用語集

正解率とは、モデルの予測のうち正しいものの割合です。計算式、top-1およびtop-5正解率、不均衡データにおける正解率のパラドックス、より適切な指標を解説します。

アクションチャンク化では、ロボットのポリシーが1つの観測から将来の一連のアクションを予測し、誤差の累積を抑えます。ACT、平滑化、VLAについて解説します。

行動認識、すなわち人間活動認識（HAR）は、時間経過に伴う動きをモデル化して、動画内の人物の行動を分類します。手法、データセット、コードを紹介します。

活性化関数とは、ニューロンが重み付き入力に適用する非線形関数であり、ネットワークが曲線的なパターンを学習できるようにします。一般的な関数を比較します。

アクティブラーニングでは、次に人がラベル付けする未ラベルサンプルをモデルが選択するため、より少ないラベルで目標精度に到達できます。クエリ戦略とコードを紹介します。

Adamはモメンタムと、直近の勾配の大きさに応じて調整されるパラメーターごとの学習率を組み合わせます。更新則、デフォルト設定、AdamW、AdamとSGDの比較を解説します。

敵対的攻撃では、AIモデルを高い確信度で誤らせるために、小さく、多くの場合は目に見えない入力の変更を加えます。FGSMの仕組み、攻撃の種類、防御策を解説します。

感情コンピューティングでは、人間の感情を検知して応答するシステムを構築します。利用するシグナルやデータセット、実用例、科学的・法的な限界を紹介します。

エージェント評価では、AIエージェントが複数段階のタスクを正しく確実に完了できるかをテストし、複数回の試行にわたって最終結果と実行履歴を採点します。

エージェントハーネスとは、モデルをAIエージェントとして機能させるための周辺コードです。アクションを実行するループ、ツール、コンテキスト、メモリ、権限、チェックが含まれます。

エージェントのサンドボックス化では、AIエージェントのコマンドと生成コードを、ファイル、ネットワーク、認証情報、計算リソースを制限する隔離環境で実行します。

Agent Skillsは、SKILL.mdファイルを中心に構成された指示、スクリプト、参照ファイルのフォルダーで、タスクに必要なときにAIエージェントが読み込みます。

Agent2Agent（A2A）プロトコルは、異なるベンダーのAIエージェントが相互に検出し、タスクを委任して結果を返せるようにするオープン標準です。

エージェント型コーディングとは、AIエージェントがコードベースを読み、ファイルを編集し、テストを実行して失敗を修正し、レビュー用の変更を返すソフトウェア開発手法です。

エージェント型コマースとは、AIエージェントがACP、UCP、AP2などのプロトコルを使い、設定された制限内で購入者に代わって商品を検索、比較、決済する売買形態です。

エージェント型RAGでは、AIエージェントが検索を主導します。検索を計画し、ツールを選び、結果を確認して、回答できるまで再検索します。

エージェント型ワークフローでは、言語モデルがタスクを複数のステップに分割し、計画、ツールの呼び出し、出力の自己確認、修正を行います。一度に回答する方式とは異なります。

AIエージェントは、環境を観測し、アクションを選択し、ツールを通じて実行するループをタスク完了まで繰り返して目標を達成します。エージェントの仕組みを解説します。

AIエージェントのオーケストレーションでは、タスクの各ステップをどのエージェント、モデル、ツールが担当するか、それぞれがどのコンテキストを参照するか、結果をどう統合するかを決定します。

AIディベートでは、2つのモデルが相反する回答を論じ、能力の低い判定役が勝者を選びます。2018年の提案の仕組み、実験で判明したこと、限界を解説します。

AI吹き替えは、話者のタイミングを保ちながら、文字起こし、翻訳、音声合成を組み合わせ、他の言語で同期した会話音声を作成します。

AI倫理では、公平性、プライバシー、透明性、説明責任などの道徳的原則を、AIの開発と利用に適用します。フレームワーク、課題、法律を紹介します。

AIファクトリーとは、データのラベリングやトレーニングからデプロイ、モニタリングまで、大規模にデータをAIの成果物へと変換するインフラストラクチャとワークフローです。

AIゲートウェイは、アプリケーションとAIモデルの間に置かれるプロキシで、プロバイダーのAPIを統一し、ルーティング、フォールバック、トークン予算、キャッシュ、ログ機能を追加します。

AIガバナンスでは、誰がどのような根拠に基づいてAIシステムを構築、承認、廃止できるかを定めます。NIST AI RMF、ISO/IEC 42001、EU AI法、主要な管理策を解説します。

AIガードレールとは、プロンプトインジェクションフィルターからツール呼び出しのスキーマチェックまで、危険な入力、出力、アクションをブロックするAIモデル周辺のチェック機能です。

