【今更聞けない!!】知ってると理解が深まるAI関連ワード38選をまとめました。

分量がえげつないので、以下のnotionページからだと目次もあって見やすいかと思います。

①基本用語解説（20個）

②応用用語解説（10個）

③サービス名称（8個）

の合計38用語になります。

ブックマークなどに保存して見返してください

■notionページ

1. 基本用語解説（20個）

🤖 人工汎用知能（AGI）

AGI、つまり人工汎用知能っていうのは、人間みたいにいろんなタスクで知識を理解したり、学んだり、使ったりできるAIのことを指すんだよね。AGIが実現できたら、AI研究の中でめちゃくちゃ大きな進歩を達成したってことになるんだ。

今のAIって、特定の分野でめっちゃ得意なんだけど、知識を他の分野に応用する力がイマイチなんだよね。だから、AGIを目指すことで、そういった問題にも取り組んでいくわけだ。

でもね、AGIを追い求めることには、色々な問題や懸念もあるんだよ。例えば、社会にどんな影響が出るのか、倫理的な問題はどうなるのか、そして、AGIの恩恵がみんなに平等に行き渡るようにするにはどうしたらいいのかってことだね。

🚀 シンギュラリティ

シンギュラリティっていうのは、AIの進歩がめちゃくちゃ速くなって、社会に予測できないくらいの大変化をもたらす未来のことを指すんだよね。この考え方では、AIがある程度の能力に達したら、自分自身の知性をどんどん向上させることができるようになって、能力が指数関数的に増えていくんだってさ。

シンギュラリティについては、いろんな意見があって、すごく良い影響があるっていう専門家もいれば、リスクや予期せぬ問題が起こるかもしれないって心配してる人もいるんだよね。

🛡️ AIの安全性

AIの安全性っていうのは、安全で倫理的に適切で、人間の価値観に沿った形でAIシステムを設計し、構築し、展開することに関する研究や実践のことなんだよね。AIの安全性に取り組む研究者やエンジニアは、予期せぬ振る舞いを防いだり、透明性を確保したり、AIシステムに対するコントロールを維持したりすることに挑戦しているんだ。

AIの安全性を優先することで、AIコミュニティはAI技術の開発と適用が、社会全体にとってプラスの結果をもたらすようにすることを目指しているんだよね。

🧭 アライメント問題

アライメント問題とは、AI研究で根本的な課題で、人間の意図や価値観、目標に沿って理解し、行動できるようなAIシステムを設計することが目的なんだよね。アライメント問題に対処することは、AIモデルが望ましい目的を最適化し、有害だったり予期せぬ結果を避けるために必要なんだ。

アライメント問題に取り組む研究者たちは、人間のフィードバックを取り入れたり、人間の好みに合わせた報酬関数を開発したり、本質的に解釈しやすいモデルを設計したりするなど、さまざまなアプローチを探求しているんだよね。

💡 Deep Learning

ディープラーニングは、多層の人工ニューラルネットワークに焦点を当てた機械学習の分野で、大量のデータから複雑なパターンや表現を学習できるようになっているんだ。これらのネットワークは、生のデータから特徴や表現を自動的に学習できるので、画像認識や音声認識、自然言語処理、ゲームプレイなどのタスクで非常に効果的だよ。ディープラーニングは、AIの大幅な進歩を促し、多くの分野で最先端のパフォーマンスを達成しているんだ。

🎮 人間のフィードバックからの強化学習（RLHF）

RLHFは、環境と相互作用することで意思決定を学習する機械学習の一種である強化学習と、人間の価値観や好みに沿ったエージェントの行動を整えるための人間のフィードバックを組み合わせた方法だよ。RLHFでは、人間のフィードバックが報酬信号として使用され、エージェントの学習プロセスを導くことで、エージェントが人間の期待により適応できるようになるんだ。このアプローチは、ロボティクス、ゲーム、個別のおすすめなど、さまざまな分野で適用されているんだよ。

🌐 教師なし学習

教師なし学習は、明示的な出力ラベルがないデータセットを扱う機械学習の方法だよ。代わりに、モデルは入力データそのものの中にあるパターンや構造、関係を学習するんだ。教師なし学習の一般的な手法には、類似したデータポイントをまとめるクラスタリングや、データの本質的な特徴を保持しながらデータの複雑さを減らす次元削減があるよ。教師なし学習は、異常検出、レコメンデーションシステム、データ圧縮などのタスクに特に役立つんだ。

