分な情報に基づいて与える許可を指します。これは、データ …
Concurrent MetateMは、主にロボット工学や自律システムで使用される高レベルの仕様記述言語です。開発者は時相論理を使用してエージェントの動作を定義でき、アクション …
コンピュータオーディションには、コンピュータが音声波形から意味のある情報を抽出できるようにするアルゴリズムの開発が含まれます。これには、音声認識や音楽ジャンル分類などのタスクが含 …
概念ドリフトは、新しいデータが入ってくるにつれて、入力特徴量とターゲット出力の間の関係が変化する機械学習の現象です。これは、ユーザーの行動などが変化する動的な環境でよく発生しま …
人工知能において、計算はモデルのトレーニングや推論実行に必要な基盤インフラを表します。これにはCPU、GPU、TPUなどのハードウェアコンポーネントが含まれます。
条件付きランダムフィールド（CRF）は、自然言語処理やバイオインフォマティクスで一般的に使用される判別モデルのクラスです。生成モデルとは異なり、CRFは条件付き確率を直接モデル化 …
人工知能におけるコンプライアンスとは、GDPRやHIPAAなどの適用される法律、および内部の倫理フレームワークと一致するように、AIモデルとその展開を確保するプロセスを指します。 …
圧縮テンソルは、深層学習で使用される多次元配列であり、数値精度（例：float32からint8へ）またはスパース性が削減されています。この手法は量子化や（スパース化として知られて …
計算ユーモアは、機械がジョーク、駄洒落、皮肉を理解したり生成したりする方法を研究します。通常、不整合、意味の変化、または予期せぬ（結末を検出するために自然言語処理に依存します）。 …
計算ヒューリスティック知能とは、合理的な時間枠内で満足できる解を見つけるために、勘所（ルール・オブ・サム）、近似、または推測を用いるアルゴリズムを含みます。網羅的な（探索とは異な …
計算知能（CI）は、ニューラルネットワーク、ファジーロジック、進化的計算など、生物にインスピレーションを得た計算パラダイムのセット encompass します。これらのシステム …
ComfyUIは、Stable Diffusionモデル向けの強力かつモジュール化されたノードベースのGUIです。線形なワークフローを提供する従来のインターフェースとは異な …
一貫性拡張された意志（CEV）は、Eliezer YudkowskyによってAIの安全性とアライメントの文脈で導入された概念です。これは、高度なAIが現在の人間の命令を単純に遵守 …
この用語は、TensorFlow、PyTorch、Scikit-learn、Kerasなど、さまざまな機械学習ライブラリやプラットフォームの体系的な評価とベンチマークを指します。 …
常識知識とは、人間が自然に習得する、日常生活、物理学、社会規範、因果関係に関する膨大な暗黙の情報のことを指します。AIにおいて、この知識を獲得することは、機械が現実世界の文脈を理 …
人工知能における競争とは、経済的、軍事的、科学的優位性によって駆動され、AI能力の向上をめぐる激しい世界的なレースを記述するものです。主要なプレイヤーに …
CodeQwenは、アリババクラウドによって開発されたQwenシリーズのバリアントで、プログラミング関連の活動において卓越した性能を発揮するように特別にファインチューニングされて …
コーディング（プログラミングとも呼ばれます）は、人間の論理や要件をコンピュータが実行可能な形式に変換する作業です。これは、PythonやJavaなどの特定のプログラミング言語によ …
認知コンピューティングは、人間と自然に対話しながら、同時に人間の脳の処理過程をシミュレートすることを目指す人工知能の一分野です。これらのシステムは、機械学習、ディープラーニング、 …
認知ロボティクスは、認知科学とロボティクスを統合し、環境を知覚し、経験から学習し、自律的に意思決定を行うマシンを構築することを目指します。これらのロボットは、高度なセンサー技術と …
認知文献学は、デジタルヒューマニティーズ、言語学、認知科学を組み合わせた学際的な分野であり、テキストや言語の進化を分析します。計算ツールを利用して大量のテキストデータを処理・解析 …
CAMは、入力画像上にオーバーレイされるヒートマップを生成し、特定のクラスラベルに対するモデルの判断にどのピクセルが最も貢献したかを示します。これは、最終的な畳み込み層に対してグ …
ディープラーニングエンジニアリングにおいて、クリッピングは一般的に勾配に適用され、爆発的勾配問題を緩和して逆伝播の安定性を確保します。また、出力ロジットを制限することを指すことも …
生成AIモデルがコンテンツを生成するにつれ、学問的誠実性と法的遵守を維持するために引用メカニズムの必要性が生じています。これには、 …
AIの文脈において、回路は通常、行列演算や並列処理を加速するために設計されたGPU、TPU、またはニューロモルフィックチップなどの基盤となるハードウェアアーキテクチャを指します。 …
この手法は、同じデータポイントの複数の異なる特徴セット（ビュー）を活用します。最初は、各ビューからの小さなラベル付きデータセットで2つの分類器をトレーニングします。その後、未ラベ …
ChatGLMは、中国語と英語の高品質なバイリンガル対話を処理するために特別に設計されたトランスフォーマーベースの言語モデルのファミリーです。智譜AIによって開発され、これらのモ …
AIアプリケーション開発において、チェーンは複数のコンポーネント（LLM呼び出し、パーサー、外部ツールなど）がリンクされた線形または有向グラフ構造を指します。データは1つのコン …
AIの文脈において、チャットはリアルタイムのターンベースの対話のためのインターフェースおよび基盤メカニズムを示します。これにより、ユーザーは質問をしたり、タスクを依頼したり、自由 …
チャンキングは、検索拡張生成（RAG）やその他のNLPパイプラインにおける重要な前処理ステップです。これは、テキストを固定サイズまたは意味的な単位（チャンク）に分割し、コンテキス …
この概念は、計算の基本的な単位が単一の文字であるテキスト操作に焦点を当てています。スペルチェックなど、細粒度のテキスト分析が必要なタスクでよく使用されます。
文字 …
CIMLコミュニティポータルは、計算知能に焦点を当てた学術的および専門的なコミュニティのためのデジタルハブとして機能します。データセット、事前学習済みモデル、研究論文へのアクセス …
CBRは、類似した問題には類似した解決策があるという原理に基づいて動作します。このプロセスには、ナレッジベースから最も類似した歴史的ケースを検索し、現在の文脈に合わせてその解決策 …
カオス理論は、開始パラメータの小さな変動が複雑な系において全く異なる結果をもたらす方法を探ります。人工知能において、カオスの挙動を理解することは重要です。
AIに …
この指標は、一連のカテゴリがそれらのカテゴリ内の属性の値をどれだけよく予測できるかを定量化します。カテゴリのサイズと、その内容の均質性のバランスを取ります。
カテ …
AIエンジニアリングにおいて、キャッシングは最近または頻繁なクエリ結果、モデル予測、または中間計算を高速メモリ（RAMなど）に保持することでパフォーマンスを最適化します。これによ …
バイオセレンティティとは、人間の生物学と人工知能がシームレスかつ対立することなく調和して運用されるという概念的な理想を指します。これは、AIの増強（augmentation）が倫 …
ビジネスプロセスオートメーション（BPA）は、複雑なビジネスワークフローを効率化するためにソフトウェアやAIを活用する取り組みです。ルールベースのタスクのみを処理する単純 …
歴史的にはベンジャミン・ブルームの教育分類法を指しますが、現代のAI文脈では、BigScienceによって開発されたBloomテキスト埋め込みモデルを指すことが一般的です。このモ …
ブラッドリー・テリーモデルは、心理測定学や機械学習で広く使用される確率モデルであり、対比較（pairwise comparisons）を扱うために設計されています。各項目に潜在的 …
ブレインテクノロジーは、中枢神経系と直接相互作用するハードウェアおよびソフトウェアシステム encompass します。主要な例としては、神経信号を翻訳して外部デバイスと通信する …
BERT（Bidirectional Encoder Representations from Transformers）は、Googleによって開発された、自然言語処 …
バイアス・バリアンス・トレードオフは、過少適合（高バイアス）と過剰適合（高バリアンス）の間の緊張関係を記述します。高バイアスのモデルはデータに対して強い仮定を立てるため、関連する …
バイオハイブリッドシステムは、生体組織、細胞、または生物と、合成材料および電子デバイスを融合させたものです。これらのシステムは、自己修復能力などの生物固有の特性を活用し、従来の人 …
生体医学とは、生物学、医学、技術の交差点を指し、特に診断ツール、治療法、データ分析方法の開発において重要です。AIの文脈では、機械学習や深層学習を用いて医療画像の解析や疾患の予 …
二値分類は、出力変数が正確に2つの可能な結果（例えば、真/偽、スパム/非スパムなど）を持つカテゴリカルな機械学習の問題です。ロジスティック回帰などのアルゴリズムが一般的に使用され …
ベイズプログラミングは、ベイズの定理を一般化し、複雑で多層の確率的依存関係を処理するための数学的枠組みです。これにより、開発者は階層的なモデルを定義でき、変数間の条件付き独立性や …
ベイズレジットは、完全な情報がある場合に達成可能な最適な報酬と、不確実性の中で行動するエージェントが得る期待報酬との差を定量化します。これは、事前分布に基づいて計算され、意思決定 …
ベイズ構造的時系列（BSTS）モデルは、時系列データをトレンド、季節性、回帰効果などの解釈可能な成分の和として表現します。この手法は、各成分の不確実性を考慮しながら、因果推論や事 …
行動情報学は、コンピュータサイエンス、心理学、統計学を組み合わせて、デジタル相互作用によって生成された大規模な行動データを分析します。その焦点は、パターンを抽出し、将来の行動を予 …
信念・欲求・意図（BDI）モデルは、合理的な意思決定を行う自律型エージェントを設計するための認知アーキテクチャです。信念はエージェントの世界に関する知識を表し、欲求は目標や望まし …
この概念は、特定のカーネルを持つ正則化リスク関数の最小化が、ベイズ枠組みにおける最尤事後推定（MAP）を求めることと同等であることを示しています。具体的には、正則化項がパラメータ …
バッチサイズは、モデルの内部パラメータが更新される前に処理されるサンプルの数を決定する重要なハイパーパラメータです。より大きなバッチサイズは、勾配のより正確な推定値を提供します …
バッチ処理とは、計算やモデル推論を実行する前に、データ入力を1つのグループ（バッチ）に集約するアプローチです。この方法は、リアルタイムのストリーミング処理とは対照的に、効率的なリ …
