た
対話型AI（Conversational AI）
人と自然に会話できるよう設計されたAI。
ChatGPTやSiriのように、質問に答えたり雑談したりする機能を持つ。
タグ付け（Tagging）
データに意味づけや分類ラベルをつける作業。
AI学習の基礎であり、画像や文章に「これは〇〇」と印をつける工程。
多層パーセプトロン（Multilayer Perceptron / MLP）
複数の層を持つニューラルネットワークの基本形。
入力層・中間層・出力層で構成され、深層学習の原点となるモデル。
ち
知識グラフ（Knowledge Graph）
情報を「もの同士の関係」として表すデータ構造。
Google検索などで「関連情報」をつなげて表示する仕組みに使われる。
知識蒸留（Knowledge Distillation）
大きなAIモデルの知識を小さなモデルに移す技術。
軽量化してスマホなどでもAIを動かせるようにするための方法。
注意機構（Attention Mechanism）
AIが「重要な情報」に注目して処理する仕組み。
ChatGPTなどのトランスフォーマー構造の中核技術。
中間層（Hidden Layer）
ニューラルネットワークで、入力と出力の間にある層。
AIが「特徴」を抽出したり、複雑な関係を学習したりする場所。
調整パラメータ（Hyperparameter）
AIの学習前に設定する値。
学習率やバッチサイズなど、結果の精度や速度に影響する。
直接学習（Direct Learning）
データから直接パターンを学ぶAIの手法。
特徴量設計を人が行わず、AI自身が最適な特徴を見つける。
て
テキスト生成（Text Generation）
AIが自然な文章を作り出す技術。
ニュース記事の自動作成やチャット応答などに使われる。
転移学習（Transfer Learning）
既存のAIモデルを別の課題に応用する手法。
学習コストを減らし、少ないデータでも高精度な結果を得られる。
データクレンジング（Data Cleansing）
データの誤りや欠損を修正して整える作業。
AIの精度を高めるために欠かせない「前処理工程」。
データセット（Dataset）
AIの学習に使うデータの集まり。
訓練・検証・テスト用などに分けて活用される。
データドリフト（Data Drift）
時間の経過でデータの傾向が変化する現象。
AIの予測精度が落ちる原因になり、定期的な再学習が必要になる。
と
同期処理（Synchronous Processing）
処理を順番に実行する仕組み。
AIのリアルタイム処理では、非同期処理（Asynchronous）と比較される。
同定（Identification）
AIがシステムの動作モデルを推定する手法。
制御AIやロボット分野で、対象の特性を理解するために使われる。
特徴抽出（Feature Extraction）
データから重要な特徴を取り出す工程。
AIが複雑な情報を理解するための第一ステップとなる。
特徴量（Feature）
AIが学習に使うデータの性質や指標。
たとえば画像なら「色」「形」、文章なら「単語の出現頻度」など。
トランスフォーマー（Transformer）
Attentionを基盤としたAIモデル構造。
ChatGPTやBERTなど、近年の大規模言語モデルの中心技術。
トークナイザー（Tokenizer）
文章を単語や記号に分解するツール。
ChatGPTのようなAIでは、テキストをトークン単位で処理している。
そ
相関関係（Correlation）
2つのデータの間にどれくらい関係があるかを示す概念。
AIでは「どの特徴が結果に影響しているか」を判断する際に使われる。
損失関数（Loss Function）
AIが「どれだけ間違えているか」を数値化する関数。
学習では、この値を最小化するようにパラメータを調整する。
ソフトマックス関数（Softmax Function）
AIの出力を「確率」に変換する関数。
分類問題で、どのクラスに属する確率が高いかを求めるときに使われる。
ソースコード（Source Code）
AIやプログラムの中身を記述した人間が読める形のコード。
Pythonなどで書かれ、AIモデルの設計や挙動を定義する。
ソリューション（Solution）
AIを活用して問題を解決する仕組みやサービス。
企業が抱える課題に対して、AIを組み込んだ最適な提案を指す。