あ
アーキテクチャ（Architecture）
AIモデルの構造や設計のこと。
AIがどんな層（Layer）を持ち、どのように情報を伝達するかを定義する仕組み。ChatGPTのようなモデルも「Transformer」というアーキテクチャで構築されている。
アウトプット（Output）
AIが処理した結果として出す「答え」や「生成物」。
ユーザーが入力した情報（インプット）をもとに、AIが返すテキスト・画像・音声などの結果。ChatGPTの返答や画像生成結果がアウトプットにあたる。
い
一次データ（Raw Data）
AIが学習する前の、加工されていない生データ。
写真・文章・音声など、AIに入力する前の素材。ここから不要な部分を削除し、アノテーションなどで整備して学習に使う。
イテレーション（Iteration）
AIが学習中に同じ処理を何度も繰り返すこと。
AIは学習を少しずつ改善していくため、イテレーション（反復）を重ねて精度を高めていく。1回ごとに重みを調整して最適な状態に近づける。
インターフェース（Interface）
人とAI・コンピュータがやり取りする接点。
アプリやウェブサイト、チャット画面など、ユーザーがAIと操作・対話できる仕組み。ChatGPTの入力欄もその一種。
インプット（Input）
AIに与えるデータや指示のこと。
AIの動作は、与えられた情報（質問・画像・文章など）によって変わる。良いアウトプットを得るには、明確で具体的なインプット（＝プロンプト）が重要。
う
ウェイト（Weight）
AIが学習を通じて得る「重要度」を数値化したもの。
AIは入力データの特徴を数値化し、「どの情報をどれだけ重視するか」をウェイトで調整する。この重み付けが、AIの判断の正確さを左右する。
え
エッジAI（Edge AI）
クラウドではなく端末（スマホ・IoT機器など）側で動作するAI。
インターネットに接続せず、デバイス内部で処理を行うAI。顔認識や音声操作などに使われ、通信遅延がなく安全性が高いのが特徴。
エポック（Epoch）
AIが訓練データを一通り学習し終えるまでの1サイクル。
AIの学習は、データを何度も繰り返し読み込んで進化する。1回のデータ全学習を1エポックと呼び、回数を重ねるほど精度が上がるが、やりすぎると過学習になることも。
エンコーディング（Encoding）
文字や画像などをAIが理解できる数値データに変換すること。
AIは文字や画像をそのままでは扱えないため、「ベクトル」と呼ばれる数値に変換して処理する。この工程がエンコーディング。
エンベディング（Embedding）
意味を数値の空間にマッピングして表す技術。
「犬」と「猫」は意味が近く、「車」とは離れている──そんな“意味の距離”を数値化して扱うのがエンベディング。AIの自然言語理解に不可欠な要素。
エージェント（Agent）
自律的に判断し、行動するAIのこと。
ユーザーの指示に従って情報を検索・処理し、最適な行動を取る仕組み。最近では「AIエージェント」がチャットや業務自動化で注目されている。
お
オプティマイザー（Optimizer）
AIが最適な結果を出せるように、重みを調整するアルゴリズム。
学習中に誤差を減らすため、AI内部の数値（ウェイト）を微調整する役割を持つ。代表的なものに「Adam」「SGD」などがある。
オントロジー（Ontology）
知識や概念を整理してAIが理解できる形にした構造。
人間の世界の「ものごとの関係性」をAIが理解するための設計図のようなもの。たとえば、「犬は動物の一種」「動物は生物である」などを体系的に表す。
オートエンコーダー（Autoencoder）
データを圧縮して特徴を抽出し、再構築するAIモデル。
画像や音声などの情報を小さな数値にまとめ、不要な部分を省いて本質だけを学ぶ。異常検知やノイズ除去などに使われる。
オーバーフィッティング（Overfitting）
AIが学習データに偏りすぎて、新しいデータに対応できなくなる現象。
「テストでは完璧なのに本番で使えない」状態。AIが訓練データを暗記してしまい、汎用性を失うことを指す。
オープンソース（Open Source）
ソフトウェアやAIモデルの中身を公開し、誰でも利用・改良できる仕組み。
GitHubなどで公開されるAIツールやモデルがこれにあたる。研究者や開発者が共同でAIを進化させる土台となる。