🎓 教師あり学習

教師あり学習は、入力と出力のペアで構成されたデータセットを使ってモデルを訓練する機械学習の方法だよ。入力とそれに対応する出力の関係を学習することで、モデルは新しい未見の入力に対して予測や分類ができるようになるんだ。教師あり学習は、画像分類、テキストのカテゴリ分け、音声認識など、ラベル付きデータが使われるアプリケーションで一般的に使用されているんだよ。

🕸️ 人工ニューラルネットワーク

人工ニューラルネットワークは、人間の脳の構造と機能に触発された計算モデルだよ。それは、情報を並列処理して伝達する相互接続されたノード、つまりニューロンで構成されているんだ。これらのネットワークは、ニューロン間の接続、つまり重みを調整することで、データから適応して学習できるんだ。人工ニューラルネットワークは、画像認識、自然言語処理、意思決定などのさまざまなアプリケーションで幅広く使用されているんだよ。

💬 自然言語処理（NLP）

NLPは、コンピュータが人間の言語を理解、解釈、生成できるようにすることを目的とした人工知能の分野だよ。NLPは言語学、コンピュータ科学、機械学習を組み合わせて、自然言語のテキストや音声を処理、分析、生成できるアルゴリズムを作成するんだ。NLPの主な応用例には、機械翻訳、感情分析、テキストの要約、質問応答システムなどがあるよ。NLPの進歩により、ますます洗練された言語モデルやチャットボット、バーチャルアシスタントが開発されているんだ。

🎓 事前学習

事前学習は、大規模言語モデルの開発の最初の段階で、モデルがラベルのない大量のテキストデータで訓練され、一般的な言語のパターン、構造、知識を学習するところから始まるんだ。この教師なし学習プロセスにより、モデルは言語に対する幅広い理解を得ることができ、後でより小さなラベル付きデータセットを使って特定のタスクに微調整することができるんだ。事前学習は、BERTやGPTのような最先端の自然言語処理モデルの成功にとって重要な役割を果たしているよ。

📚 大規模言語モデル

大規模言語モデルは、膨大な量のテキストデータで訓練された人工知能モデルで、人間らしいテキストを理解し生成することができるんだ。これらのモデルは、訓練データから複雑なパターン、文脈、知識を学習し、文脈に適した首尾一貫したテキストを生成する能力がすごく高いんだ。大規模言語モデルは、OpenAIのGPTシリーズなど、テキストの補完、要約、翻訳など、さまざまな自然言語処理タスクで優れた性能を示しているよ。

📜 トークン

トークンは、言語モデルへの入力として機能するテキストの単位だよ。トークンは、単語、部分語、文字など、テキストを処理するために使用されるトークナイザーによって異なるものを表すことができるんだ。テキストをトークンに分割することで、言語モデルは言語のパターン、構造、文脈を効果的に学習し、把握できるようになる。トークン化戦略の選択は、モデルの性能、メモリ要件、計算複雑性に影響を与えることがあるよ。

🌐 GPT（Generative Pre-trained Transformer）

GPTは、OpenAIが開発した自然言語理解と生成タスク向けの大規模トランスフォーマーベースの言語モデルのシリーズだよ。GPTモデルは、膨大な量のテキストデータで事前訓練され、テキスト補完、要約、翻訳などの特定のタスクに微調整することができる。

📝 プロンプトエンジニアリング

プロンプトエンジニアリングは、GPTのようなAIモデルが望ましい出力を生成するように導くために、入力プロンプトを慎重に作成するプロセスだよ。プロンプトに特定の文脈、制約、または指示を提供することで、ユーザーはモデルの回答に影響を与え、生成されるテキストの品質と関連性を向上させることができるんだ。プロンプトエンジニアリングは、コンテンツ生成、質問応答、要約などのさまざまなアプリケーションで、モデルの機能を活用して望ましい結果を得るために、大規模言語モデルを効果的に活用するための重要なスキルだよ。

