AI 用語集

大規模言語モデル（LLM）とは、大量の文章で学習し、次に来る文章の断片を予測するニューラルネットワークのことです。この予測を一つずつ繰り返すことで、質問への回答、文章の作成、翻訳、要約、コードの生成ができます。

トークンとは、言語モデルが読み書きする文章の基本単位で、単語まるごと、単語の断片、数字、句読点などのことです。モデルは文字や文を見ているのではなく、トークンの並びだけを見ており、入力も出力もすべてトークンで数えられます。

コンテキストウィンドウとは、言語モデルが一度に考慮できる文章の最大量のことで、トークンで数えます。あなたの指示、ここまでの会話、貼り付けた文書、そして今書かれている返信がすべてこの枠に入ります。

温度（temperature）とは、言語モデルが次のトークンを選ぶときのランダムさを調整する設定のことです。低い値ではほぼ毎回もっとも可能性の高い続きを選び、高い値では可能性の低い言葉にも本当に選ばれる機会が生まれます。

推論モデルとは、最終的な答えを出す前に、途中の段階を踏んで問題を考えるよう訓練された言語モデルのことです。すぐに返信する代わりにまず思考の連鎖を作るので、数学、論理、デバッグのように複数の段階がある作業が得意になります。

AI におけるハルシネーションとは、流暢で自信に満ちて聞こえるのに、誤っている、根拠がない、あるいは作り話である回答のことです。間違った日付、でっち上げの引用、存在しない関数、公開されたことのない出典などが当てはまります。

検索拡張生成（RAG）とは、文書の集まりから質問にもっとも関係する部分を検索し、それを言語モデルに渡して、その内容から回答を書かせる技術のことです。学習していない資料や、丸ごと貼り付けるには大きすぎる資料を、モデルが扱えるようになります。

システムプロンプトとは、会話が始まる前に言語モデルへ与える常設の指示のことで、役割、口調、形式、規則を定めます。以降のすべての回答の枠組みになり、ユーザー自身のメッセージは一つひとつの依頼を担います。

top-p（核サンプリング）とは、確率の合計が決めた割合に達する、可能性の高い最小のトークン群にモデルを限定し、その群の中からだけ次のトークンを選ぶ設定のことです。0.9に設定すると、確率の最後の1割を占める可能性の低い裾野を、モデルは無視します。

混合エキスパート（MoE）モデルとは、エキスパートと呼ばれる多数の専門的なサブネットワークに分かれたニューラルネットワークで、ルーターが各トークンをそのうちの少数にだけ送るものです。トークンごとに動くのはモデルの一部だけなので、全体としては非常に大きくても、同じ大きさの密なモデルより実行の費用を抑えられます。

量子化とは、モデルの数値を16ビットではなく8ビットや4ビットのような少ないビット数で保存し、モデルが使うメモリを減らして速く動かす技術のことです。代償は精度のわずかな低下で、回答の品質がやや下がることがあります。

埋め込み（エンベディング）とは、文章、画像、音声の意味を表す、ベクトルと呼ばれる数値のリストのことです。意味の似た二つのものは近くに並ぶベクトルになるので、プログラムが正確な言葉ではなく、意味で検索できます。

AI エージェントとは、言語モデルを中心に作られ、複数の手順にわたって目標を追い、次に何をするかを決め、ツールを使い、結果を確かめるシステムのことです。チャットボットが一度答えるのに対して、エージェントは作業が終わったと判断するか、上限に達するまで動き続けます。

ツール呼び出し（関数呼び出し）とは、言語モデルがあなたのプログラムに関数の実行を頼み、その結果を回答に使えるようにする機能のことです。モデル自身は何も実行せず、ツールの名前と引数を返し、実際の作業はあなたのコードが行います。

MCP（Model Context Protocol）とは、AI アプリケーションが一つの共通のインターフェースを通じて、ツールやデータソースに接続できるようにするオープンな標準のことです。Anthropic が導入したもので、機器にとっての USB ポートに似た役割を AI のツールに果たします。

検閲なしモデルとは、依頼をむやみに断ったり、回答を警告で埋め尽くしたりするようには調整されていない言語モデルのことで、尋ねられたことに率直に答えます。この言葉は傾向を表すもので、制限が一切ないという意味ではなく、正式な定義もありません。

拒否（リフューザル）とは、言語モデルが依頼の実行を断ることで、多くの場合は手伝えない、あるいは手伝わないという短い言葉が添えられます。深刻な害を引き起こす依頼のように根拠のある拒否もあれば、危険に見えるだけの無害な質問に対する、根拠のない拒否もあります。

ガードレールとは、AI の開発元が、モデルが言えることや行えることを制限するために加える、規則、フィルター、訓練された振る舞いのことです。モデルの訓練方法から、回答の前後で行われる確認まで、複数の層で働きます。

オープンウェイトモデルとは、訓練で得られたパラメータ（重み）が公開され、誰でもダウンロードして動かせる AI モデルのことです。訓練データや訓練用のコードが公開されているとは限らないため、完全なオープンソースのモデルとは同じではありません。