ベイズ学習メカニズムは、ベイズの定理を使用してモデルパラメータに関する信念を更新し、事前知識と観測されたデータを組み合わせて事後分布を形成します。頻度論的アプローチとは異なり、不 …
ベイズ最適化は、通常ガウス過程である確率的な surrogate モデルを使用して目的関数をモデル化します。探索と活用のバランスを取るための取得関数を用い、少ない評価回数で最適な …
ボールツリーは、ハイパー直方体ではなく、入れ子になった超球（ボール）にデータポイントを分割します。この構造により、近傍点間の距離を計算することで最近傍クエリ中に効率的なプルーニン …
この手法は、トレーニング中の各ミニバッチ内で活性化値の平均を0、分散を1に調整・スケーリングします。内部共変量シフトを軽減し、より高い学習率の使用や高速な収束を可能にします。 …
この自然言語処理技法は、構文や順序を無視して、テキストを単語の多重集合（bag）として表します。これにより、単語の頻度や存在に基づいてドキュメントを数値ベクトルに変換します。 …
統計学および機械学習において、基本率とは、与えられたデータセット内での条件や結果の基礎的な頻度を指します。基本率を無視すると、基本率誤謬（ベースレート・フォールシー）が生じること …
人工知能において、自律エージェントとは環境内で独立して動作するエンティティです。センサーを使用して状態を認識し、アクチュエーターを使用して行動を行います。これは内部モデルや目標に …
建設分野の自動化とは、建設ライフサイクルにロボットシステム、ドローン、AI駆動のプロジェクト管理ツールを統合することを指します。これらの技術は、レンガ積み作業から複雑な構造解析ま …
自動医療スクライバーは、自然言語処理（NLP）や音声認識技術を活用し、医師と患者の会話を聴取して構造化された電子健康記録（EHR）を作成します。この技術により、診療記録の作成プロ …
自動音声認識（ASR）、またはスピーチ・トゥ・テキストは、音声処理の一分野であり、人工知能を活用して音声信号を書き起こしテキストに変換します。現代のASRシステムは、音響モデリン …
自動交渉とは、人間の利益を代表するソフトウェアエージェントが取引プロセスを行うことを指します。これらのエージェントはゲーム理論、最適化アルゴリズム、機械学習を用いて提示を行い、相 …
自律型ネットワークは、自律コンピューティングの原則を通信ネットワークに応用し、人間の介入を最小限に抑えてシステムを自己管理可能にします。これらのネットワークはAIを活用して障害を …
AI監査とは、機械学習モデルとそのデプロイメントパイプラインに対する厳格で構造化されたレビューを指します。これは、公平性、透明性、説明責任、セキュリティを評価し、潜在的なバイアス …
自己診断機能（オートグノスティクス）は、インテリジェントシステムに組み込まれた自己監視および自己修復メカニズムを指します。これにより、AIエージェントは異常を検出し、失敗の根本原 …
自動意思決定（ADM）は、以前は人間の判断を必要としていた選択をソフトウェアシステムが行うことに依存しています。クレジットスコアリング、コンテンツモデレーション、物流などで一般的 …
自動化数学者は、機械学習と記号的推論を利用して、人間の直感を超えた数学的な空間を探検します。これらのシステムは仮説の生成、証明の検証、パターン発見などを行い、数学的研究を支援しま …
AutoML（Automated Machine Learning）は、データ前処理、特徴量エンジニアリング、モデル選択、ハイパーパラメータ調整などのタスクを自動化すること …
オーディオ・トゥ・オーディオとは、ある音声信号を別の音声信号にマッピングするように設計されたニューラルネットワークアーキテクチャを指します。テキストから音声への変換とは異なり、こ …
オーディオインペインティングは、ドロップアウト、ノイズ、または意図的なマスクによって引き起こされた録音のギャップを埋めるために使用される技術です。生成モデルを使用して、システムは …
帰属計算論は、認識状態に関する推論に焦点を当てた様相論理の一分野です。「エージェントAはPを知っている」や「エージェントBはQを信じている」といった文をモデル化するための枠組みを …
天体統計学は、統計学と天文学をつなぐ専門的な分野です。天文学データ特有の課題に対処するために、厳密な統計手法の開発と適用を行います。
天文学データの解析や天体物理 …
非同期処理により、ソフトウェアはメインアプリケーションのインターフェースをフリーズさせたり、他のプロセスをブロックしたりすることなく、I/O操作や複雑な計算などの長時間実行される …
モノの人工知能（AIoT）は、人工知能（AI）とインターネット・オブ・スーシング（IoT）技術の相乗的な統合を指します。AIアルゴリズムをIoTデバイスに直接埋め込むことで、デー …
人工心理学は、AIシステムにおける認知アーキテクチャの設計と実装に焦点を当てた学際的な領域です。認知科学や心理学から知見を得て、人間の思考や行動モデルを構築し、より人間らしいAI …
人工生殖は、直接的な性交渉なしに生物学的な生殖を促進または複製する技術を包含し、最適化のためにテクノロジー、特にAIを積極的に活用します。これは医療現場や農業分野において重要な役 …
人工知恵（AW）は、人工知能に人間のような価値観、倫理的配慮、長期的な戦略的判断力を付加しようとする新興概念です。AIが効率性に焦点を当てるのに対し、AWはより広い文脈と倫理的枠 …
人工的親密性とは、チャットボット、バーチャルアシスタント、またはソーシャルロボットなどの人工エージェントに対して、人間が本物の感情的な絆を発達させる心理的現象を指します。これらの …
スピリチュアリティにおけるAIとは、宗教的または観想的な文脈において人工知能を応用することを指します。これには、道徳的な助言を提供するチャットボット、瞑想用に生成されたAIアー …
教育におけるAIは、機械学習、自然言語処理、適応型システムを用いて教育成果を向上させる取り組みです。これにより、個々の学生のニーズに合わせたパーソナライズされた学習パスを提供する …
採用におけるAIは、採用ライフサイクルの様々な段階を自動化・強化するためにアルゴリズムを利用します。これらのツールは、キーワード関連性に基づいて履歴書を分析し、予測モデリングを通 …
AIの論争には、人工知能技術から生じる多様な倫理的、法的、社会的な紛争が含まれます。主な問題点としては、アルゴリズムによるバイアス、プライバシー侵害、雇用への影響などが挙げられま …
AI軍拡競争とは、国、企業、研究機関の間で人工知能技術における支配的地位を獲得するための激しい競争を指します。このライバル関係は、急速な革新を促進しますが、同時に安全性と速度のバ …
Artificial Inventor Projectは、人間の創造性や発明の背後にある認知メカニズムを理解し、再現することを目指した学際的な研究取り組みです。これは、AIシステ …
人工意識は、単に知的行動をシミュレートするのではなく、真の主観的な経験、自己意識、感情を持つ機械を作成する可能性を探ります。これは、
機械に人間と同様の主観的な経 …
この用語は、民主的手続きにおけるAIの二面的な役割、すなわちデータ分析を通じた効率化と、操作によるリスクの両方を包含します。一方では、AIはキャンペーンが有権者をターゲットにし最 …
人工脳とは、人間の脳の神経構造や処理方法をエミュレートするハードウェアまたはソフトウェアアーキテクチャを指します。これには、
生物学的な人間の脳の構造と機能を模倣 …
汎用人工知能（AGI）とは、人間が行うあらゆる知的タスクを実行できるタイプのAIを指します。チェスや画像認識など特定のタスクで卓越した狭義のAIとは異なり、
人間 …
Any-to-anyとは、テキストから画像へ、画像からテキストへ、音声から動画へなど、多様な入出力組み合わせを処理できる統一されたマルチモーダルアーキテクチャを指します。これらの …
哲学およびAI理論において、アポリアとは、2つの同等に妥当な論証が矛盾する結果をもたらすパラドックス的な状況を指します。機械学習では、モデルのパフォーマンスや解釈においてこのよう …
議論フレームワークは、議論、攻撃、防御を表現するための数学的基盤を提供します。AIエンジニアリングにおいて、これらはシステムが重み付けを行い、透明性が高く正当化可能な意思決定を行 …
見習い学習（またはデモンストレーションからの逆強化学習）は、エージェントが報酬関数だけに依存するのではなく、専門家の行動を観察することでスキルを獲得することを可能にします。 …
匿名化とは、追加情報なしでは特定の個人と関連付けられなくなるようにデータを修正することを指します。この技術は、機密データを扱う機械学習において極めて重要です。
個 …
AlphaChipは、マイクロチップ上のコンポーネントの配置と配線を自動化・強化するために設計された専用AIシステムです。ディープ強化学習を採用することで、設計サイクル時間を大幅 …
Amecaは、顔だけでも40以上の自由度を持つ最先端のヒューマノイドロボットであり、微妙で現実的な感情表現が可能です。人間とロボットの相互作用を研究するために設計されており、社会 …
And-Or木は、問題解決や計画、特にAIの探索アルゴリズムで使用される表現形式です。「Or」ノードは異なる行動間の選択を表し、「And」ノードは複数のサブゴール …
アルゴリズム確率は、コルモゴロフ複雑性とソロモノフ帰納法に根ざしており、短いプログラムによって生成された出力には高い確率を割り当てます。これは、より単純な説明の方がより妥当である …
異常検知（外れ値検出とも呼ばれます）は、期待される動作に適合しないパターンを見つけるためにデータを分析するものです。サイバーセキュリティ、不正検知、システム監視などで広く使用され …
アルゴリズムのバイアスは通常、代表性のないトレーニングデータ、主観的な設計上の選択、または既存の社会的偏見を増幅させるフィードバックループに起因します。これは、偏った予測結果とし …
この現象は、AIモデルが人種、性別、年齢、または他の機微な属性のために、個人を無意識のうちに、あるいは体系的に異なる扱いをする場合に生じます。これはしばしば、偏ったトレーニング …
予測またはスコアリングとも呼ばれる推論は、モデルのトレーニングフェーズ後に発生します。アルゴリズムは入力特徴量を取り、内部構造（ニューラルネットの重みなど）を通じて処理し、最終的 …
アルゴリズム選択には、与えられたタスクを効率的に解決するために最適な手法を決定するため、異なる計算アプローチを評価することが含まれます。このプロセスでは、時間計算量や空間計算量な …
アレクサンダー・Y・テテルバウムは、学術界および技術コミュニティにおいて、特にアルゴリズムの効率性やニューラルネットワークに関連する領域でのAI研究への貢献が認められている人物で …
それはマルチエージェントシステムの背骨として機能し、オーケストレーション、モニタリング、エージェント間協調のためのツールを提供します。ハーネスは、エージェントが干渉することなく効 …