AIリテラシーとは、AIを理解し、批判的に検討し、適切に活用するための知識と判断力です。主要なスキル、学校向けフレームワーク、EU AI法第4条を紹介します。

AI精神病とは、チャットボットとの長時間の会話中に妄想が生じたり、深まったりする現象を指します。証拠が示すこと、発生する理由、安全対策を解説します。

AIレッドチーミングでは、模擬敵対者や悪用を使ってAIシステムを攻撃し、ジェイルブレイク、データ漏えい、有害な出力、堅牢性の問題を見つけます。

AI安全性とは、悪用、アラインメントのずれ、ミス、未知の入力に対する脆弱な挙動によってAIシステムが被害をもたらすのを防ぐ分野です。

AIスロップとは、クリックや広告収益を目的に生成AIで大量生産される低品質なコンテンツです。用語の由来、拡散する理由、検出方法を紹介します。

AIの迎合とは、正確性を犠牲にしてモデルがユーザーに同意したり、お世辞を言ったりすることです。選好学習が引き起こす理由、弊害、検証方法を解説します。

文字起こしに基づくカット、自動リフレーミング、被写体マスク、オブジェクト除去、墨消しを取り上げ、AI動画編集を支えるモデルと自動編集が失敗するケースを解説します。

AIウォッシングとは、製品のAI機能を実態以上に誇張し、実際の性能や人間の関与、主張の根拠を覆い隠すことです。

AI電子透かしでは、生成画像、テキスト、音声、動画に機械検出可能なシグナルを埋め込みます。SynthIDとグリーンリスト方式の仕組みと限界を解説します。

アルゴリズムバイアスとは、一部のグループに不利益を与える、自動化された判断における系統的で反復可能な誤りです。3つの発生源、代表的な事例、トレードオフを紹介します。

アラインメント偽装とは、AIモデルが自身の選好を保つため、同意していない学習に従うふりをすることです。2024年にClaude 3 Opusで初めて観察されました。

アンカーボックスとは、固定サイズとアスペクト比を持つ事前設定済みのボックスで、検出器が位置やサイズを調整して物体に合わせます。サイズの決め方、マッチング、利用方法を解説します。

アンカーベース検出器は、Faster R-CNN、SSD、RetinaNet、YOLOv5のように、事前設定済みのアンカーボックスからのオフセットとして物体を予測します。仕組みと比較を解説します。

アンカーフリー検出器は、事前設定済みのアンカーボックスを使わず、点やキーポイントからボックスを予測します。FCOS、CenterNet、最新のYOLOモデルが物体を検出する仕組みを解説します。

異常検知では、通常のパターンから逸脱するデータポイント、イベント、画像領域にフラグを立てます。異常の種類、主な手法、外観検査、コードを紹介します。

AUCはROC曲線を0から1までの単一スコアに変換し、ランダムに選んだ陽性例を分類器がランダムな陰性例より上位にランク付けする確率を表します。ROC AUCとPR AUCをコードとともに解説します。

汎用人工知能（AGI）とは、ほぼすべての認知タスクで人間に匹敵する仮説上のAIです。定義、レベル、テスト、AGIとANIの違いを解説します。

人工知能（AI）とは、知覚、推論、学習、行動を行う機械を構築する分野です。その歴史、主なアプローチ、種類、用途を紹介します。

特化型人工知能（ANI）、すなわち弱いAIは、1つのタスクを習得しますが、そのスキルを別のタスクに転用できません。仕組み、事例、ANIとAGIの違いを解説します。

アテンション機構は、クエリ、キー、バリューを用いて入力特徴量に関連度に応じた重みを付けます。数式、アテンションの種類、アテンションと畳み込みの比較を解説します。

アテンションシンクとは、通常は先頭にある、余ったアテンションの重みを吸収するトークンです。これらをキャッシュすると、非常に長い系列でもLLMの安定性を保てます。

Auto-GPTは2023年に公開されたオープンソースプログラムで、計画、ツールの実行、メモリを含むループの中で自らプロンプトを生成し、GPT-4が自律的に目標を追求できるようにしました。

オートエンコーダーは、ラベルを使わずにデータをコンパクトなコードへ圧縮し、再構成する方法を学習します。構造、バリエーション、異常検知、コードを解説します。

自動機械学習（AutoML）は、モデル選択、ハイパーパラメーター調整、特徴量の準備を自動化します。探索の仕組み、ツール、YOLOのチューニングを解説します。

自動運転車は周囲の状況を検知し、人間の入力をほとんど、またはまったく必要とせずに走行します。センサー、運転システム、SAEレベル、導入事例を紹介します。