アライメントとは、AI モデルを開発者や利用者の意図どおりに振る舞わせる取り組みのことで、指示に従い、役に立ち、有害と判断されることを避けさせます。実際には、素の言語モデルの上に重ねられた訓練の段階と規則の積み重ねであり、開発元ごとに線引きの位置が違います。

RLHF（人間のフィードバックによる強化学習）とは、人がモデルの回答に順位を付け、モデルがその好まれた種類の回答を出すように調整される訓練方法のことです。文章の予測器を、指示に従い会話ができるアシスタントに変える、主要な段階の一つです。

ファインチューニング（微調整）とは、事前学習済みのモデルを、より小さな特定のデータセットでさらに訓練し続けて、作業、文体、分野に適応させる工程のことです。モデルが読む指示を変えるだけのプロンプトとは違い、モデルの重みそのものを変えます。

拡散モデルとは、ランダムなノイズから出発し、文章の説明に合う絵が現れるまで、少しずつノイズを取り除いていく画像生成モデルのことです。本物の画像に加えられたノイズを元に戻す訓練を受けることで、この作業を身につけます。

ネガティブプロンプトとは、画像モデルが避けるべきもの、たとえばぼやけ、余分な指、色あせた印象などを伝える、二つ目の文章による説明のことです。何を描くかを伝える通常のプロンプトと並べて使います。

画像のアップスケールとは、鮮明さを保とうとしながら、絵をより高い解像度に拡大することです。単純な方法は既存の画素を引き伸ばしますが、AI のアップスケーラーは、もっともらしい新しい細部を予測します。

シードとは、画像モデルが出発点にするランダムなノイズを固定する整数のことで、同じシードを同じプロンプトと設定で使うと、同じ絵をもう一度描けます。シードを変えると出発点が変わるので、別のバリエーションになります。

CFG スケールとは、分類器なしガイダンス（classifier-free guidance）の略で、ガイダンスとも呼ばれ、画像モデルがテキストのプロンプトにどれだけ厳密に従うかを決める設定のことです。低い値ではモデルに自由が残り、高い値では言葉に従わせる力が強まりますが、自然さが犠牲になります。

LoRA（低ランク適応）とは、大きな AI モデルを丸ごと再訓練せずに、文体、被写体、技能を学ばせる、小さな追加ファイルのことです。基本モデルに、たいていは強さの設定とともに取り付け、外せば元の振る舞いが戻ります。

インペインティングとは、AI モデルが、画像の選んだ領域だけをテキストのプロンプトに沿って描き直し、残りはそのままにしておく画像編集の技術のことです。不要な物の削除、傷の修復、ある要素を別のものに置き換えることに使われます。

背景除去とは、写真の主役を背景から自動で切り離し、主役を透明な背景や別の背景に置けるようにする機能のことです。AI モデルが、一画素ずつ、その点のどれだけが主役に属するかを判断します。

画像から動画へ（image-to-video）とは、AI モデルに出発点となる静止画と、ものがどう動くかを伝える一文を渡して、短いクリップを作る方法のことです。絵が場面の見た目を決め、動きはモデルが考え出します。

ローカルファーストとは、データの正本を自分のデバイスに置き、サーバーは補助的な存在として扱うソフトウェアの考え方です。アプリは手元に保存されたものをもとに動き、バックアップや同期は二の次になります。

匿名化プロキシとは、あなたに代わってリクエストを送ることで、向こう側のサービスにあなたが誰なのかを知らせない中継役のことです。IP アドレスやアカウントのような身元を示す情報は隠しますが、リクエストの内容までは隠しません。

データ保持とは、サービスが受け取った、あるいは作り出した情報を、削除するまで保管しておく期間のことです。保持期間はゼロのこともあれば、決まった日数のこともあり、アカウントが存在する間ずっと続くこともあります。

IndexedDB とは、ウェブブラウザに組み込まれたデータベースで、サイトが訪問者自身のデバイスに大量の構造化データを保存できるようにするものです。非同期で動き、索引付きでオブジェクトを保持し、サイトごとに別々にデータを保管します。

ゼロログとは、あなたが尋ねたり話したりしたことのログを残さないサービスのことで、運営に厳密に必要なもの以外は、プロンプト、返信、行動の記録を保存しません。これは振る舞いについての主張であり、その強さは、証拠と、背後にいる関係者次第です。

エンドツーエンド暗号化とは、データを送り手のデバイスで暗号化し、意図した受け手のデバイスでしか復号できないようにする方式のことで、途中のすべてのサーバーには読めない暗号文しか流れません。鍵は両端に残り、途中には届きません。

OpenAI 互換 API とは、OpenAI の API と同じリクエストを受け付け、同じレスポンスを返す API のことで、既存のコードやツールが、アドレスとキーを変えるだけで別の提供元を使えるようになります。標準となるのはリクエストの形であって、その背後のモデルではありません。

レート制限とは、アカウントやキーが一定の期間内にサービスへ送れるリクエストの数に設ける上限のことです。超えると、サービスは、期間が進むまで、通常は HTTP ステータス429で、それ以降の呼び出しを拒否します。

クレジットとは、サービスが使用量の価格を決めるために使う前払いの会計単位のことで、各リクエストは、消費したものに応じて少しのクレジットを使います。NeverNo では、1クレジットは1米セント（0.01ドル）です。