AI 用語集
LLM、RAG からファインチューニング、エージェントまで、主要な AI 概念を平易に解説。
大規模言語モデル（LLM）
大量のテキストで学習し、次のトークンを予測するニューラルネットワーク。会話、執筆、コーディングなどを支える。
トークン
モデルが処理するテキストの基本単位。英語約4文字、中国語1〜2文字が1トークン。課金とコンテキスト制限はトークン単位。
検索拡張生成（RAG）
ナレッジベースから関連文書を検索してモデルに渡し、あなたのデータに基づいて回答させる手法。
Embedding（埋め込み）
テキスト（や画像）の意味を捉えた数値ベクトル表現。類似度検索を可能にする。
ファインチューニング
事前学習済みモデルを自社データで追加学習させ、特定のスタイル・形式・タスクを習得させること。
LoRA（低ランク適応）
ベース重みを固定し小さな低ランク行列だけを学習する、パラメータ効率の良いファインチューニング手法。コストを大幅に削減。
プロンプトエンジニアリング
モデルから高品質な出力を安定して得るため、入力（プロンプト）を設計する技術。
AI エージェント
自律的に計画し、ツールを使い、多段階の行動で目標を達成する AI システム。
Model Context Protocol（MCP）
モデルが外部ツールやデータソースに統一された方法で接続できるオープン標準。
コンテキストウィンドウ
モデルが一度に扱える最大トークン数。それを超えると切り捨てられるか忘れる。
ハルシネーション
モデルが誤りや捏造を自信満々に生成する現象。RAG、ツール利用、検証で軽減できる。
マルチモーダル
テキスト、画像、音声、動画など複数のデータ種別を理解・生成できるモデル。
推論（Inference）
学習済みモデルを実行して出力を得るプロセス。学習と対になる。
オープンソース / オープンウェイト
ソースコードや重みが公開され、自由に利用・研究・セルフホストできるモデルやツール。
ベクトルデータベース
Embedding を保存し高速な類似度検索を行うデータベース。RAG システムの要。
Transformer
現代の LLM を支えるニューラルネットワークアーキテクチャ。自己注意で全トークンを並列処理する。
アテンション機構
各出力トークンに対して入力のどの部分が重要かを重み付けする仕組み。
トークナイザー
生テキストをモデルが処理できるトークンに分割し、逆変換も行うコンポーネント。
拡散モデル
ランダムノイズを段階的に除去して画像を生成するモデル。Stable Diffusion などを支える。
人間のフィードバックによる強化学習（RLHF）
人間の評価から学んだ報酬モデルを用いて、モデルを人間の好みに合わせる学習技法。
思考の連鎖（CoT）
モデルに段階的に推論させるプロンプト手法。複雑なタスクの精度を向上させる。
Few-Shot 学習
プロンプトに少数の例を示してモデルを導く手法。追加学習は不要。
Temperature（温度）
ランダム性を制御するサンプリングパラメータ。低いほど確定的、高いほど創造的。
量子化（Quantization）
モデル重みの数値精度（例：4-bit）を下げてサイズを縮小し、低いハードで実行。
GGUF
量子化モデルを保存するファイル形式。llama.cpp や Ollama でのローカル実行に広く使われる。
混合エキスパート（MoE）
各トークンを少数の専門サブネットワークに振り分け、コストを抑えつつ容量を向上させるアーキテクチャ。
関数呼び出し / ツール利用
モデルが外部関数やツールへの構造化呼び出しを出力できる能力。エージェントや連携を可能にする。
知識蒸留
小さな「生徒」モデルに大きな「教師」モデルを模倣させ、低コストで品質を維持する。
AI アラインメント
AI システムが人間の価値観と意図した目標に沿って振る舞うことを目指す分野。
Zero-Shot
例を一切示さずにタスクを実行させる。事前学習の知識のみに依存する。
Agentic AI（自律型 AI）
単一のプロンプトに応えるだけでなく、計画し・ツールを使い・多段階の行動を取って自律的に目標を追求する AI システム。
Vibe Coding（バイブコーディング）
やりたいことを自然言語で記述し、AI にコードを生成・反復させるコーディングスタイル。一行ずつ手で書くより意図と結果を重視する。
推論モデル
回答前に「考える」よう訓練された LLM——内部で段階的な推論に追加の計算を費やし、より難しい数学・コーディング・論理問題を解く。
テキスト→動画（Text-to-Video）
文章の記述から直接動画クリップを生成する AI モデル。プロンプトでシーン・動き・スタイルを制御する。
基盤モデル
広範なデータで学習した汎用の大型モデル。プロンプトや微調整で多くの下流タスクに適応できる。
ガードレール
AI システムの発言や行動を制約する安全制御。有害コンテンツのフィルタリング、ツール権限の制限、ポリシーの強制など。
システムプロンプト
ユーザーメッセージの前にアシスタントの役割・ルール・文体を定める隠れた指示。挙動の土台となる。