リファレンス
AI用語集
AIツール、モデル、エージェントを選び、それらで開発するときに出会う219の用語です。それぞれ1〜2文で定義し、解説と出典を添えています。
#
- τ-bench
- τ-bench(tau-bench)とは、模擬的なカスタマーサービスの会話でAIエージェントをテストするベンチマークです。言語モデルがユーザーを演じ、エージェントは文書化されたポリシーのルールに従いながら、分野ごとのAPIツールを使わなければなりません。
A
- Abliteration(アブリテレーション)
- Abliteration(アブリテレーション)は、言語モデルが要求を拒否しないようにする手法です。拒否を担う内部の単一の方向を見つけ、モデルがその方向に書き込めないように重みを編集します。再学習は不要です。
- Agent2Agent プロトコル
- Agent2Agent プロトコル(A2A)は、異なるフレームワークや異なるベンダーで作られた AI エージェントが、内部のツールやメモリを公開することなく、互いを見つけ、タスクを委任し、結果をやり取りできるようにするオープン標準です。
- AI アシスタント
- AI アシスタント(AI assistant)とは、通常は大規模言語モデルの上に作られ、普通の言葉による依頼を受けて、人の代わりに質問に答えたりタスクをこなしたりするソフトウェア製品です。ChatGPT、Claude、Gemini がその例です。
- AI アバター
- AI アバター(AI avatar)とは、多くの場合実在の人物をもとに生成された動画のキャラクターです。台本やリアルタイムの応答を、顔、 唇、頭の動きを合わせながら話します。
- AI アライメント
- AI アライメント(AI alignment)とは、AI システムの振る舞いを、ユーザーや開発者が本当に意図していることに合わせる取り組みです。もっともらしいテキストを予測したり狭い指標を最適化したりするだけでなく、役に立ち、正直で、害を避けるようにします。
- AI エージェント
- AI エージェント(AI agent)とは、言語モデルが次の手順を自分で決めるシステムです。固定の台本に従うのではなく、ツールを呼び出し、結果を読み、タスクが終わるまで繰り返します。
- AI クローラー
- AI クローラー(AI crawler)とは、AI 企業が運用する自動化されたボットです。ウェブページを取得して、学習データを集めたり、AI 検索のインデックスを作ったり、ユーザーがアシスタントにページについて尋ねたときにその場でページを取り出したりします。
- AI コードエディター
- AI コードエディター(AI code editor)とは、言語モデルを組み込んだコードエディターや IDE です。コード補完、コードベースについてのチャット、多数のファイルにまたがる変更を計画して実行できるエージェントモードを備えています。
- AI サプライチェーン攻撃
- AI サプライチェーン攻撃(AI supply-chain attack)とは、AI アプリケーションを直接攻撃するのではなく、ダウンロードしたモデル、LoRA アダプター、データセット、Python パッケージ、MCP サーバー、エージェントスキルなど、アプリケーションが依存するものを通じて侵害する攻撃です。
- AI ベンチマーク
- AI ベンチマーク(AI benchmark)とは、合意された採点方法を持つ固定の公開タスク集で、同じテストでモデルを比べるために使います。たとえば解決したコーディングの課題数、正解した試験問題、多数のデータセットにわたる検索の品質などです。
- AI 学習データ
- AI 学習データ(AI training data)とは、ウェブのテキスト、コード、画像、書き起こし、ラベル付きのペアなど、モデルが学習に使う例の集まりです。その規模、品質、構成、ライセンスによって、モデルにできることと失敗する場面が決まります。
- AI 検索エンジン
- AI 検索エンジン(AI search engine)とは、クエリに対してウェブ検索を行い、言語モデルで結果を読み、リンクの一覧だけでなく、情報源へのリンク付きの文章で回答を返す検索サービスです。
- AI 画像アップスケーリング
- AI 画像アップスケーリング(AI image upscaling)、または超解像(super-resolution)は、ニューラルネットワークを使って画像を拡大し、もっともらしい細部を補う技術です。単純なリサイズよりも鮮明に見える結果が得られます。
