テクノロジー・AIの用語を、わかりやすく
AIの語彙は、誰かが説明する暇もないまま論文から夜のニュースへ移りました。そしてテクノロジーの残りの部分はもともと専門用語だらけです。このセクションはその両方を扱います。学習や推論からコンテキストウィンドウ、エージェントまでAIモデルの実際の仕組みと、同じ記事に並んで出てくるゼロデイ、技術的負債、APIといったソフトウェアとセキュリティの言葉です。ここで最大かつ最も速く伸びているセクションです。
ピックアップ
36件すべて
「AIのハルシネーション（幻覚）」とは？
AIが作り話を完全な自信で語る理由。そしてそれが聞き分けられない理由も。
「AIエージェント」とは？
答える代わりに行動するAI。計画・実行・確認のループと、そのループがリスクでもある理由。
「AIベンチマーク」とは？
AI発表のたびに出てくる点数。何を測っていて、首位がなぜ期待外れになりうるのか。
「API」とは？
互いの中身を知らないまま2つのプログラムを協働させる、固定された取り決め。
「Mixture of Experts（専門家混合）」とは？
巨大なモデルでも1問につき起きるのは薄い一切れだけ。最先端が手ごろに保たれる理由。
「RAG（検索拡張生成）」とは？
AIを自分の文書から答えさせる — まず検索、次に生成、出典つき。
「RLHF（人間のフィードバックによる強化学習）」とは？
文章予測をアシスタントへ変える工程と、そこでモデルが静かに学んでしまうもの。
ウェブサイトのパンくずリストとは？
ページ上部の小さなリンクの列。トップからいまの場所までの道筋を示す。
「エッジコンピューティング」とは？
データセンターではなく機器の上で処理すること。それを必要とする3つの場面。
「エンドツーエンド暗号化」とは？
なぜ途中の誰にも読めないのか。それでも見えたままになるもの。
エージェントハーネスとは？
AIモデルを包み、実際にツールを動かしてループを回すプログラム。
オープンソースとクローズドソースのAIモデル、その違いとは？
モデルを支配するのは誰か、データを見るのは誰か、リクエストごとに稼ぐのは誰か。
「コンテキストウィンドウ」とは？
AIが一度に頭に置けるテキスト量——長いチャットが冒頭を忘れる理由。
「ゼロデイ脆弱性」とは？
攻撃者だけが知っている穴。高値がつく理由と、実際に大半のシステムを破っているもの。
「ゼロ知識証明（ZKP）」とは？
理由を明かさずに真実だと証明する — プライベートな検証を支える暗号技術。
「トランスフォーマー（Transformer）」とは？
GPTの「T」の設計。各単語が他のすべての単語に、同時に注意を向ける。
「トークン化」とは？
AIが読む前にテキストを刻む仕組み——言語によって割高になる理由。
「ニューラルネットワーク」とは？
ルールを書いてもらう代わりに、例からルールを学ぶ数学。それが勝つ理由も。
「バイアスとバリアンスのトレードオフ」とは？
硬直しすぎ vs. 感化されすぎ — 合計誤差が中間で最小になる理由。
「ファインチューニング」とは？
完成済みモデルを自分のデータで追加訓練すること。RAGとの違いも。
「プロンプトインジェクション」とは？
AIが読む内容に隠された命令——攻撃者のテキストが勝つ理由。
「ベクトル埋め込み（エンベディング）」とは？
意味を座標に変える — 単語が一致しなくても機械が「似たもの」を見つける仕組み。
「マルチモーダルモデル」とは？
画像も音声もテキストもまとめて扱うAI。その速度と信頼性の代償。
「モデル蒸留」とは？
別のモデルの回答で自分のモデルを訓練する。縮めるためか、ライバルに追いつくために。
再帰的自己改善とは？
AIが次のAIを作り、そのAIがさらに次を作る。一巡ごとに性能が上がっていく。
「冪等（べきとう）なAPI」とは？
10回クリックしても請求は1回 — 再試行を安全にする性質。
「合成データ」とは？
機械が作る学習データ。研究所が依存を深める理由と、失敗する仕組み。
「思考の連鎖（Chain-of-Thought）」とは？
途中の作業を見せるモデルのほうがよく答える理由と、その思考にかかるコスト。
「技術的負債」とは？
近道と老朽システムが未来に請求書を回す — 元本、利息、返済。
「抽象化レイヤー」とは？
上はシンプル、下に複雑さを隠す — しかも何も壊さず交換可能。
「推論（インファレンス）」とは？
モデルが実際の仕事をしている状態。安いほうの半分が最も高くつく理由も。
「温度パラメータ」とは？
毎回同じ答えと創造的な賭けの間のつまみ——製品ごとの設定位置。
「確率的勾配降下法（SGD）」とは？
無数のダイヤル、ひとつの間違い度スコア — モデルが実際に学ぶ仕組み、小さな一歩ずつ。
「誤差逆伝播法（バックプロパゲーション）」とは？
ひとつの最終誤差が、何百万の設定への正確な調整に変わる仕組み — ゴールシークの超巨大版。
「過学習と学習不足の違い」とは？
答えを丸暗記 vs. 本を開かず — 両者を暴くスコアの差。
「量子化」とは？
モデルの数値を粗く保存する——メモリ半分、損失ほぼなし。