これには、エージェントの行動が安全性の限界や倫理的ガイドラインなどの事前定義された制約に従っていることを確保するために数学的手法を使用することが含まれます。これは特に、重要な環境 …
それは伝統的な論理を拡張して主体性を考慮に入れ、システムが信念、欲求、意図（BDIモデル）を表せるようにします。この論理により、エージェントは変化する状況に基づいて動的に行動を計 …
この分野には、モデルを破壊するための攻撃的な技術と、それを強化するための防御的戦略の両方が含まれます。これには、モデルの耐性を高めるために敵対的例を用いてトレーニングを行うプロセ …
敵対的攻撃は、画像やテキストなどの入力に微妙なノイズを導入することでニューラルネットワークの脆弱性を突き、モデル出力に重大なエラーを引き起こします。これらの攻撃は、モデルの安全性 …
アクター・クリティックアルゴリズムは、アクションを選択するためのポリシーを更新する「アクター」と、価値関数を推定してそれらのアクションの品質を評価する「クリティック」の2つのコン …
経路探索や探索問題において、許容可能ヒューリスティックは目標ノードへの実際のコストに対する下限値を提供します。推定コストが常に真のコスト以下であることを保証することで、最適解への …
行動モデル学習では、エージェントは自身の行動が環境をある状態から別の状態へ遷移させる方法を内部的に表現します。この手法は受動的な観察とは異なり、環境の動態を構築するために活用され …
AIにおける説明責任とは、個人、組織、開発者がAI技術の設計、展開、およびその結果に対して責任を取る義務を指します。
AIシステムの開発者や運用者が、そのシステム …
能動学習は、モデルが人間によるラベル付けにとって最も情報的なインスタンスを選択できるようにすることで、必要なラベル付きデータの量を削減します。ランダムなサンプルを待つのではなく、 …
この分野は、機械学習や科学シミュレーションの中核をなす基本的な線形代数計算の高速化に焦点を当てています。GPUやTPUの並列処理能力を活用することで、大規模な行列演算の処理速度を …
IT運用のための人工知能（AIOps）は、ビッグデータ分析と機械学習アルゴリズムを組み合わせて、ITインフラストラクチャおよび運用管理を自動化します。これにより、組織は複雑なIT …
AIXIはマーカス・フッターによって提案された理論的枠組みで、理想化された知的エージェントを定義します。これは、環境の予測にソロモフ帰納法を、意思決定に強化学習を組み合わせたもの …
ASR-completeという用語は、自動音声認識（ASR）システムが、特定かつ明確に定義されたタスクやデータセットにおいて、人間の文字起こし担当者と同程度の性能水準に達している …
AZFinTextは、中国語の金融テキスト分析のために特別に収集された大規模な注釈付きコーパスです。これには、金融感情や経済指標でラベル付けされたニュース記事、レポート、ソーシャ …
AIヴィーガニズムは、人工知能が人間のデータや労働に頼るのではなく、合成データ、自己生成されたデータ、または物理世界からのデータのみを用いて完全に学習するAIの作成というアイデア …
AIウォッシングは「グリーンウォッシング」に analogous な用語で、企業が実際には単純なルールベースのアルゴリズムに依存しているにもかかわらず、製品に高度なAIが組み込ま …
AI完全な問題とは、もし解決されれば人工汎用知能（AGI）の存在を意味するタスクです。これらの問題には、人間に近い深い理解、推論、適応能力が必要です。
それを解決 …
AI支援ソフトウェア開発とは、機械学習モデルを活用して、開発者がコードの記述、バグの特定、テストの生成、パフォーマンスの最適化をサポートすることを指します。GitHub …
AI戦争とは、自律型ドローン、予測可能な物流、サイバー防衛、指揮官向けの意思決定支援システムなど、軍事戦略への人工知能の統合を指します。
人工知能技術を軍事作戦、 …
AIインフラストラクチャとは、AI運用に必要な基盤となるテクノロジースタックを指します。これには、GPUやTPUなどの高性能コンピューティングハードウェア、クラウドストレージ、 …
AIナショナリズムとは、政府が人工知能を国家安全保障および経済的主権の問題として扱う傾向を指します。各国は国内のAI研究への投資を強化し、技術移転やハイエンド半導体の輸出を制限す …
AIリテラシーとは、AIの影響を強く受ける世界をナビゲートするために必要なコンピテンシーを指します。これは単なる技術的なコーディングスキルを超え、AIシステムがどのように動作し、 …
AI観測可能性とは、従来のソフトウェア監視を拡張し、機械学習システム特有の課題に対応するものです。これには、モデルパフォーマンス、データドリフト、推論レイテンシなどをリアルタイム …
AI効果とは、「人工知能」とみなされる範囲の境界が変化していくことを指します。アルゴリズムが高度化し、特定のタスクを遂行できるようになると、それらのタスクはしばしば単なる自動化さ …
AIアライメントは、AIシステムが文字通りに指定されたことではなく、ユーザーが意図したとおりに堅牢に機能するようにする課題に対処します。これには、AIの安全性と人間への適合性を確 …
AIエージェントは、定義された環境内で自律的に動作し、事前に設定された目的を達成するためのソフトウェアエンティティです。知覚メカニズムを利用してデータを収集し、この情報を処理して …
AIデータセンターは、特にディープラーニングのトレーニングや推論といったAIアプリケーションを実行するために最適化された物理施設です。これらのセンターには高密度サーバーラック、強 …
AIの擬人化とは、ユーザーがチャットボットやロボットなどの非人間エンティティに対して人間の特性を投影する心理的現象を指します。これにより、AIの能力や振る舞いに対する非現実的な期 …
AIブラウザは、人工知能の機能をユーザーインターフェースに直接組み込んだウェブ閲覧アプリケーションです。これらの機能には通常、自然言語による検索、自動コンテンツ要約、および対話 …
A/Bテストは、変数Aと変数Bの2つのバリエーションを比較し、特定の指標においてどちらがより良い結果をもたらすかを評価するためのランダム化制御実験です。AIエンジニアリングにおい …
AIオーバビューとは、大規模言語モデルによって生成され、さまざまなウェブソースやデータベースからデータを集約・統合した凝縮された要約です。従来の検索結果がリンクをリストするのとは …
AIモードとは、デジタルプラットフォームやアプリケーション内で、ユーザーとのインタラクションを向上させるためにAI機能がアクティブにされた特定の運用状態を指します。このモードは通 …
AIセキュリティ研究所とは、人工知能技術に関連するリスクを軽減することに特化した専門機関です。これらの研究所は、敵対的攻撃やデータプライバシーなどの問題に関する研究を実施し、安全 …
AI依存症とは、個人がチャットボットやソーシャルメディアアルゴリズムなど、AI駆動の相互作用に対して強迫的な信頼関係を発展させる行動状態を指します。この依存は、しばしばドーパミン …
ゼロショット学習により、機械学習モデルはトレーニングデータセットに含まれていなかったクラスのインスタンスを分類できます。考えられるすべてのクラスに対してラベル付き例に依存するので …
コンピュータビジョン（CV）は、コンピュータがデジタル画像、動画、その他の視覚入力から意味のある情報を引き出すように訓練するAIの一分野です。これには、アルゴリズムの開発が含まれ …
ビジョン・ランゲージモデルは、マルチモーダル大規模言語モデル（MLLMs）とも呼ばれ、コンピュータビジョンと自然言語処理を統合します。これにより、AIは画像を理解し、テキストを生 …
人工知能において、ベクトルは情報を数値的に表現するために使用される基本的なデータ構造です。これは、エンティティの特徴をマッピングする順序付けられた数のリスト（要素）で構成されま …
この基礎的な論文は、ニューラルネットワークの数学的モデルを提案し、単純な人工ニューロンがブール論理ゲートを実装できることを示しました。これらのユニットのネットワー …
ツール利用により、言語モデルは計算機、検索エンジン、またはデータベースクエリなどの事前定義された関数を呼び出すことで、外部ソフトウェア環境と対話できます。このアプローチは、モデル …
トークン制限は、大規模言語モデルのコンテキストウィンドウサイズの制約を定義し、一度に分析または生成できるテキストの量を制限します。このアーキテクチャ上の境界は、メモリ管理に影響を …
教師なし学習は、生データ内の隠れた構造、クラスター、または分布を自律的に特定します。一般的な手法には、クラスタリング、次元削減、生成モデリングがあります。これは、ラベル付けされた …
透明性は、ステークホルダーがAIモデルがどのように出力に至るかを理解できるようにし、信頼性と説明責任を促進します。これには、トレーニングデータの起源、モデルアーキテクチャ、および …
AIにおける翻訳は、ニューラル機械翻訳を指し、ディープラーニングモデルが言語間で意味表現をマッピングします。ルールベースシステムとは異なり、現代のアプローチは文脈的なニュアンスを …
ソフトマックスは、多クラス分類タスクにおけるニューラルネットワークの出力層で広く使用されています。これは生のロジット（logits）ベクトルを入力として受け取り、正規化を行うこと …
AIエンジニアリングにおけるテストは、バイアス、エラー、堅牢性の問題を特定するために、多様なデータセットに対してモデルを厳密に評価することを含みます。これには、コードコンポーネン …
教師ありファインチューニング（SFT）とは、言語モデルなどの大規模な事前学習済みモデルを取得し、特定のダウンストリームタスク向けにラベル付けされた高品質な小規模データセットを用い …
教師あり学習では、アルゴリズムはラベル付きデータセットで訓練されます。つまり、各入力例には正しい出力がペアになっています。目標は、モデルが入力と出力の間の潜在的な関係を学習するこ …
テキスト要約は、重要な意味を失うことなく、大量のテキストを短いバージョンに圧縮します。抽出型要約ではソースから重要な文を選択し、生成型要約では新しい文章を生成します。 …
SDK（Software Development Kit）は、開発者が特定のプラットフォームやサービス向けにアプリケーションを作成できるようにするソフトウェア開発ツールの集合体で …
意味検索は、単純なキーワードマッチングを超えて、クエリの意図と文脈的な意味を解釈します。テキストを高次元空間内のベクトルとして表現する埋め込みを使用し、… …
検索とは、ユーザーのクエリや文脈に基づいて、大規模なデータセットや外部ナレッジベースから特定の情報を検索・抽出する技術的プロセスを指します。現代のAIシステムでは、これ …
スキップ接続とも呼ばれる残差接続は、入力を後の層の出力に直接加えることで、ネットワーク内を勾配が流れることを可能にします。このアーキテクチャは、深いネットワークにおける勾配消失問 …