- AI 透かし
- AI 透かし(AI watermarking)とは、AI モデルがテキスト、画像、音声、動画を生成する時点で、機械で検出できる隠れた信号を埋め込むことです。後でソフトウェアがそのコンテンツを AI 生成物だと識別できるようにします。
- AIME(ベンチマーク)
- AIME(American Invitational Mathematics Examination)は、0 から 999 までの整数で答える 15 問の米国の数学コンテストです。AI 企業は AIME 2025 などの過去問を、数学の推論能力を測るベンチマークとして使っています。
- AIレッドチーミング
- AIレッドチーミング(AI red teaming)とは、公開の前後に、人間のテスターや自動化ツールでモデルやAIアプリケーションを意図的に攻撃し、有害な出力、ジェイルブレイク、インジェクションなどの不具合を見つけて修正できるようにすることです。
- API キー
- API キー(API key)とは、アプリケーションがリクエストごとに送る秘密の文字列です。サービスはこれで呼び出し元のアカウントを判別し、上限を適用し、料金を請求します。キーを持っている人は、通常誰でもそれを使えます。
- ARC-AGI
- ARC-AGI は、François Chollet が始め、ARC Prize が運営する一連のベンチマークです。AI システムが見たことのない新しい推論パズルを解けるかを試し、何を知っているかではなく、どれだけ効率よく学ぶかを測ります。
- Artificial Analysis Intelligence Index
- Artificial Analysis Intelligence Index は、ベンチマーク企業の Artificial Analysis が算出する総合スコアです。知識労働、コーディング、科学、一般知識にわたる複数の評価を 1 つの数値にまとめ、言語モデルの比較に使います。
- アテンション機構
- アテンション機構(attention mechanism)とは、ニューラルネットワークが処理する各トークンについて、入力内のほかのすべてのトークンにどれだけの重みを与えるかを決める仕組みです。セルフアテンションは transformer の中核となる演算です。
- エージェントオーケストレーション
- エージェントオーケストレーション(agent orchestration)とは、アプリケーションの中でどのエージェントやモデル呼び出しを、どの順番で実行し、次の手順をどう選ぶかを制御することです。判断はモデルが行う場合と、固定のコードが行う場合があります。
- エージェントサンドボックス
- エージェントサンドボックス(agent sandbox)とは、コンテナ、仮想マシン、オペレーティングシステムの制限などによる隔離された環境です。AI エージェントはその中でコードやコマンドを実行し、決められた範囲の外にあるファイル、ネットワーク、データには届きません。
- エージェントスキル
- エージェントスキル(agent skills)とは、指示、スクリプト、参考ファイルをまとめたフォルダーで、それぞれが SKILL.md ファイルで説明されています。AI エージェントはこれを見つけ、タスクに必要なときだけ読み込みます。
- エージェントの権限
- エージェントの権限(agent permissions)とは、AI エージェントがどのツール、ファイル、コマンド、ネットワーク、アカウントを使えるか、どの操作に事前の人の承認が必要かを決めるルールです。誤ったり操作されたりしたエージェントが与える被害を限定します。
- エージェントハーネス
- エージェントハーネス(agent harness)とは、モデルを実際に動くエージェントにするための周辺ソフトウェアです。ループ、ツール、システムプロンプト、権限、コンテキスト管理、セッション間で進捗を引き継ぐためのファイルなどを含みます。
- エージェントフック
- エージェントフック(agent hooks)とは、ツール呼び出しの直前やファイル編集の直後など、作業中の決まった時点でコーディングエージェントが自動的に実行する、ユーザー定義のコマンドやスクリプトです。エージェントの動作を確認、阻止、拡張するために使います。
- エージェントフレームワーク