⚙️ トランスフォーマー

トランスフォーマーは、2017年にVaswaniらによって提案された、機械翻訳やテキスト要約などの系列対系列タスク向けのディープラーニングアーキテクチャだよ。トランスフォーマーは、自己注意という機構で知られており、入力データ内の長距離の依存関係や関連性を効果的に捉えることができるんだ。このアーキテクチャは、BERT、GPT、T5など、最先端の自然言語処理モデルの基盤となっているよ。

📊 データ拡張

データ拡張は、既存のデータにさまざまな変換や変更を加えることで、データセットのサイズと多様性を増やす機械学習の手法だよ。自然言語処理の文脈では、データ拡張には、言い換え、同義語の置き換え、テキストの組み合わせなどの手法が含まれることがあるんだ。データ拡張によって、データセットを多様な例で強化することで、特にラベル付きデータが不足している場合に、モデルの一般化能力とさまざまなタスクでのパフォーマンスが向上するんだ。

🗣️ 会話型AI

会話型AIとは、コンピュータが自然で人間らしい会話に参加できるようにするための人工知能技術を指す言葉だよ。自然言語処理、機械学習、知識表現を組み合わせることで、会話型AIシステムは、文脈に適した方法で人間の言語入力を理解、解釈、応答できるようになるんだ。会話型AIは、顧客サポート、仮想アシスタント、ソーシャルメディアの監視など、さまざまな分野で応用されており、人間と機械のやり取りの方法を変えているんだ。

📈 継続学習

継続学習は、モデルが連続的なデータストリームから学習し、新しい情報やタスクに適応しながら過去の知識を忘れないようにする機械学習のアプローチだよ。このアプローチは、人間の学習を模倣し、AIシステムが徐々に知識を獲得し、変化する環境や問題領域に適応できるようにすることを目指しているんだ。継続学習は、終身学習システム、ロボティクス、AI駆動の意思決定などの潜在的な応用がある研究分野だよ。

🕵️ アクティブラーニング

アクティブラーニングは、モデルがラベルのないデータのプールから最も情報量の多いサンプルを積極的に選択し、人間がアノテーションを行うことで最小限のラベル付きデータでパフォーマンスを向上させる機械学習のパラダイムだよ。最も不確かで曖昧で多様なサンプルに焦点を当てることで、アクティブラーニングは、学習に必要なラベル付きデータの量を減らすことができ、データのラベリングが時間がかかる場合や費用がかかる場合に特に役立つんだ。

2. 応用用語（10個）

🔄Self-attention

Self-attentionは、トランスフォーマーベースのモデルで使用される特定の注意機構だよ。モデルは、現在の位置に関連する他のすべての位置の加重平均を計算することで、一つのシーケンス内の異なる位置間の関連性を把握できるんだ。これにより、モデルは局所的な文脈とグローバルな文脈の両方を捉えることができ、首尾一貫したテキストを理解し生成する能力が向上するんだ。自己注意は、BERTやGPTなどの最先端の自然言語処理モデルの重要な要素だよ。

📖 BERT（Bidirectional Encoder Representations from Transformers）

BERTは、Googleが開発した自然言語理解タスク向けの事前訓練済みトランスフォーマーベースのモデルだよ。与えられたトークンの左右両方から文脈を学習できる双方向の訓練アプローチを使用しており、より深い言語理解が可能になるんだ。BERTは、質問応答、感情分析、固有表現抽出などの幅広い自然言語処理タスクで最先端の性能を達成しているよ。その成功により、特定のタスクや言語向けに微調整されたBERTベースのモデルが数多く開発されているんだ。

🎛️ ファインチューニング（Fine-tuning：微調整）

微調整は、大規模言語モデルの開発の第二段階で、事前学習済みのモデルが特定のタスク用に小さなラベル付きデータセットを使って調整される段階だよ。この教師あり学習プロセスにより、モデルの性能が向上し、事前学習で得た一般的な言語理解を活用して、目標タスクで高い精度を達成できるんだ。微調整は、BERTやGPTのような大規模言語モデルを感情分析、質問応答、テキストの要約などのさまざまな自然言語処理タスクに適用する際に広く使われているよ。