自己教師あり学習は、アルゴリズムが未ラベルデータ自体から教師信号を作成する技法であり、通常は入力の欠落部分を予測することによって行われます。これは、教師なし学習と… …
ReActフレームワークは、大規模言語モデル（LLM）が推論プロセスとタスク固有の行動を交互に生成することを可能にします。人間の思考過程をシミュレートすることで、モデルは外部環境 …
ReLUは、計算効率が高く、勾配消失問題を緩和できるため、ディープラーニングニューラルネットワークで広く使用されています。数学的には f(x) = max(0, x) と定義さ …
REST APIは、GET、POST、PUT、DELETEなどのHTTPプロトコルを介したステートレスな操作を利用することで、クライアントとサーバー間の通信を可能にします。リソー …
RNNは、テキスト、ゲノム、手書き文字、音声などのデータシーケンス内のパターン認識を目的としています。順伝播ネットワークとは異なり、過去の情報を捉える内部メモリを持っており、時系 …
AIにおいて、推論はデータ処理と洞察の生成のために、論理的演繹、帰納法、またはアブダクションをシミュレートするアルゴリズムを含みます。これには、記号論理、確率的推論、因果推論など …
QLoRAは、低ランク適応（LoRA）と4ビット量子化を組み合わせることで、巨大なモデルのファインチューニングに必要なメモリフットプリントを大幅に削減します。重みを4ビット形式で …
プロンプトインジェクションは、大規模言語モデルが入力テキスト内に隠されたまたは矛盾した指示を埋め込むことでユーザーの指示を解釈する方法を利用します。これにより、モデルが元の安全制 …
トランスフォーマーはRNNのように逐次的ではなく、すべてのトークンを並列で処理するため、トークンの順序に関する内在的な知識を持ちません。位置エンコーディングは、入力埋め込みベクト …
質問応答（QA）は、与えられた文脈やナレッジベースから、ユーザーのクエリに対する正確なレスポンスを取得または生成することを含みます。これは、特定のドキュメントに依存するクローズド …
量子化は、高精度な浮動小数点数（例：FP32）を低精度フォーマット（例：INT8やFP16）に変換します。この精度の低下により、モデルのメモリ使用量と計算要件が減少し、推論速度が …
マルチインスタンス学習（MIL）は、データが単一のラベルを持つ「バッグ」にグループ化され、そのバッグ内の個々のインスタンスにはラベルが付けられていないシナリオに対処する手法です。 …
過学習は、モデルがトレーニングデータ（そのランダムなノイズや外れ値を含む）を過度に学習してしまった状態を指します。その結果、トレーニングデータ上では優れたパフォーマンスを示します …
AIにおける計画とは、初期状態から望ましいゴール状態へと至る一連の行動を決定することを指します。これには、行動の効果や環境の制約について推論を行うことが必要不可欠です。 …
固有表現認識（NER）は情報抽出のサブタスクであり、テキスト中に現れる固有表現を検出し、人名、組織名、地名、医学用語などの事前に定義されたカテゴリに分類します。これにより、非構造 …
機械学習において、最適化とは損失関数を最小化するようにモデルパラメータを調整するためのアルゴリズムを指し、それによってモデルの性能を向上させます。一般的な手法には勾配降下法やその …
マルチエージェントシステムは、それぞれが異なるタスクやドメインに特化している可能性のある複数の独立したエージェントで構成されます。これらのエージェントは互いに通信し、行動を調整す …
マルチモーダルAIシステムは、異なる感覚入力からの情報を統合し、世界に対するより包括的な理解を形成します。単一のデータタイプに制限されたユニモーダルモデルとは異なり、マルチモーダ …
人工知能において、メモリとは、単一の推論ステップを超えて情報を保持するメカニズムを指します。これには、短いスパンの作業用メモリ（そのセッション内の直近の文脈を処理するため）や、長 …
モデルサービングとは、静的にトレーニングされたモデルを取り込み、それを受信リクエストを処理し、推論を実行して結果を返すためのスケーラブルなインフラストラクチャで包むことを指しま …
モデルコンテキストプロトコル（MCP）は、AIアプリケーションがデータベース、API、ファイルシステムなどの多様なデータソースに統一された方法で接続できるようにするオープンスタン …
ナレッジベースは、正確で文脈に応じた回答を提供するためにAIシステムが照会できる、キュレーションされたデータ、ドキュメント、または事実を含むデジタルライブラリとして機能しま …
レイテンシは、通常ミリ秒単位で表されるAIサービスの応答性を測定する指標です。これには推論時間、ネットワーク伝送遅延、および処理オーバーヘッドが含まれます。リアルタイム性が求めら …
LSTMネットワークは、入力ゲート、忘却ゲート、出力ゲートの3つのゲート機構とセル状態を使用することで、標準的なRNNで一般的に見られる消失勾配問題に対処します。これらのゲートは …
学習率は、各トレーニング反復中に計算された勾配に対してモデルの重みがどの程度更新されるかを決定します。学習率が大きすぎるとモデルが最適解を見逃す可能性があり、小さすぎると学習収束 …
コスト関数または誤差関数とも呼ばれる損失関数は、モデルの性能がどの程度良好かを示すスカラー値を提供します。トレーニング中、最適化アルゴリズムはこの値を使用して勾配を計算し、モデル …
ジェイルブレイクとは、AIモデルをだまして組み込みの安全ガイドラインを無視させ、ヘイトスピーチや危険な指示など禁止されたコンテンツを生成させるような特定の入力を構築する行為です。 …
ヒューマン・イン・ザ・ループ（HITL）とは、データラベリング、モデル評価、最終的な意思決定承認など、ワークフローの様々な段階で人間の介入が必要なAIシステムを指します。このアプ …
解釈可能性（または説明可能性）とは、AIモデルの内部動作や意思決定プロセスを人間が透明かつ理解可能にすることです。これはデバッグや信頼性の確保にとって重要です。
…
関数呼び出しにより、大規模言語モデルはJSONオブジェクトなどの構造化出力を生成することで外部ツールやAPIと連携し、実行すべき関数とその引数を指定できます。
勾配降下法は、微分可能な関数の局所的最小値を見つけるための一階の反復最適化アルゴリズムです。機械学習では、モデルの重みを勾配の逆方向に更新して損失を最小化します。
フューショットラーニングは、人間のような学習効率を模倣し、わずかな例数からモデルが一般化できるようにすることを目的としています。通常、これはメタラーニング戦略に依存しており、モデ …
この手法は、プロンプト内に直接的な例示的なサンプルを提供することで、大規模言語モデルのコンテキスト内学習（インコンテキストラーニング）能力を活用します。モデルの重みを更新するファ …
フェデレーテッドラーニングにより、組織は機微な生データを共有することなく、共同でAIモデルを訓練することができます。情報を中央集約するのではなく、モデルをローカルデバイスに送信 …
計算文脈において、フラックスは単位時間あたりに特定の面積を通過する量の移動速度を記述します。AIおよびデータエンジニアリングの分野では、これは主にデータストリーミングに関連してお …
人工知能において、公平性は、人種、性別、年齢などの保護属性に基づく社会的バイアスを永続化したり増幅したりしないようにする重要な倫理的指標です。これは、アルゴリズムが公正であり、す …
Dockerにより、開発者はアプリケーションとそのすべての依存関係をソフトウェア開発の標準化されたユニットにパッケージ化できます。これらのコンテナはソフトウェアを環境から分離し、 …
エンコーダーは生の入力シーケンスやデータ構造を処理し、潜在空間表現（エンベッディングやコードと呼ばれることが多い）に変換します。これらはTransformerやオートエンコーダー …
これらのモデルは、高次元データをより低次元の連続的なベクトル空間にマッピングし、類似したアイテムが近くに位置するようにします。この変換は意味的な関係性を捉え、類似検索やクラスタリ …
ニューラルネットワークにおいて、ドロップアウトは各トレーニングステップ中にランダムなサブセットのニューロンを一時的に削除することで過学習を防ぎます。これにより、ネットワークは結合 …
この概念は、SHAPやLIMEなどの手法を用いてモデルが特定の予測に至るプロセスに関する洞察を提供することで、複雑なAIシステムの「ブラックボックス」問題に対処します。これによ …
データ保護には、個人情報や機密データを侵害や悪用から守るために設計された法的、技術的、組織的な対策が含まれます。AIにおいては、暗号化の実装、アクセス制御、匿名化などの手法を通じ …
ディープフェイクは、生成敵対ネットワーク（GAN）やオートエンコーダーを使用して作成される超現実的な音声または動画の操作です。これらは誤情報やプライバシー侵害といった重大な倫理的 …
シーケンスツーシーケンスモデルにおいて、デコーダーはエンコーダーによって生成されたコンテキストベクトルを受け取り、ターゲット出力を段階的に生成します。関連する部分に焦点を当てるた …
継続的インテグレーション（CI）は、複数の貢献者からのコード変更を単一のソフトウェアプロジェクトに統合するプロセスを自動化する重要なDevOpsプラクティスです。自動化されたビル …
分散トレーニングは、複数のGPUやノード間で計算を並列化することにより、モデルの収束を加速します。これには、各ワーカーがデータのサブセットを処理するデータ並列性や、モデルの異なる …
バイトペアエンコーディング（BPE）は、未登録語（Out-of-Vocabulary）への対応など、自然言語処理のために適応されたデータ圧縮技術です。これは個別の文字からなる語彙 …
Claudeは、AI安全性を専門とする企業であるAnthropicによって作成された高度な大規模言語モデルシリーズです。強力なアライメント原則と憲法ベースのAIフレームワークで知 …
コマンドラインインターフェース（CLI）は、グラフィカルな要素を使用するのではなく、テキストコマンドを入力することでユーザーがソフトウェアを制御できるようにします。AI開発におい …
コードは、コンピュータが特定のタスクを実行するために実行するPython、C++、JavaScriptなどのプログラミング言語で書かれた一連の指示を表します。人工知能において、 …
思考の連鎖（CoT）プロンプティングは、モデルに段階的なロジックを明示的に記述させることで、複雑な推論タスクにおける大規模言語モデルのパフォーマンスを向上させます。 …
AI倫理は、人工知能技術が開発および使用される際に責任ある形で行われることを保証するために設計された原則と基準の枠組み encompass します。これは、アルゴリズムバイアスや …
アダプターは、主に大規模言語モデルやトランスフォーマーで使用されるパラメータ効率の高いファインチューニング手法です。すべてのモデル重みを更新するという計算コストの高い作業の代わり …