- エージェントフレームワーク(agent framework)とは、ツールループ、状態、メモリ、エージェント間のハンドオフ、トレーシングなど、AI エージェントに共通する部品を提供するソフトウェアライブラリです。開発者はこれらを一から作らずに済みます。
- エージェントメモリ
- エージェントメモリ(agent memory)とは、ユーザーに関する事実や過去の作業など、1 つのコン テキストウィンドウを超えて AI エージェントが情報を保持するための技術の総称です。情報をモデルの外に保存し、必要なときに読み込み直します。
- エージェントループ
- エージェントループ(agent loop)とは、AI エージェントの中核にある繰り返しのサイクルです。モデルがツール呼び出しを求め、アプリケーションがそれを実行して結果を返し、モデルが次に何をするかを決めます。
- エージェント型 AI
- エージェント型 AI(agentic AI)とは、タスクの進め方を言語モデルがある程度制御するソフトウェアを指します。モデルは手順を計画し、ツールを選び、その結果に基づいて行動します。1 回のプロンプトと応答よりも高い自律性を持ちます。
- エージェント型 RAG
- エージェント型 RAG(agentic RAG)とは、AI エージェントが実行する検索拡張生成です。エージェントはいつ検索するか、何を検索するか、どの情報源を使うかを決め、最初の結果が不十分なら検索し直せます。
- エージェント指示ファイル(AGENTS.md)
- エージェント指示ファイル(agent instructions file)とは、AGENTS.md や CLAUDE.md など、コードリポジトリに置く Markdown ファイルです。コーディングエージェントはセッションの開始時にこれを読み、プロジェクトのコマンド、規約、ルールを把握します。
- 自己回帰モデル
- 自己回帰モデル(autoregressive model)とは、系列を 1 つずつ生成するモデルです。それまでのすべてのトークンから次のトークンを予測し、その出力を入力に戻します。ほとんどの大規模言語モデルはこの方式で動いています。
- 近似最近傍探索
- 近似最近傍探索(approximate nearest neighbor、ANN)とは、保存したすべてのベクトルを調べることなく、クエリに近いベクトルを見つける探索です。厳密に最良の一致を保証しない代わりに、大規模なコレクションではるかに速く検索できます。
B
- Batch API
- Batch API とは、大量のモデルへのリクエストを 1 つのジョブとして送信し、呼び出しごとに待つのではなく、後でまとめて結果を受け取れる API です。提供元は余裕があるときにジョブを実行し、通常は料金を安くしています。
- BM25
- BM25 はキーワード検索のための順位付けの式です。クエリの単語が各文書にどれだけ出てくるかで文書を採点し、珍しい単語には大きな重みを与え、長い文書や繰り返される語の評価は抑えます。
- BrowseComp
- BrowseComp は、1,266 問の難しい質問からなる OpenAI のベンチマークです。ブラウジングエージェントが、入り組んで見つけにくい事実を求めて粘り強くウェブを検索できるかを試します。答えは短く、確認しやすいものです。
- ブラウザーエージェント
- ブラウザーエージェント(browser agent)とは、ウェブブラウザーを操作して、検索、クリック、フォームの入力、ページの読み込みなどのタスクをこなす AI エージェントです。多くの場合、画面を表示しないヘッドレスブラウザーで動きます。
- ベースモデル
- ベースモデル(base model)とは、指示チューニングや人のフィードバックによる学習を受ける前の、事前学習を終えたばかりの言語モデルです。指示に従ったり会話をしたりするのではなく、与えられたテキストの続きを書きます。
- ベンチマーク汚染
- ベンチマーク汚染(benchmark contamination)とは、モデルが学習中にベンチマークのテスト問題や答えを見てしまっている状態です。そのベンチマークでのスコアは、同じ種類の新しい問題をどれだけうまく扱えるかを過大に示すことになります。
C
- C2PA コンテンツクレデンシャル
