AI ENCYCLOPEDIA
AI辞典
AIを仕事で理解するための用語集。Wikipediaの要約ではなく、使いどころと人の確認点から学びます。
公開用語 20 件
LEARNING PATH
AIの歴史と現在の分類を、一続きで理解する
ルールベースから生成AI・マルチモーダルAIまで。進歩の転換点と、用途・学習方法・能力の違いを整理します。
まとめページを読む →CATEGORY
AI基礎
LLMとは
LLMは大量の言語データなどで学習した大規模言語モデルです。文章生成でのトークン予測と事実確認の違い、モデルと対話サービスの区別、架空の候補確率の説明例を紹介します。
読む →RAGとは
Retrieval-Augmented Generation の略で、社内資料などを根拠に寄せて回答を作りたいときに使われます。資料の質と人の確認運用が成果を左右します。
読む →Transformerとは
現在の多くの大規模言語モデルで使われる基礎技術のひとつです。利用者が仕組みを細かく実装する必要はありませんが、「文章を理解している」と決めつけず、確率的に次の内容を生成する技術だと理解すると、AIの得意・不得意を判断しやすくなります。
読む →コンテキストウィンドウとは
大きいほど長い資料を扱いやすくなりますが、重要事項を確実に反映する能力や正確さを保証するものではありません。仕事では、何を渡すか・何を確認するか・どこで要約するかを設計します。
読む →トークンとは
日本語では文字数と完全には一致せず、同じ文章でもモデルによって分かれ方が変わります。長い入力・出力、利用量の見積もり、要約の分割を考えるときの基礎になります。
読む →ニューラルネットワークとは
人間の脳を厳密に再現するものではなく、重み付けされた計算を層状につなげて、分類・予測・生成を行います。仕事では仕組みの比喩より、入力データ・評価・例外対応を理解することが重要です。
読む →ハルシネーションとは
生成AIは情報源を自動で保証する仕組みではありません。仕事では、数値・固有名詞・日付・引用・社内ルールを「確認が必要な項目」として分け、一次情報で確かめてから使います。
読む →ファインチューニングとは
モデルに社内の事実を覚えさせる万能な手段ではありません。出力の形式・口調・分類など、繰り返し品質をそろえたい用途で検討します。最新資料を答えさせたい場合は、RAGやデータ連携との役割分担を先に考えます。
読む →マルチモーダルAIとは
画像の内容説明、音声の文字起こし、資料と図表を合わせた整理などに活用できます。ただし、画像内の細かい文字・数値、音声の固有名詞、人物や状況の推測は誤ることがあるため、重要な情報は元データで確認します。
読む →機械学習とは
AI導入では、モデルを選ぶ前に「何を正解とするか」「どのデータを使ってよいか」「導入後にどう確認するか」を決めます。学習済みの生成AIを使う場合にも、評価と人の確認は必要です。
読む →深層学習とは
画像認識、音声認識、言語モデルなどで広く使われます。業務で重要なのは技術名より、学習データの偏り、説明できる範囲、誤りを検知して人へ戻す仕組みです。
読む →埋め込み（エンベディング）とは
意味が近い資料を探す、似た問い合わせをまとめる、RAGで候補資料を絞るといった用途で使われます。検索結果の見た目が自然でも、元資料の更新・分割・権限設定が悪いと誤った情報へ誘導されるため、運用設計と評価が重要です。
読む →
CATEGORY
生成AI
ChatGPTとは
文章作成・要約・翻訳・プログラミング支援など幅広い用途で使われます。仕事では下書きと整理の道具として扱い、最終判断は人が行います。
読む →Claudeとは
ClaudeはAnthropicのモデル群と、それを利用する対話サービスの名称です。資料整理や文体変更を試す入力例、原文の条件を確認する方法、モデルと利用サービスを分ける観点を解説します。
読む →Geminiとは
チャットでの調査や文書の下書きなど、対話型の業務支援で使われます。公開情報以外の社内事実は、人が確認する前提で使います。
読む →NotebookLMとは
手元の文書・URL・資料をもとに論点整理や理解を進めたい場面に向きます。ただし、資料の内容・更新日・権限が正しいことは別に確認が必要です。回答をそのまま決定や対外発信に使わず、根拠箇所と原資料を人が確かめます。
読む →
CATEGORY