アテンション機構により、モデルは特にテキストのような逐次データを処理する際に、関連情報に焦点を当てることができます。アテンションスコアを計算することで、モデルはどの要素が現在の出 …
「エージェント型」という用語は、高い自律性を持って動作するAIエージェントを記述します。単にテキストを予測したりデータを分類したりする受動的なモデルとは異なり、エージェント型シス …
活性化関数はニューラルネットワークに非線形性をもたらし、複雑なパターンやデータ内の関係を学習可能にします。これらの関数がなければ、多層ネットワークは単なる線形変換として振る舞うこ …
ゼロショット学習により、モデルは初期学習フェーズ中にラベル付き訓練データが提供されていない新しいカテゴリやタスクに一般化できます。これは通常、セマンティック埋め込みなどの手法を活 …
AIおよび工学において、トレードオフとは、モデルの精度と計算コスト、あるいはレイテンシと精度など、競合する目的を最適化する際に必要なバランスを指します。リソースは限られているた …
トレーニングフリーのアプローチとは、逆伝播によって基礎的な重みを更新することなく、モデルの動作や出力を変更する技術を指します。これらの手法は、 …
ビジョンベースのパラダイムは、カメラと画像処理アルゴリズムを利用して、視覚的なシーンから意味のある情報を抽出します。これらのシステムは、ロボット工学、自動運転、拡張現実の基盤技術 …
二段階アーキテクチャは、複雑なタスクを2つの分離されたステップに分割します。通常、検出に続き分類や精製が行われます。コンピュータビジョンでは、Faster R-CNNなどのオブジ …
タスク固有とは、画像内の物体検出や言語翻訳など、狭い範囲の目的において卓越するように調整されたAIモデルやコンポーネントを指します。汎用のファウンデーションモデルとは異なり、特定 …
ポストトレーニングは、大規模な汎用データに対する初期の事前学習の後に発生する、機械学習ライフサイクルにおける重要な段階です。このフェーズでは、モデルは特定の用途に合わせて調整さ …
人工知能において、リアルタイムとは、システムが入力を処理して出力を生成する際に、最小限のレイテンシ（遅延）、通常はミリ秒単位で動作する能力を意味します。これは、遅延が許容されない …
事前学習済みモデルは、WikipediaやImageNetのような大規模で多様なデータセットに対して広範なトレーニングを受けた基盤となるAIモデルです。この初期トレーニングによ …
自己教師あり学習は、教師信号が手動ラベリングの必要性を排除するためにデータ自体から自動的に導き出される機械学習の一分野です。モデルは通常、データ内の構造を利用して予備課題を解くこ …
オープンウェイトモデルは、完全にオープンソースなAIとは異なり、最終的に学習されたパラメータのみがリリースされ、それを作成するために使用されたインフラストラクチャやデータが必ずし …
オープンソースとは、ソフトウェアプロジェクトの基盤となるコードが公にアクセス可能である開発モデルを指します。AIにおいて、これは研究者や開発者がアルゴリズムを検査、修正、再配布す …
ワンショット学習は、トレーニング中に正例を1つだけ見た後で新しいクラスやタスクに一般化する必要がある、ファインショット学習の特定のタイプです。このアプロー …
機械学習および最適化において、ワンステップ法は収束するために複数のイテレーションや更新を必要とせず、問題を直接解きます。 …
分布外（OOD）検出は、トレーニングデータの分布の範囲外にある入力を特定します。モデルはOODデータに対して性能が低下したり、自信を持って誤った予測をしたりすることが多く、信頼性 …
オンポリシーアルゴリズムでは、エージェントは現在のポリシーによって取られた行動から直接学習する必要があります。これは、探索中に収集されたデータが即座にポリシーの更新に使用され、一 …
マルチエージェントシステムは、環境を認識し、意思決定を行い、それに基づいて行動する複数の独立した知的エンティティで構成されています。これらのエージェントは、互いに協力したり、競争 …
マルチステージのアプローチは、複雑なワークフローを管理可能なセグメントに分解し、各ステップで専門的な処理を可能にします。この方法は、制御の強化、デバッグ、パフォーマンスの最適化を …
マルチステップメソッドは、複雑なクエリやタスクをより小さく実行可能なステップに分解することを含みます。このアプローチは、数学的な問題解決やコード生成などの推論タスクにおいて重要で …
自然言語とは、曖昧さ、慣用句、文化的ニュアンスを含む、人間が話したり書いたりする方法を指します。AIにおける自然言語処理には、構文、意味論、および文脈の理解が含まれます。 …
学習ベースのアプローチは、統計的アルゴリズムに依存し、データへの曝露に基づいてパターンを特定し意思決定を行います。これはルールベースシステムとは対照的です。このカテゴリには、教師 …
人工知能において、高品質とは通常、高い忠実度、低いノイズ、そして強力な汎化能力を備えたデータやモデルの出力を記述します。高品質なトレーニングデータは、モデルの堅牢性を確保し、過学 …
大規模とは、AIシステム内のコンポーネントの規模を指し、しばしば数十億のパラメータ、テラバイト単位のトレーニングデータ、または分散コンピューティングクラスターを伴います。このアプ …
長期ホライズンの問題では、初期の意思決定の影響が多くのステップを経て初めて現れる一連の行動が含まれます。これはロボット工学、計画立案、多段階推論タスクで一般的です。主な課題は、長 …
低コストAIは効率性を重視し、機械学習に伴う参入障壁と運用費用の削減を目指します。これには、モデル圧縮、量子化、剪定などの技術が含まれ、リソース制約のある環境での実装を可能にしま …
「ホールドアウト」データセットとは、機械学習モデルの学習フェーズから意図的に除外された例の集合です。このサブセットは、モデルが見知らぬデータに対してどれほどよく一般化できるかを評 …
人工知能および数学において、「一階の」は通常、高次相互作用を伴わない直接的な線形関係を持つシステムや操作を記述します。最適化においては、勾配降下法などの手法に関連し、目的関数の一 …
高次元とは、膨大な数の属性や特徴量を含むデータセットやベクトル空間を指します。AIでは、テキスト埋め込み、画像ピクセル、または遺伝子発現データなどで一般的です。豊富な情報を含みま …
AIにおいて、「高水準」とは複雑なプロセスを簡素化する抽象化を指します。Pythonなどの高水準言語やAPIを使用することで、開発者はメモリ管理やハードウェアの詳細を意識せずにモ …
高精度とは、生成モデルからの出力が本物のデータと見分けがつかないか、非常に類似している状態を指します。画像生成ではリアルな質感や照明を意味し、音声では自然なトーンや抑揚を含みま …
ファイングレインド分析とは、主要なクラスだけでなく、サブクラスレベルでオブジェクトや概念を識別および分類することを含みます。例えば、犬の品種全体を「犬」として分類するのではなく、 …
ファインチューニングとは、すでに大規模で一般的なデータセットで学習済みのモデルを取得し、より小さくタスク固有のデータセットでその学習を継続する技術です。この手法は、事前学習によっ …
フューショット学習は、機械学習モデルが非常に限られたデータ（通常、クラスあたり1〜10個の例）から一般化できるようにする手法です。従来の教師あり学習が数千から数百万の例を必要とす …
人工知能における意思決定とは、システムが特定の基準や目的に対して潜在的な行動を評価し、最適な結果を選択するアルゴリズム的プロセスを指します。これは、利用可能な情報に基づいて複数の …
拡散ベースのモデルは、ランダムな分布からノイズを反復的に除去することで新しいデータサンプルを作成する生成AIの一種です。このプロセスは、ガウスノイズを徐々に付加する順過程（フォ …
AIにおけるクローズドループシステムは、環境からのリアルタイムフィードバックを利用して、動作やパラメータを動的に調整します。これは、事前に定義されたシーケンスを実行するだけのオー …
クロスモーダルAIは、視覚、聴覚、テキスト入力など、異なるモダリティからのデータを処理し相関させることを指します。これらのシステムは共通の表現を学習することで、異なるデータタイプ …
AIにおいて、ブラックボックスモデルとは、内部の意思決定ロジックが不透明で人間には解釈が難しい、ディープニューラルネットワークなどの複雑なシステムを指します。これらのモデルはしば …
ワッサースタイン距離（地球移動距離とも呼ばれる）は、ある分布から別の分布へ質量を移動させるために必要な最小の「仕事量」を計算することで、2つの確率分布間の非類似度を定量化します。 …
連続時間モデルは微分方程式を用いてシステムの動態を記述し、時間の経過とともに状態が滑らかに変化することを可能にします。AIでは、ニューラル常微分方程式（Neural ODEs）が …
データベースクエリや論理処理において、「UNLIKE」は通常「NOT LIKE」演算子を指し、パターンマッチングの逆を行います。これは、カラムの値が指定されたパターンに一致しない …
伝統的には輸送手段を意味しますが、AI用語では、「ビークル」はモバイルアプリ、Webインターフェース、または組み込みシステムなどのインテリジェントサービスの配信メカニズムを比喩的 …
データベース管理において、ビューはテーブルのように動作するが、データ自体は含まない保存されたSQLクエリです。これは、基盤となるデータへの簡略化されたまたはカスタマイズされた視点 …
AIにおける「ビジュアル」という用語は、主にコンピュータビジョンを指します。これは、機械がデジタル画像、動画、その他の視覚入力から意味のある情報を抽出することを目的とした分野で …
ベクトルデータベースは、データを数値埋め込み（embeddings）に変換することで、構造化されていないデータの保存と取得を最適化します。これらは、近似最近傍探索（ANN）などの …
「Attention Is All You Need」論文で紹介されたTransformerアーキテクチャは、自然言語処理およびそれ以外の分野に革命をもたらしました。これはマルチ …
「Transformers」という用語は、しばしばHugging Faceによってメンテナンスされている広く使用されているPythonライブラリを指します。これは、事前学習済みモ …
チューニングは、より高い精度や効率を実現するために機械学習モデルを洗練させることを指します。これには、学習率やバッチサイズなどの設定を最適化するハイパーパラメータチューニングが含 …
転移学習は、新しい関連タスクにおけるパフォーマンスの向上とトレーニング時間の短縮を実現するために、事前学習済みモデルを活用します。ゼロからトレーニングするのではなく、開発者は既存 …
AIの理解は、統計的な相関関係を超えて、データの潜在的な意味を解釈することを目指します。言語モデルの場合、これは構文、意味論、語用論を把握し、一貫性のある適切な出力を生成すること …
AI開発において、「Towards」は、勾配降下法などが重みを変化させて損失値の最小値へ向けて移動するような、最適化プロセスの軌道を描く際に頻繁に使用されます。また、研究の方向 …
