AI用語辞典

大規模言語モデルに比べてパラメータ数や計算リソースが少ないAIモデル。リソースが限られた環境でも動作し、特定のタスクに特化して効率的な処理が可能です。

人間が介入することなく、自ら課題を認識し、解決策を設計・実行できるAIシステム。ソフトウェア開発やエンジニアリングタスクの自動化に用いられます。

訓練済みのAIモデルを使って、新しいデータから予測や判断を行うシステムです。特定のタスクを実行するために設計され、自律的に動作することが期待されます。

ディープラーニングの一種で、特に画像認識や画像処理に特化したニューラルネットワークです。画像の特徴を自動的に抽出する能力に優れています。

複数のAIエージェントが同時に異なるタスクやサブタスクを処理する仕組み。これにより、全体の処理速度や効率が向上し、複雑なマルチタスクをこなせるようになります。

GLM-5.2に採用されているアーキテクチャの名称。詳細な技術情報は記事からは不明ですが、効率的な学習と推論を可能にし、高性能かつ低コストなLLMを実現する鍵となっていると考えられます。

複数の専門家（エキスパート）と呼ばれる小さなニューラルネットワークを組み合わせたAIモデルです。入力データに応じて最適なエキスパートを選択し、処理を分担することで、効率と性能を向上させます。

Perceptronが開発した高性能動画分析AIモデル。競合他社のモデルと比較して80-90%安価でありながら、動画の因果関係を分析する能力を持つとされています。コスト効率と性能を両立した点が特徴です。

大規模言語モデル（LLM）が利用する知識の集積。従来のRAGのように外部データベースに依存せず、LLM自身がMarkdownファイルなどの情報を管理・進化させることで、知識を整理・統合し、より高度な推論や応答を可能にするアーキテクチャです。

特定の目標を達成するために、自律的に環境を認識し、判断し、行動する能力を持つAIシステムです。ユーザーの指示に基づいて情報収集、タスク実行、問題解決などを行い、人間のように振る舞うことを目指します。

自律的に目標を設定し、外部ツールや情報源を活用しながら、その目標達成に向けて行動できるAI。複数のステップを踏んで複雑なタスクをこなすことができます。

モデルの重み（パラメータ）が公開されている大規模言語モデル。これにより、研究者や開発者がモデルを自由に利用、改変、再配布できるため、AI技術の民主化とイノベーションの加速に貢献します。

大量の多様なデータで事前に訓練された、汎用性の高い大規模なAIモデルです。様々な下流タスク（特定の応用課題）にファインチューニング（微調整）することで、効率的に多様なAIアプリケーションを開発できます。LLMも基盤モデルの一種です。

xAIが開発した大規模言語モデル。リアルタイムの情報にアクセスできる点が特徴で、ユーモアを交えた会話や、X（旧Twitter）の情報を活用した回答生成能力を持つとされています。

大規模言語モデルが一度に処理できる入力テキストの長さ（トークン数）を指します。コンテキスト長が長いほど、より多くの情報を考慮して応答を生成できます。

複雑なシミュレーションや物理的な実験の代わりに、比較的少ない計算コストで結果を予測するために作られる簡易的な数理モデルです。AIや機械学習を用いて構築されることが多く、設計最適化やリアルタイム予測などに活用されます。

Google DeepMindが開発した、ロボット向けのAIモデル。ロボットが複雑なタスクを理解し、人間のような推論能力と計画能力を持って実行することを可能にします。

Z.aiが開発したオープンウェイトの大規模言語モデル。長期間のコーディングベンチマークでGPT-5.5を上回る性能を発揮し、かつコストを大幅に削減できるとされています。

OpenAIが開発しているとされる、サイバーセキュリティに特化したAIモデル。ソフトウェアの脆弱性発見やサイバーリスクの低減を目指しています。

自然言語処理分野で広く使われるディープラーニングモデルです。特に「アテンション機構」により、入力データのどの部分に注目すべきかを学習し、長距離の依存関係を効率的に捉えます。

人間の脳の神経細胞（ニューロン）のつながりを模した計算モデルです。複数の層から構成され、各層のニューロンが情報を処理し、次の層へと伝達します。

Weiboの研究チームが開発した、30億パラメータの比較的小規模な言語モデル。大規模モデルと同等かそれ以上の推論性能を発揮したと報告されており、効率的なAIモデル開発の可能性を示唆しています。

複数の大規模言語モデル（LLM）を組み合わせて利用すること。それぞれのLLMの得意分野を活かしたり、冗長性を持たせたりすることで、より高度なAIシステムを構築できます。

複数のAIエージェントが仮想空間内で相互作用し、現実世界の物理法則や空間特性をシミュレーションするモデル。複雑な環境でのAIの行動や学習を研究するために用いられます。

テキストだけでなく、画像、音声、動画など複数の種類のデータを理解し、生成できる大規模言語モデル。より複雑な情報処理や対話が可能になります。

テキスト、画像、音声など複数の種類のデータを同時に理解し、処理できるAI。現実世界の複雑な情報を統合的に認識し、より人間らしい対話や行動を可能にするAIシステムです。

Anthropicが開発していると報じられているAIモデル。特にサイバーセキュリティ分野での脆弱性発見能力や、人間のような推論・計画能力を持つとされています。

機械学習によってデータから学習された知識やパターンを表現するものです。入力データに対して予測や分類などの出力を行います。

ディープラーニングの一種で、時系列データ（音声、テキストなど）の処理に適したニューラルネットワークです。過去の情報を記憶し、現在の出力に影響を与えます。

クラウド上のサーバーではなく、スマートフォンやPCなどのデバイス上で直接動作する大規模言語モデル（LLM）のことです。インターネット接続なしで利用でき、データが外部に送信されないため、プライバシーやセキュリティ面で優れています。