- C2PA コンテンツクレデンシャル(C2PA content credentials)とは、Coalition for Content Provenance and Authenticity のオープン標準で定められた、署名付きの来歴の記録です。画像、動画、音声ファイル、文書と一緒に移動し、その出どころと編集の経緯を記 録します。
- Chain-of-thought
- Chain-of-thought(CoT、思考の連鎖)とは、言語モデルが最終的な回答の前に中間の推論の手順を書き出すプロンプトの手法です。数学、論理、その他の複数の手順を要する問題で結果がよくなる傾向があります。
- Continuous batching
- Continuous batching(連続バッチ処理)とは、バッチ全体の完了を待つのではなく、生成の各ステップの後に、実行中の GPU のバッチへ新しいリクエストを加え、終わったリクエストを取り除くモデルサービングの技術です。GPU を休ませず、スループットを上げます。
- ControlNet
- ControlNet は、テキストからの画像生成を行う拡散モデルが、テキストのプロンプトに加えて、エッジマップ、深度マップ、人のポーズなどの構造的なガイドに従えるようにするニューラルネットワークの追加モジュールです。
- CPU オフロード
- CPU オ フロード(CPU offloading)とは、GPU メモリに収まらないモデルを、一部の層をシステムの RAM やディスクに置き、残りを GPU で処理することで動かす方法です。モデルは動きますが、遅くなります。
- クロスエンコーダー
- クロスエンコーダー(cross-encoder)とは、クエリと文書を 1 回の処理でまとめて読み、関連度のスコアを出力するモデルです。別々の埋め込みを比べるより正確ですが、コレクション全体に対して実行するには遅すぎます。
- コーディングエージェント
- コーディングエージェント(coding agent)とは、人が貼り付けるコードを提案するだけでなく、ソフトウェアに直接取り組む AI エージェントです。コードベースを読み、ファイルを編集し、コマンドとテストを実行し、変更が動くまで繰り返します。
- コサイン類似度
- コサイン類似度(cosine similarity)とは、2 つのベクトルがどれだけ似ているかを、その間の角度で測る指標です。値は -1 から 1 の範囲で、ベクトルの長さは無視されます。検索で埋め込みを比べる最も一般的な方法です。
- コンテキストウィンドウ
- コンテキストウィンドウ(context window)とは、言語モデルが一度に考慮できるテキストの最大量で、トークン数で数えます。システムプロンプト、会話、文書、ツールの結果、モデルが書く応答が含まれます。
- コンテキストエンジニアリング
- コンテキストエンジニアリング(context engineering)とは、タスクの間に言語モデルのコンテキストウィンドウに入るすべてのもの、つまり指示、取得した文書、ツールの定義、ツールの結果、会話の履歴を選び、管理する取り組みです。
- コンテキストの劣化
- コンテキストの劣化(context rot)とは、入力が長くなるにつれて言語モデルの正確さと信頼性が落ちる現象です。入力がまだコンテキストウィンドウに収まっていて、必要な情報が含まれている場合でも起こります。
- コンテキスト圧縮
- コンテ キスト圧縮(context compaction)とは、コンテキストウィンドウの上限に近づいた会話をエージェントが要約し、その要約から始まる新しいウィンドウで作業を続ける手順です。これにより長いタスクを継続できます。
- コンピューター操作
- コンピューター操作(computer use)とは、AI モデルが人と同じようにコンピューターを操作する能力です。スクリーンショットを見て、マウスのクリックとキー入力を送ることで、API のないソフトウェアでも作業できます。
- チャンキング
- チャンキング(chunking)とは、長い文書を埋め込みとインデックス化の前に小さな文章のまとまりに分割する手順です。検索システムは、文書のうちクエリに答える部分だけを見つけて返せるようになります。
D
- データレジデンシー
- データレジデンシー(data residency)とは、顧客のデータを EU など選んだ地理的な地域で保存し、多くの場合は処理もするた めの管理の仕組みです。データの所在地に関する法律、契約、顧客のルールを満たすために使います。
- データ流出(AI エージェント)