👁️ アテンション機構

ニューラルネットワークのアテンション機構は、人間の注意に触発されたもので、モデルがタスクに関連する入力データの部分に選択的に焦点を当てることができるようになるんだ。入力要素の相対的な重要性に基づいて重み付けすることで、アテンション機構はモデルの文脈把握能力や長距離依存関係の取り扱いが向上するんだ。アテンション機構は、自然言語処理、コンピュータビジョン、音声認識などのさまざまなAIアプリケーションで成功裏に使用されているよ。

🎯 ゼロショット学習（Zero-shot learning）

ゼロショット学習は、モデルがタスクの具体的なデータで明示的に学習することなく、予測やタスクを完了できるようにするAIのアプローチだよ。事前学習中に得られた既知の知識や一般的な理解を活用することで、モデルは未知のタスクに対しても合理的な出力を生成できるんだ。ゼロショット学習は、自然言語処理、コンピュータビジョン、ロボティクスなどのさまざまな領域で実証されている。GPT-3のような大規模言語モデルは、翻訳、要約、コード生成などのタスクで驚くべきゼロショット学習能力を示しているよ。

🧪 フューショット学習（Few-shot learning）

フューショット学習は、モデルが少数のラベル付き例から学習して新しいタスクに素早く適応できるようにするAIのアプローチだよ。この手法は、モデルが事前学習中に得た既知の知識や一般的な理解を活用し、限られたデータから効果的に一般化できるようにするんだ。フューショット学習は、ラベル付きデータが少ないか、入手にコストがかかるシナリオで特に価値がある。GPT-3のような大規模言語モデルは、さまざまな自然言語処理タスクで印象的なフューショット学習能力を示しているよ。

🔪 トークナイザ（Tokenizer）

トークナイザは、テキストを個々のトークンに分解して、言語モデルへの入力として処理するツールだよ。トークナイザは、空白でテキストを分割したり、事前に定義された部分語単位を使用したり、言語特有のルールを考慮した複雑なアルゴリズムを適用したりするなど、さまざまな戦略を採用することができるんだ。トークナイザーの選択は、モデルの性能、メモリ要件、計算複雑性に影響を与えることがあるよ。トークナイザーは、自然言語処理パイプラインの重要なコンポーネントであり、モデルが効率的にテキストを処理、学習、生成できるようにする役割があるんだ。

🖼️ コンテキストウィンドウ（Context window）

コンテキストウィンドウは、言語モデルが文脈を理解し、予測を行うために使用する、特定のトークンやシーケンスを囲むテキストの部分だよ。いくつかのモデルでは、コンテキストウィンドウのサイズが計算上の制約のために限定されており、テキスト内の長距離依存関係や関係の把握に影響を与えることがあるんだ。BERTやGPTのようなトランスフォーマーベースのモデルでは、自己注意メカニズムを利用して可変長の入力シコンテキストウィンドウーケンスからのコンテキストを効果的に処理し、組み込むことができるよ。

🗃️ ナレッジグラフ

ナレッジグラフは、エンティティとそれらの関係をグラフ形式でつなげる情報の構造化された表現だよ。ナレッジグラフを使って、AIシステムは効率的に情報を格納、整理、取得できるようになり、質問応答、推奨、推論といったタスクの基盤を提供してくれるんだ。ナレッジグラフを自然言語処理モデルと統合することで、AI研究者は、複雑で相互に関連する情報を理解し、より正確で文脈に沿った回答を生成できるシステムを目指しているんだ。

🎖️ 転移学習

転移学習は、あるタスクで学習した知識を別の関連するタスクでのパフォーマンスを改善するために活用する機械学習の手法だよ。GPTやBERTのような大規模言語モデルの文脈では、転移学習は、まず大量のテキストデータでモデルを事前学習させて一般的な言語理解を獲得し、次に、より小さなラベル付きデータセットを使って特定のタスクで微調整するという方法をとるんだ。転移学習は、最先端の自然言語処理モデルの成功に重要な役割を果たしており、限られたタスク固有のデータで高いパフォーマンスを達成することができるようになっているんだ。

