ま
マイクロモデル（Micro Model）
小規模で軽量なAIモデル。
スマホやノートPCで動かしやすく、処理速度や消費メモリを抑えられる。
マルチモーダル（Multimodal）
複数形式の情報をまとめて扱う仕組み。
画像を見ながら文章を作る、音声を文字に変換して要約する、などが可能になる。
マージ（Merge）
複数モデルを統合する処理。
能力の一部を組み合わせて、追加学習なしで新しい性質を持たせられる。
マッピング（Mapping）
ある情報を別の情報に変換して対応づける処理。
文章から要約を生成したり、画像から説明文を作成したりする際に行われる。
み
ミニバッチ（Mini-batch）
学習データを小さく束ねた単位。
AIが一度に処理するデータ量を調整し、学習を安定させる役割がある。
ミスリード（Misleading）
AIが誤った方向に学習する状態。
偏ったデータや不正確なラベルによって誤判断が増えることを指す。
ミドルレイヤー（Middle Layer）
ニューラルネットの中間層。
入力から特徴を抽出したり、意味的な構造を組み立てたりする中心部分。
ミラーリング（Mirroring）
データを左右反転して増やす拡張手法。
画像データの量を確保し、モデルの偏りを減らす目的で利用される。
む
無教師学習（Unsupervised Learning）
正解ラベルなしで構造を学ぶ手法。
似たデータをグループ化するクラスタリングや特徴抽出に使われる。
め
メタ学習（Meta Learning）
学習方法そのものを学ぶ仕組み。
少ないデータでも素早く適応しやすいモデルを作るために利用される。
メタデータ（Metadata）
データの属性や説明情報。
画像の解像度・作成日・形式など、元データの管理や検索に役立つ情報を指す。
メッセージパッシング（Message Passing）
ノード間で特徴量をやり取りする演算。
グラフ構造のAIで、関係性を考慮した学習を可能にする仕組み。
メモリネットワーク（Memory Network）
外部記憶を参照しながら推論するモデル。
長い文章の文脈保持や質問応答で、高い精度の判断が可能になる。
も
モデル圧縮（Model Compression）
モデルを軽量化する技術。
量子化・蒸留などで処理速度を上げ、端末への負荷を下げる。
モジュール化（Modularization）
AIの処理を部品化して構成する設計。
機能ごとに独立させ、更新・追加や再利用をしやすくする。
モンテカルロ法（Monte Carlo Method）
ランダム試行を繰り返して値を推定する手法。
強化学習で行動価値を評価するときや、複雑な確率計算に利用される。