- AI エージェントにおけるデータ流出(data exfiltration)とは、攻撃者がエージェントをだまし、エージェントがアクセスできる非公開のデータを読ませて、ウェブリクエスト、メール、画像リンク、その他攻撃者が制御する経路で外部に送らせることです。
- ディープフェイク
- ディープフェイク(deepfake)とは、AI で作成または改変され、実在の人物、場所、出来事を、実際には起きていない形で本物らしく見せ、本物として通用しうる画像、音声、動画のコンテンツです。
- ディープリサーチ(AI)
- ディープリサーチ(deep research)とは、調査の問いについて計画を立て、多数のウェブ検索を行い、見つけた情報源を読み、引用付きの長いレポートを書く AI エージェントの機能です。数秒ではなく数分かかります。
- 判定モデル
- 判定モデル(decision model)とは、自由なテキストを生成する代わりに、一覧からの選択、ルーブリックによるスコア、はい/いいえの確率など、型の決まった答えを返すために作られたモデルです。
- 拡散モデル
- 拡散モデル(diffusion model)とは、多くのステップをかけて少しずつノイズを取り除くことで、ランダムなノイズを画像などのデータに変えることを学ぶ生成モデルです。
- 拡散言語モデル
- 拡散言語モデル(diffusion language model、dLLM)とは、1 トークンずつ書くのではなく、完全にマスクされた系列やノイズを含む系列から始め、何段階かかけて多くのトークン位置を並列に洗練させることでテキストを生成するモデルです。
- 文書解析
- 文書解析(document parsing)とは、PDF、スキャン画像、スライド、スプレッドシートなどのファイルを、ソフトウェアで使える構造化されたテキストに変換することです。単なる文字の羅列ではなく、見出し、読む順序 、表、画像を保ちます。
- 直接選好最適化(DPO)
- 直接選好最適化(direct preference optimization、DPO)とは、報酬モデルと強化学習の代わりに、分類のような単純な損失関数を使い、好まれた回答と退けられた回答のペアで直接学習させて、言語モデルを人の選好に合わせる方法です。
E
- Elo レーティング(モデルアリーナ)
- モデルアリーナにおける Elo レーティング(Elo rating)とは、モデルのペアどうしの多数の一対一の投票から計算するスコアです。2 つのスコアの差から、一方のモデルの回答がもう一方よりどれくらいの頻度で好まれるかを予測できます。
- EU AI Act
- EU AI Act(規則(EU)2024/1689)は、人工知能に関する欧州連合の法律です。AI システムを開発、導入する者に対して、全面的な禁止から透明性の義務まで、リスクに基づくルールを定めており、2025 年から段階的に適用されます。
- 埋め込み
- 埋め込み(embedding)とは、テキスト、画像、その他のデータを表す数値の並び(ベクトル)です。意味の似たものほどベクトルが近くなるように作られます。
- 埋め込みの次元数
- 埋め込みの次元数(embedding dimension)とは、埋め込みモデルが出力する各ベクトルに含まれる値の数です。次元が多いほど多くの細部を保持できますが、値が 1 つ増えるごとに、1 件あたりの保存、メモリ、検索のコストが増えます。
F
- Few-shot プロンプティング
- Few-shot プロンプティング(few-shot prompting)とは、タスクの具体例をいくつかプロンプトの中で言語モデルに示し、再学習なしに新しい入力に対してそのパターンをまねさせる方法です。
- ファインチューニング
- ファインチューニング(fine-tuning)とは、事前学習済みのモデルを、より小さなタスク特化のデータセットでさらに学習させることです。一から学習させることなく、モデルに特定の技能、形式、口調、分野を身につけさせます。
- フロンティアモデル
- フロンティアモデル(frontier model)とは、その時点で利用できる最も高性能な汎用 AI モデルの 1 つで、通常は資金力のある開発企業が作ったものです。相対的な言葉であり、AI 安全性の政策でも使われます。
- 基盤モデル
- 基盤モデル(foundation model)とは、幅広いデータで大規模に学習した大きなモデルで、1 つのタスクのために作られるのではなく、プロンプトやファインチューニングによってさまざまな下流のタスクに適応させられるものです。