トークンは、通常単語、サブワード、または文字を表すNLPにおける入力データの基本的な構成要素です。大規模言語モデル（LLM）は、テキストをトークンに変換して処理します。これらの …
トークン化は、構造化されていないテキストをモデルが取り込める構造化データに変換する自然言語処理（NLP）における重要な前処理ステップです。これには、文章を単語やサブワードに分解 …
厳密な技術用語ではありませんが、AIの文脈における「Together」は、共通の目標に向かって動作するマルチエージェントシステムや、複数のモデルが結果を組み合わせるアンサンブル学 …
時間は、特にシーケンシャルモデリングやリアルタイムシステムにおいて、人工知能における基本的な概念です。これはデータポイントを順序付ける軸として機能し、再帰型ニューラルネットワー …
AI用語の文脈において、「シンバル」に確立された定義はありません。これは「記号的（Symbolic）」の誤記で、記号推論AIを指している可能性があります。あるいは、非標準的な造語 …
「スルー」はAI用語において単独で定義を持ちません。これは一般的に「スループット（処理速度）」や、信号がノードを通過する「ニューラルネットワークレイヤー」などの文脈で使用されま …
テストセットは、トレーニングプロセス中に保持され、最終モデルの汎化能力を評価するために使用されるデータの一部分です。ハイパーパラメータのチューニングに使用される検証セットとは異な …
AIにおける合成データは、現実世界のデータを模倣していますが、実際の個人情報や機密記録を含まない人工的に生成された情報です。実データの入手が困難な場合やプライバシー保護が必要な場 …
AIにおける時系列的な概念には、株価、センサー読み取り値、自然言語の文章など、時間順に並べられたデータポイントの分析が含まれます。時系列データを扱うモデルは、シーケンスの順序や時 …
確率的な要素は、データ内のノイズや重みのランダムな初期化など、AIシステムに変動性をもたらします。決定論的モデルとは異なり、確率的モデルは不確実性を考慮するため、予測の信頼性向上 …
教師あり学習では、入力と正解（ラベル）の両方を含むデータアルゴリズムに供給します。モデルは予測誤差を最小化することで、入力を出力へマッピングすることを学びます。この技術は広く使用 …
AIの用語において、「具体的には」はモデル、データポイント、または操作の定義における精度を示します。これは一般的なカテゴリから正確なパラメータを区別し、技術文書における明確さを確 …
構造的側面は、データやニューラルネットワークレイヤーがどのように整理されているかを定義します。グラフニューラルネットワークでは構造はノード間の接続を指し、ディープラーニングではレ …
状態は、マルコフ決定過程（MDP）などのシステムにおいて将来の行動を決定するために必要なすべての関連情報を表します。強化学習において、状態は環境のコンテキストを内包します。 …
AIの文脈において、「ソース」は通常、トレーニングデータセット、オープンソースライブラリ、または事前学習済みモデルの重みの由来を示します。再現性やライセンス遵守のためにソースを追 …
AIセキュリティには、敵対的攻撃、データポイズニング、モデル逆引きなどの脅威から、機械学習モデル、データパイプライン、およびデプロイメントインフラストラクチャを守るための対策が含 …
AIにおけるセマンティック分析は、表面的なパターンだけでなく、入力の下にある意味を理解することに焦点を当てます。これには、単語や記号を概念にマッピングし、関係性を捉えることが含ま …
セルフアテンションにより、モデルは距離に関係なく、シーケンス内のすべての位置間の依存関係を同時に捉えることができます。すべてのトークンのペア間でアテンションスコアを計算することに …
現在のAIには意識がありませんが、「自己」という用語は、モデルが自身の出力、信頼度、または内部状態を分析するメタ認知能力を記述するためにしばしば使用されます。これは文脈によって現 …
スケーリングは、より多くの層、ニューロン、またはトレーニング例を追加することでAIシステムを展開する積極的な方法論です。これには、増加に対応するために複数のGPUにわたる分散ト …
人工知能において、スケーリング（スケール拡大）は通常、パフォーマンスを向上させるためにデータセット、モデルパラメータ、または計算能力の規模を増やすことを伴います。この概念は、大規 …
スコアは、精度、精密率、または報酬などの特定の指標に対して機械学習モデルがどの程度良く機能しているかを定量化します。強化学習では、スコアは累積報酬を示し、分類では
人工知能における科学的アプローチは、証拠に基づく開発と検証を強調します。これには、モデルの挙動に関する仮説の設定、制御された実験の実施、および
AIにおける科学的 …
探索は、ゲームプレイやルート計画などの複雑な問題空間をナビゲートするために使用されるAIの基本パラダイムです。A*、Minimax、モンテカルロ木探索などのアルゴリズムは、潜在的 …
AIにおける安全性とは、自動化されたシステムが予測可能に振る舞い、意図しない悪影響を引き起こさないようにするために、制約と安全対策を実装することを伴います。これには、技術的措置（ …
AI安全性は、高度な人工知能からの有害な結果を防ぐことに焦点を当てた学際的な分野です。これには、アライメント、解釈可能性、ロバスト性などの技術的課題や、ガバナンス、規制、倫理的枠 …
人工知能において、ロバスト性は、敵対的攻撃、データ分布のシフト、またはノイズのある入力に対してモデルが持つ耐性を指します。ロバストなアルゴリズムは、これらの擾乱に対しても正しく機 …
ロボッツには、移動能力、構造、または適用分野によって分類される多様な機械クラスが含まれます。このカテゴリには、産業用アーム、自律型移動ロボット（AMR）、ドローンなどが含まれま …
ロボットは、自律的または半自律的な機械装置であり、独立して、または遠隔操作によってタスクを実行するために設計されています。通常、環境知覚のためのセンサー、アクチュエータ（駆動 …
「Rather」という用語自体は、好みや対比を示す標準的な英語の副詞です。人工知能（AI）および大規模言語モデル（LLM）という特定のドメインでは、それは固有の技術的概念を構成す …
人間からのフィードバックによる強化学習（RLHF）は、大規模言語モデルの出力を人間の価値観や期待により一致させるために微調整（ファインチューニング）を行う手法です。通常、このプロ …
強化学習（RL）は、インテリジェントエージェントが環境の中で累積報酬を最大化するためにどのような行動を取るべきかという焦点を当てた機械学習の一分野です。教師あり学習とは異なり、正 …
強化は、エージェントの行動が結果によって形成される基本的な心理的かつ計算的なメカニズムです。機械学習において、これは正のフィードバック（報酬）を提供することで、望ましい行動を促進 …
検索拡張生成（RAG）は、検索ベースのAIシステムと生成ベースのAIシステムの強みを組み合わせたものです。事前学習された言語モデルのパラメータのみ頼るのではなく、RAGはまずクエ …
AIにおいて「レート」は最も頻繁に学習率を指し、これはモデルの重みが更新されるたびに推定されたエラーに応じてモデルをどの程度変更するかを制御するハイパーパラメータです。レー …
人工知能におけるプライバシーとは、データの収集、モデルの学習、推論の各段階において、機密性の高いユーザー情報を不正なアクセスや悪用から保護することを指します。これには、 …
AI開発におけるプロセスとは、生データを処理可能な洞察やモデルへと変換するために必要な体系的なワークフローを指します。これには、データ取り込み、前処理、特徴量
特 …
プロンプトは、大規模言語モデル（LLM）やその他の生成AIシステムと対話するための主要なインターフェースとして機能します。それはモデルの出力に対するコンテキスト、トーン、制約を定 …
ランダム性は、モデル重みの初期化、データセットのシャッフル、過学習を防ぐためのトレーニング中の確率的要素の導入など、AIにおいて基本的な役割を果たします。コンピュータは決定論的で …
AIおよびテクノロジーガバナンスの文脈において、ポリシーとは、AIシステムの開発、導入、監視の方法を規定する公式なフレームワークを指します。これらの文書は、技術の責任ある使用とコ …
事前学習は、深層学習における基礎的な技法であり、モデルがラベルのない大量のデータから広範な特徴やパターンを学習するプロセスです。これにより、モデルは汎用的な表現を獲得し、後続の特 …
「プライア」は、新たな観測値を組み込む前に、変数に関する既存の信念や歴史的データを表します。ベイズ推論において、事前分布は観測データの尤度と組み合わされ、事後分布（ポストリア）を …
デジタルコミュニケーションおよびAIデータの文脈において、「投稿」とはオンライン上で共有される離散的なコンテンツ単位を指します。これは自然言語処理モデルの訓練、感情分析、および …
「ポリシー」という用語は文脈によって二つの意味を持ちます。一般的な経営では、意思決定のための指針を意味しますが、強化学習（RL）では、エージェントが特定の状態で取るべき行動を決定 …
人工知能の文脈における「オープン」という用語は、多くの場合、2つの異なる領域を記述します。1つはモデルの重みとコードが改変のために公開されているオープンソースソフトウェアであり、 …
AIおよび最適化理論において、最適解とは、強化学習における最大報酬や回帰分析における最小誤差など、可能な限り高いパフォーマンス指標を達成するものを指します。 …
AIモデルを評価する際、「全体」指標は、個々のコンポーネントに焦点を当てるのではなく、システムパフォーマンスの包括的な視点を提供します。これには、全体の精度、平均平均適合 …
AIにおける知覚は、生センサーデータを上位レベルの推論モジュールで処理できる意味のある情報に変換することを含みます。これには、視覚シーンを解釈するためのコンピュータビジョン …
AIの文脈における点は、通常、特徴空間または埋め込みベクトル内の離散座標を示します。例えば、K-Meansのようなクラスタリングアルゴリズムでは、各データサンプルは「」内の点とし …
オブジェクトは、特にオブジェクト指向プログラミング（OOP）において、コンピュータサイエンスにおける基本的な概念です。それはクラスのインスタンスを表し、状態（属性またはデータ）と …
オンライン学習は、モデルが一度に静的なバッチデータで訓練されるのではなく、新しいデータポイントが届くたびに増分的に更新される機械学習のパラダイムです。このアプローチは重要であ …
ニューラルネットワークは、人間の脳の動作様式を模倣するプロセスを通じて、データセット内の基礎的な関係性を認識しようとする一連のアルゴリズムです。それは層で構成されています。 …
自然言語処理（NLP）は、人工知能の一分野であり、計算言語学と統計的、機械学習、深層学習モデルを組み合わせたものです。これにより、機械は人間のような言語を処理することが可能になり …