3. サービス名称（8個）

🧠 OpenAI

OpenAIは、人類に利益をもたらす方法で人工知能を発展させることに専念する研究機関だよ。イーロン・マスクやサム・オルトマンなど、テクノロジー界の有名人が創設したOpenAIは、安全でみんなにとって有益な人工汎用知能（AGI）を開発することを目指しているんだ。この組織は、長期的な安全性研究、技術的リーダーシップ、協力的な取り組みに取り組んでいて、AGIによって引き起こされるグローバルな課題に対処するために、他の機関と積極的に協力しているんだよ。

💻 OpenAI API

OpenAI APIは、開発者がOpenAIの最先端のAIモデル（GPT-3やCodexなど）に簡単にアクセスできるプラットフォームだよ。このAPIを使えば、開発者は自然言語理解、テキスト生成、翻訳、コード合成などの機能を持つ強力なモデルを簡単にアプリケーションに組み込むことができるんだ。OpenAI APIは、AI技術の普及を促進し、さまざまな業界で革新的なAIドリブンのソリューションを開発者が作成するのを助けるんだ。

🌟 GPT-3.5

GPT-3.5は、GPT-3とGPT-4の間の中間バージョンで、OpenAIによって開発されたGenerative Pre-trained Transformerシリーズのインクリメンタルな改善を表しているよ。前任者たちと同様に、GPT-3.5は、印象的な自然言語理解と生成能力を持つ大規模なトランスフォーマーベースの言語モデルだよ。GPT-3.5は、AIダンジョンやミッドジャーニーなどのアプリケーションや、他の自然言語処理タスクで利用されているんだ。

🌐 GPT-4

GPT-4は、OpenAIのGenerative Pretrained Transformerシリーズの最新版で、GPT-3などの前身モデルの成功を受けて開発されたんだ。大規模なトランスフォーマーベースの言語モデルであるGPT-4は、印象的な自然言語理解と生成能力を持ち、テキスト補完、要約、翻訳などのさまざまな自然言語処理タスクで優れたパフォーマンスを発揮することができるよ。GPT-4は、チャットボットやバーチャルアシスタントからコンテンツ生成やコード合成に至るまで、幅広いアプリケーションで活用されているんだ。

🔎 Midjourney

Midjourneyは、OpenAIのGPT-3.5を活用したAI生成ストーリー作成サービスだよ。ユーザーは、プロンプト、キャラクター名、プロット要素などの形で入力を提供することで、AIと協力してユニークでパーソナライズされた物語を作成することができるんだ。AIは、ユーザーの入力に基づいて物語を生成し、大規模言語モデルがコンテンツ生成や物語作りにおいて持つ創造的な可能性を示しているよ。

🎨 DALL-E

DALL-Eは、OpenAIが開発したAIモデルで、GPTアーキテクチャとコンピュータビジョン技術を組み合わせて、テキストの説明からオリジナルの画像を生成することができるんだ。テキストと視覚要素の関係を理解することを学習することで、DALL-Eは現実的なシーンからシュールで抽象的な構図まで、幅広い画像を作成することができるんだ。DALL-Eは、トランスフォーマーベースのモデルがクリエイティブなアプリケーションで可能性を秘めていることを示しており、自然言語理解と視覚コンテンツ生成の間のギャップを埋めているよ。

🦾 InstructGPT

InstructGPTは、OpenAIのGPTモデルのバージョンで、入力された指示に従って詳細で情報が豊富な回答を生成するように特別に設計されているんだ。指示を含むプロンプトを使用してモデルを学習させることで、InstructGPTはユーザーのクエリをよりよく理解し対処するようになり、特定のガイダンスや情報が必要なアプリケーションに適したものになるんだ。InstructGPTが指示に従い、首尾一貫した文脈に沿った回答を生成する能力は、AI駆動の情報検索やアシスタントシステムでの大規模言語モデルの可能性を示しているんだ。

🎮 AI Dungeon

AIダンジョンは、OpenAIのGPTモデルを活用したテキストベースのアドベンチャーゲームで、プレイヤーが仮想世界とやり取りしながら独自のユニークな物語を作り出すことができるんだ。GPTの自然言語生成能力を活用することで、ゲームはプレイヤーの入力にリアルタイムで応答する豊かで魅力的な物語を生成することができるよ。AIダンジョンは、インタラクティブなアプリケーションでの大規模言語モデルの可能性を示しており、AIによる物語作りとエンターテイメントの未来を垣間見せてくれるよ。