G
- GGUF
- GGUF は、モデルの重み、トークナイザー、メタデータを 1 つのファイルに保存するバイナリのファイル形式です。llama.cpp などの GGML ベースのツー ルでの高速な読み込みとローカル推論のために作られており、量子化された形で使われることが多くあります。
- GPQA
- GPQA(Graduate-Level Google-Proof Q&A)は、生物学、物理学、化学の難しい多肢選択問題 448 問からなるベンチマークです。専門家が作成しており、熟練した非専門家はウェブ検索を無制限に使っても答えられないようになっています。
- GPU
- GPU(graphics processing unit)は、多数の計算を並列に実行するために作られた、小さなコアを数多く持つプロセッサーです。行列演算が速いため、AI モデルの学習と実行の標準的なハードウェアになっています。
- GPU クラウド
- GPU クラウド(GPU cloud)とは、AI の学習、ファインチューニング、推論のために GPU マシンを時間単位や秒単位で貸し出すサービスです。neocloud と呼ばれることもある専門の事業者は GPU に特化しており、大手の汎用クラウドより安いことがよくあります。
- GraphRAG
- GraphRAG は、LLM がまず文書のコレクションからナレッジグラフを作り、関連するエンティティのグループごとに要約を書いたうえで、その要約とグラフのつながりを使って質問に答える検索の手法です。
- ガードレール(AI)
- ガードレール(guardrails)とは、言語モデルの周りに置く実行時のチェックです。入力と出力を調べ、ブロックしたり、書き換えたり、別の経路に回したりします。これにより、アプリケーションが話題から外れず、有害なコンテンツを避け、モデルだけでは確実に守れないルールに従うようにします。
- ガイダンススケール(CFG)
- ガイダンススケール(guidance scale)、または CFG スケールとは、拡散モデルの画像生成ツールで、出力がプロンプトにどれだけ強く従うかを調整する設定です。値を高くするとプロンプトにより忠実に従いますが、多様性は下がります。
- グラウンディング
- グラウンディング(grounding)とは、言語モデルの回答を、検索結果、文書、データベースなど、確認できる特定の 情報源に結びつけることです。主張が学習データだけでなく、与えられた根拠に基づくようにします。
- ゴールデンデータセット
- ゴールデンデータセット(golden dataset)とは、入力の例と、期待される答えや振る舞いを組み合わせた、入念に確認済みの固定のセットです。AI システムを評価したり回帰テストをしたりするときの基準として使います。
- 生成エンジン最適化(GEO)
- 生成エンジン最適化(generative engine optimization、GEO)とは、AI 検索エンジンやチャットアシスタントがウェブのコンテンツを見つけ、生成する回答の中で引用し、出典として示すように、コンテンツを整える取り組みです。
H
- HNSW
- HNSW(hierarchical navigable small world)は、近似最近傍探索のためのグラフベースのインデックスです。複数の層にわたってベクトルを近傍とつなぐので、検索は最も近い一致に向かって素早く移動できます。
- HumanEval
- HumanEval は、OpenAI が 2021 年に公開したコード生成のベンチマークです。手書きで作られた 164 問の Python の問題からなり、それぞれに関数のシグネチャ、docstring、ユニットテストがあります。モデルが実際に動くコードを書けるかを確かめるために使います。
- Humanity's Last Exam
- Humanity's Last Exam(HLE)は、数十の科目にわたる、専門家が作成した 2,500 問からなるベンチマークです。AI モデルにとって非常に難しくなるよう作られており、答えは明確で確認できるものの、オンラインですぐには見つかりません。
- ハイブリッド検索
- ハイブリッド検索(hybrid search)とは、同じクエリに対してキーワード検索とベクトル検索を実行し、2 つの順位付きリストを統合する検索です。正確な単語での一致と、意味での一致の両方を結果に反映できます。