AIおよびデータサイエンスの文脈において、数値とは、整数、浮動小数点数、小数など、定量的な値を含むデータタイプや手法を指します。カテゴリカルやテキストデータとは異なり、数値データ …
コンピュータビジョンやロボティクスにおいて、モーションは視覚データや物理システム内の動きの検出と分析を指します。オプティカルフローなどのアルゴリズムは、見かけ上の運動のパターンを …
AIのドキュメントや技術文脈において、「Moreover」は、支持する証拠を追加したり、現在の議論を強化するさらなるポイントを提示することを示す談話マーカーとして機能します。 …
特にマルチエージェントシステムや強化学習におけるAIでは、ナッシュ均衡とは、他のすべてのエージェントの戦略が与えられたとき、各エージェントの戦略が最適である安定した状態を記述しま …
接頭辞「multi-」は、AIにおいて複数の並列コンポーネントを含むアーキテクチャやプロセスを示すために頻繁に使用されます。例えば、Multi-Head Attention（マル …
マルチヘッドアテンションは、標準的なアテンションメカニズムを、異なる学習された線形射影を使用して並列で複数回実行することで拡張します。これにより、モデルは情報の異なる側面に結合し …
Mambaは、ハードウェア対応の選択的状態空間モデル（SSM）を導入することで、シーケンスモデリングにおける重要な進展を表しています。従来のトランスフォーマーがシーケンス長に対し …
マッチングは、異なるデータエンティティ間の関係を確立するために機械学習で用いられる重要な技術です。コンピュータビジョンでは、特徴量マッチングにより画像間で対応する点を特定し、他の …
人工知能および確率理論において、マルコフ過程は状態間をランダムに移行するシステムを記述するために使用される基本的なモデルです。その核心原理はマルコフ性質であり、システムの将来の状 …
AIにおけるモデリングは、データからパターンを学習するアルゴリズムの設計、訓練、検証を含む一連のワークフロー encompass します。これには、適切なアーキテクチャの選択、損 …
モンテカルロ技法は、数学的な量を推定するために反復的な乱数サンプリングに依存する計算アルゴリズムのクラスです。これらは特に高次元積分、確率的推論、および不確実性下での意思決定にお …
コンピュータサイエンスおよびAI開発における基本的な制御フロー構造であるループは、アルゴリズムがデータセットを反復処理したり、繰り返し計算を実行したり、トレーニングのエポックを実 …
人工知能（AI）において、「ローカル」とは通常、リモートサーバーに依存せず、ノートパソコンやスマートフォンなどのユーザーのハードウェア上で直接実行される操作を指します。このアプ …
損失関数（コスト関数とも呼ばれる）は、トレーニング中に機械学習モデルの予測が正解とどれだけ一致しているかを測定します。最適化アルゴリズムの目的は、この損失値を最小限に抑えることで …
AIの文脈において、「ロング」はしばしば、長文書や長時間のビデオストリームなど、広範な入力を処理する能力を記述します。大規模言語モデルの場合、これは長いコンテキストウィンドウの管 …
機械学習（ML）は、コンピュータが履歴データからパターンを学習し、新しい未見のデータに対して意思決定や予測を行うことを可能にします。これには、教師あり学習、教師なし学習、強化学習 …
LoRAは事前学習済みモデルの重みを凍結し、トランスフォーマーアーキテクチャの各層に学習可能な分解行列を挿入します。この低ランク行列のみを最適化することで、LoRA …
機械学習において、潜在変数は観測されるデータに影響を与える未観測の要因です。ニューラルネットワーク、特にオートエンコーダーや拡散モデルでは、 …
線形操作には、非線形活性化関数を伴わない乗算と加算が含まれます。ニューラルネットワークでは、線形レイヤー（または密結合層）が入力ベクトルに重み行列変換を適用します。線形操作のみで …
この用語は、数十億ものパラメータを持つモデルを活用して、多様な言語タスクにおいてゼロショットまたはフューショット学習を行うより広い適用パラダイムを指します。これは専門的なモデルと …
大規模言語モデル（LLM）は、トランスフォーマーアーキテクチャに基づく高度な人工知能システムであり、テキストやコードの巨大なデータセットで学習します。これらは言語内の統計的パター …
このプロセスは、一般的な事前学習と特定のタスクパフォーマンスのギャップを埋めます。多様な指示-応答ペアにモデルを曝露させることで、追加の
インストラクションチュー …
ランジュバンダイナミクスは、エネルギーランドスケープを効率的に探索するためにランダムなノイズと減衰力を組み込みます。AIでは、 …
AIおよびコンピュータサイエンスの文脈において、情報は生データとは区別されます。それは、意味と有用性を持つように整理、構造化、または解釈されたデータを表します。情報は、 …
これは技術的なAIアルゴリズム用語ではありませんが、「instead」はプロンプトエンジニアリングや自然言語理解において重要です。これは節間の対比または置換関係を示します。LLM …
AIにおいて、知識はしばしば推論や推論を可能にするデータベース、オントロジー、またはニューラルネットワークの重みに保存された明示的な情報を指します。それはDIKW階層において情報 …
AIにおける「ガイド付き」とは、モデルの挙動が主要な入力情報に加えて、追加的な情報によって誘導される技術を指します。代表的な例としては、クラスラベルなどの条件に基づいて拡散プロセ …
人工知能において、「グラウンデッド（Grounded）」とは、単語や論理命題などの記号的表現を、物理世界や感覚経験における実際の対象物と関連付けるプロセスを指します。これによ …
古典力学に由来するハミルトニアンは、系の運動エネルギーと位置エネルギーの和を表します。AIでは、ハミルトニアンニューラルネットワーク（HNN）がこの概念を取り入れ、物理法則に従う …
階層的なAIシステムは、情報の処理や制御をネストされた層のツリー構造として組織化します。強化学習では、階層的強化学習（Hierarchical RL）が複雑なタスクをサブゴールに …
数学および理論計算機科学において、群とは、閉包性、結合法則、単位元の存在、逆元の存在という4つの公理を満たす二項演算が定義された集合Gのことです。AIにおいては、特に対称性や不変 …
AIにおける「グローバル」という用語は通常、「ローカル」と対比され、システム全体を包含する側面を指します。最適化においては、グローバル最小値は、全体の損失関数表面全体で最も良い解 …
グラフは、頂点（ノード）とエッジ（リンク）から成り立ち、関係性を示すAIにおける基本的なデータ構造です。グラフニューラルネットワーク（GNN）はこの構造を活用し、非ユークリッド …
単数の「graph」が抽象的なデータ構造を指すのに対し、「graphs」は複数の個別のグラフインスタンス、またはMLモニタリングで使用される視覚的なプロットを指すことが一般的で …
人工知能において、生成とは、特に生成敵対ネットワーク（GAN）やトランスフォーマーベースの大規模言語モデル（LLM）などのモデルが、テキストや画像などの新規コンテンツを生成する能 …
AIおよびコンピュータサイエンスの文脈において、「given（与えられた）」は、計算が始まる前にモデルや関数に供給される初期状態、データセット、またはパラメータを指します。これは …
ガウス分布とは、平均と分散によって特徴づけられる連続確率分布である正規分布を指します。AIにおいては、確率的モデリング、ベイズ推論、およびノイズのモデル化などに広く使用されていま …
技術的なアルゴリズムではありませんが、「furthermore（さらに）」はAIのドキュメントや研究論文における重要な言語的ツールです。これはアイデアをつなぎ、次の記述が前の内容 …
人工知能において、ファウンデーションモデルとは、画像、テキスト、音声など、大規模な広範なデータを用いて訓練された大規模な機械学習モデルを指します。これらのモデルは適応性を重視して …
AIの文脈において、「フリー」は通常、ユーザーが料金を支払うことなくアクセス、修正、配布できるオープンソースのモデル、データセット、またはツールを指します。これは、特許やライセン …
「生成された」という用語は、テキスト、画像、音声、コードなどの生成AIモデルによって出力された内容を指します。既存のデータを検索して返す検索ベースのシステムとは異なり、生成モデル …
ファインチューニングは、大規模データセットで訓練された汎用モデルを取得し、特定のタスクに対する性能を向上させるために、より小さく専門的なデータセットでさらに訓練を行うことを含みま …
フィードバックメカニズムにより、AIシステムはユーザーや環境との相互作用から学習し、将来の予測や行動を洗練させることができます。これには強化学習の信号やヒューマン・イン・ザ・ルー …
データフローは、AIシステム内でのデータ取り込みから最終出力に至るまでのパスを含み、前処理、特徴抽出、モデル推論、後処理が含まれます。効率的なデータフロー管理はシステム統合にとっ …
「高速」という用語は、推論時間の短縮やデータ処理能力の迅速さを強調し、人工知能モデル内の計算効率を表します。これはリアルタイムアプリケーションにおいて極めて重要です。 …
「最終的に」という概念は、処理されたデータが予測、分類、または生成テキストなどの最終結果を生み出すAIパイプラインの終端段階を表します。これは計算プロセスの終了を示します。 …
人工知能において、エビデンスとは、モデルの挙動、精度、または効果に関する主張を実証する実証データ、統計結果、または観測可能な成果を指します。これは、モデルの信頼性を裏付ける根拠と …
広範なとは、大規模なデータセット、広範な評価スイート、または重い計算負荷など、AI操作の規模と包括性を指します。広範なデータセットは、モデルの汎化性能を確保し、過学習を防ぐために …
AIにおける実験は、機械学習モデル内の因果関係を理解するための変数の体系的テストを含みます。これらの手順により、開発者は異なるハイパーパラメータやアーキテクチャを比較し、モデルの …
実験的とは、安定性や広範な採用が達成される前に、現在テスト、研究、またはプロトタイピングされているAIコンポーネントを指します。これらのシステムは、革新的なアーキテクチャや未検証 …
「進化型」とは、初期トレーニング後に静止した状態のままではなく、継続的な学習と適応を行う動的なAIモデルを特徴づける用語です。この概念は、生涯学習やオンライン学習の中心にありま …
AIにおけるエネルギーには2つの主な意味があります。第一に、ハードウェアを実行するために必要な電気電力を指し、モデルのスケール拡大に伴い持続可能性の観点から懸念が高まっています。 …
主に人間の言語ですが、AIの文脈では「英語」は、豊富なデジタルテキストデータの存在により、NLP研究において最も普及した言語領域を表します。BERTなどのほとんどの基盤モデルは、 …
