や
約束事（Rule）
AIが処理で従う前提条件や決まり。
プロンプト内の「〜してはいけない」などの指示もここに含まれる。
役割指示（Role Instruction）
AIに「〜として振る舞う」と伝える命令。
ライター役・教師役などの役割を与えて返答の方向性を整える。
ヤコビアン行列（Jacobian Matrix）
入力の変化が出力にどう影響するかを表す行列。
最適化や微分計算で、モデルの挙動を把握するために使われる。
ゆ
有向グラフ（Directed Graph）
矢印でつながる点と線の構造。
推薦システムや関係性の分析などでAIが扱うデータ形式。
有効パラメータ（Effective Parameter）
実際の学習で効いてくる重みや設定。
モデルサイズだけでなく、本当に機能している部分を示す。
優先度（Priority）
AIがタスクを処理する順番や重要度。
検索結果の並び順や、どの情報を重視するかの判断に関わる。
揺らぎ（Variance）
出力や学習結果がブレる度合い。
学習が不安定なモデルほど揺らぎが大きくなる。
ユーザー属性（User Profile）
AIが受け取る利用者に関する前提情報。
年齢層や用途などから、最適な回答の調整に使われる。
ユーザー入力（User Input）
人間がAIに渡すテキストや画像。
AIの出力はこの入力内容を基に生成される。
ユーザビリティ（Usability）
使いやすさに関する指標。
AIツールをどれだけ直感的に扱えるかを評価する観点。
ユニット（Unit）
ニューラルネットを構成する最小の計算要素。
入力を受け取り、活性化関数を通して次の層に送る処理を担当する。
ユーティリティ関数（Utility Function）
行動の良し悪しを数値化する関数。
強化学習で、どの行動が得かを判断する基準になる。
よ
要約生成（Summarization）
長文から重要部分だけを抽出して短くする処理。
ニュース要約、会議メモ整理などで活用される。
要素抽出（Feature Extraction）
データの特徴を取り出す処理。
画像なら輪郭や色、文章ならキーワードなど、AIが理解するための材料を作る。
予測精度（Prediction Accuracy）
AIがどれだけ正しく当てられるかの指標。
分類の正解率や誤差率などで測定される。
予測モデル（Predictive Model）
未来や未知の値を推定するモデル。
売上予測や画像分類など、幅広い用途で活用される。
余白埋め（Inpainting）
画像の欠けた部分をAIが補完する処理。
人物や背景の削除・修復などで使われる。
ヨーク（York）
データ処理で使われる統計的手法の一種。
AIではノイズを含むデータのフィッティングなどで応用される。