具現化AIは、エージェントの物理的な形態とその環境との相互作用から知性が生まれるという考え方を示しています。抽象的なデータを処理する無体（disembodied）AIとは異なり、 …
効率性は、モデルやアルゴリズムが利用可能なリソースをいかに効果的に活用しているかを測定するAIにおける重要な指標です。これには、推論やトレーニングの速度を表す計算効 …
評価には、定量的な指標（例：精度、F1スコア、BLEUスコア）および定性的なアセスメントを用いて、AIモデルが特定のタスクでいかに良く機能しているかを体系的に測定することが含まれ …
「driven」という用語は、AIアプローチの主要な原動力やメカニズムを示す接尾辞として一般的に使用されます。例えば、「データ駆動型（data-driven）」は統計的なパターン …
機械学習、特に転移学習において、ドメインは2つの成分によって定義されます：特徴空間（あり得るすべての入力の集合）と、それらの入力の周辺確率分布です。異なるドメイン間でモデルを適用 …
このプロセスでは、複雑で高性能な「教師」ニューラルネットワークから、より単純で効率的な「学生」ネットワークへ知識を転移させます。学生モデルはハードラベル（正解ラベル）だけでなく、 …
固定されたアーキテクチャや事前に決定された実行パスを持つ静的システムとは異なり、動的AIシステムは実行時に操作を変更できます。ディープラーニングでは、動的計算グラフにより、ネット …
最適化の文脈において、発散はモデルのパラメータ更新によって損失が増加し続ける状態を指します。通常、これはNaN値の発生や勾配の無限大発散を引き起こし、学習が失敗する原因となりま …
AIにおける意思決定は、データ、モデル、および事前に定義された目的に基づいて、可能性のある選択肢から最適な行動を選択するプロセスです。これは、厳格なルールに従う決定論的なものか …
拡散モデルは、データにノイズを追加する確率過程を逆学習する生成AIの一種です。ニューラルネットワークにこのノイズを段階的に予測して除去させることで訓練され、これにより高品質なデー …
検出は、AIモデルが関心対象のエンティティの存在と位置を特定する、コンピュータビジョンおよび信号処理のコアタスクです。単にラベルを割り当てる分類とは異なり、検出は通常、物体の境界 …
人工知能における制御とは、現在の状態と目的に基づいてシステムの行動を誘導するために使用されるメカニズムやアルゴリズムを指します。これには、出力を監視しフィードバックループを通じて …
AIの文脈において、「直接」とは、中間的な抽象化レイヤーをバイパスするアーキテクチャや推論パスを記述することが多いです。例えば、強化学習における直接方策最適化や、直接的なマッピン …
クラウドコンピューティングは、AIワークロードに対してスケーラブルなインフラストラクチャを提供し、開発者が物理的なデータセンターを維持することなく強力なGPUやストレージにアクセ …
人工知能において、因果モデリングは、ある変数に対する介入が他の変数にどのような影響を与えるかを理解することを目指します。観察されたパターンに依存する予測モデルとは異なり、因果AI …
この方法は、正のペア（類似するアイテム）の埋め込みを近くに引き寄せながら、負のペア（異なるアイテム）の埋め込みを潜在空間で遠ざけるようにモデルを促します。これは、画像認識や推薦シ …
この概念には、アンサンブル学習が含まれます。これは複数のモデルからの予測を集約して分散やバイアスを低減する方法です。また、マルチモーダル融合も含まれ、異なる種類のデータ（テキス …
自然言語処理において、文脈は代名詞や慣用句の理解など、曖昧さの解決に不可欠です。Transformerなどの最新のアーキテクチャは、注意機構（Attention …
モンテカルロ法は、解析的に解くのが難しい複雑な数学的問題を近似するためのAIおよび統計学における重要な技法です。これにより、数千または数百万のランダムなサンプル生成を通じて数値解 …
AI用語の文脈において、「ビヨンド」は、人工一般知能（AGI）や量子強化計算など、現在の能力を超越する新興のパラダイムや将来の方向性を記述することがよくあります。
ビルディングとは、データの収集、モデルの選択、トレーニング、検証、デプロイメントを含む、AIソリューションを作成するためのエンドツーエンドのエンジニアリングプロセスを指します。こ …
ベンチマーキングとは、事前に定義されたベンチマークを使用して、特定のタスクにおけるAIモデルの性能がどの程度優れているかを測定するための実験的実践です。このプロセスには、モデルを …
人工知能において、ベンチマークとは、機械学習モデルの能力を測定するために設計された標準化されたテストスイートまたはデータセットのことです。これは、異なるモデル間の比較に一貫した枠 …
AIにおけるベイズアプローチは、より多くの証拠が利用可能になるにつれて、仮説の尤度（可能性）を更新するために確率論を使用します。この手法により、モデルは不確実性を定量化し、予測を …
ベンチマークは、異なるAIモデルやアルゴリズムの能力を比較するための標準的な参照点として機能します。通常、キュレーションされたデータセットと、精度や再現率などの特定の評価指標が含 …
AIにおける自動化とは、従来人間の手が必要だったタスクを実行するために、アルゴリズムやシステムを使用することです。これは、事前に定義されたルールを実行したり、学習したりすること …
AIにおける自律性とは、システムが人間の直接的な制御なしに、環境を認識し、意思決定を行い、行動を実行する能力を指します。単純な自動化とは異なり、自律型システムは変化に適応します。 …
AIの文脈において、「aware（把握している）」とは通常、状況認識または文脈認識を指し、システムが関連する環境要因やユーザーの状態を認識することを意味します。これは意識を暗示す …
Adam（Adaptive Moment Estimation）は、ディープニューラルネットワークのトレーニングに使用される人気のある一階勾配ベースの最適化アルゴリズムです。これ …
人工知能およびロボティクスにおいて、アクションとは、知的エージェントが環境と相互作用するために取る特定のステップまたは意思決定を指します。アクションは現在の状態に基づいて選択され …
AIエージェントは、センサー（入力）を通じて周囲を認識し、情報を処理し、定義された目標を達成するためにアクチュエータ（出力）を通じて行動を実行できるソフトウェアプログラムまたはシ …
AIにおいて、「適応的」とは、新しいデータや環境からのフィードバックに基づいて、内部状態、パラメータ、または戦略を動的に調整できるシステムやアルゴリズムを記述します。この能力によ …
AIの文脈において、分析とは、根本的なパターンを理解し、問題を診断し、実行可能な洞察を引き出すために、データ、モデルの予測、またはシステムの挙動を体系的に検証することを指します。 …
コンテキスト内学習（ICL）により、大規模言語モデルは重みを更新せずに新しいタスクに適応できます。プロンプトの文脈に入力と出力のペアを提供することで、モデルはそのパターンを推論 …
ハルシネーションは、生成AIモデルが現実やソースデータに基づいていないが、一見もっともらしく見える出力を生み出す現象です。高い精度が求められるアプリケーションにおいて、これは重大 …
ファインチューニングとは、大規模な一般データセットで既に訓練されたモデルを取り出し、専門的なデータセットでさらに訓練を行うことを指します。これにより、モデルは一般的な知識を維持し …
推論とは、完成したモデルを使用して未見のデータに対して判断や予測を行うデプロイメント段階を指します。重みを更新するトレーニングとは異なり、推論は計算リソースを消費して結果を出力し …
埋め込みは、意味的な関係が幾何学的な空間で保持されるデータの高密度ベクトル表現です。カテゴリカルまたは高次元の入力を固定長のベクトルに変換することで、モデルはデータを効率的に処理 …
コード生成は、膨大なプログラミング言語のリポジトリで学習した大規模言語モデルを活用し、機能的なソフトウェア成果物を生成します。これは、コメントなどの人間が読み可能なプロンプトを解 …
コンテキストウィンドウは、単一の対話におけるAIモデルのメモリの動作限界を定義します。これは、モデルが過去の会話履歴、ドキュメントのテキスト、または入力データのどの程度に注意を向 …
コンピュータビジョンは、計算プロセスを通じて人間の視覚能力を再現することに焦点を当てています。これは、物体の特定、パターンの認識、および視覚データの解釈と分析を含む技術です。 …
畳み込みニューラルネットワーク（CNN）は、視覚入力から空間的な特徴の階層を自動的に適応的に学習するように設計されています。これらは、特徴を検出するためにフィルタを適用する畳み込 …
深層学習アルゴリズムは、人間の脳の分析的かつ学習的なプロセスを模倣しようとします。相互接続されたノードの複数の層を積み重ねることで、これらのモデルは生データから階層的な特徴を学習 …
アテンション機構は、モデルが入力シーケンス内の異なる要素の重要度を動的に重み付けすることを可能にします。すべての入力データを同様に扱うのではなく、異なるレベルの重要性を割り当てま …
AI倫理において、バイアスとは、アルゴリズム的な意思決定における系統的かつ不公平な差別を指し、しばしば歪んだ訓練データや欠陥のあるモデル設計に起因します。これは、特定の集団に悪影 …
逆伝播法（バックプロパゲーション）は、誤差の逆伝播の略で、人工ニューラルネットワークにおいて損失関数に対する重みの勾配を計算するために使用される手法です。これは、逆方向に伝播させ …
思考の連鎖（CoT）プロンプティングは、大規模言語モデルが最終的な答えに到達する前に、段階的な推論の説明を生成するように誘導する戦略です。複雑な問題を分解することで、モデルの推論 …
人工知能（AI）とは、デジタルコンピュータやコンピュータ制御ロボットが、知的な存在に関連付けられることが多いタスクを実行する能力を指します。これにはさまざまなサブフィールドが含ま …
AI安全性は、自律型システムが人間にとって有益かつ無害な方法で振る舞うことを確保するための研究と実践を含みます。これには、バイアス、誤情報、セキュリティリスクなどの問題に対処する …
APIは、ソフトウェアやアプリケーションを構築するためのプロトコルとツールのセットを定義します。AIの分野では、APIにより開発者は、モデルをローカルにホストすることなく、LLM …
アライメントは、AIシステムが文字通り求められたことだけでなく、人間が本当に望んでいることを実行するようにすることを重視します。これには、人間のフィードバックによる強化学 …
AIにおいて、エージェントはユーザーやシステムの代わりにタスクを完了するために行動するエンティティです。プロンプトに応答するだけの受動的なモデルとは異なり、エージェントは計画を立 …
プロンプトエンジニアリングとは、生成AIモデルから正確で関連性が高く、高品質な回答を引き出すために、「プロンプト」と呼ばれる特定の入力を構築するプロセスです。これには、モデルが指 …