こんにちは！AIディレクターZENです。
こちらは60％は「無料記事」です！
後半のおまけパートだけ、「有料」としています。
その理由は下記に解説しています。
「無料部分」だけでも、直近で生成AIの学習をしている方にとっても、十分過ぎるほどに有益な情報になっていると思いますので、是非、最後まで読んでみてくださいね！
実は最近、クライアントとの打ち合わせで「ハルシネーション」という言葉が出てきた時、相手の方が「？」という顔をされたことがありました。
僕も最初は「幻覚？薬物の話？」と思ったのですが、今では生成AIの専門用語として日常的に使っています。
AI業界の発展スピードは凄まじく、新しい用語が次々と生まれています。特にChatGPTの登場以降、ビジネスシーンでもAI関連の用語を知らないと話についていけない場面が増えました。
今回は、意外と知らない生成AIの専門用語を100個厳選して解説していきます！
あなたはいくつ知っているかぜひチャレンジしてみてくださいね！
今のうちにスキ・フォローをポチッとしていただければ励みになります。
生成AI活用のノウハウを見逃さないよう、ぜひフォローをお願いします！
基礎レベル：絶対に覚えておきたい25の用語
まずは、生成AIを語る上で欠かせない基本用語から紹介します。僕がクライアントへの説明で必ず使用する言葉ばかりです。
1. プロンプト（Prompt）
AIへの「お願い事」を書いた指示書のことです。これが下手だとAIが「え？何が欲しいの？」みたいな微妙な回答をしてきます。料理のレシピと同じで、材料と手順を明確に書くほど美味しい結果が出ますね。
2. ハルシネーション（Hallucination）
AIが「確信を持って嘘をつく」現象です。僕は初めて聞いた時「AIが幻覚を見るの？」と思いました。でも実際は、存在しない会社名や間違った数字を堂々と答えてくる状況を指します。特に統計データを聞いた時によく起こるので要注意です。
3. トークン（Token）
AIが文章を読む時の「単語のかけら」です。日本語だと「こんにちは」が3トークンくらいになります。お金を払うサービスではこのトークン数で料金が決まるので、長文を投げると財布が軽くなる仕組みです。僕も月末になると「あ、今月使いすぎた」となることがあります。
4. ファインチューニング（Fine-tuning）
汎用AIを「あなたの会社専用AI」に育て上げる技術です。僕が手がけたカスタマーサポート案件では、普通のAIだと30%しか正解しなかったのが、ファインチューニング後は60%まで跳ね上がりました。まるで新人研修のような感じですね。
5. 生成AI（Generative AI）
「無から有を生み出す」AIの総称です。
昔のAIは「これは犬ですか？猫ですか？」みたいな判定しかできませんでしたが、生成AIは「犬の絵を描いて」「猫の小説を書いて」ができちゃいます。僕が初めて使った時は本当に感動しました。
6. LLM（Large Language Model）
「めちゃくちゃ大量の文章を読み込んだ超博識AI」のことです。ChatGPTの中身もこれです。インターネット上の膨大な文章を読んで学習しているので、たまに「えっ、そんなマニアックなことまで知ってるの？」と驚かされます。
7. API（Application Programming Interface）
AIとあなたのアプリを繋ぐ「通訳さん」みたいな存在です。僕がカスタムアプリを作る時は必ずAPIを使います。レストランで注文を取ってくれるウェイターさんのような役割で、あなたの要求をAIに正確に伝えてくれます。
8. プロンプトエンジニアリング（Prompt Engineering）
AIへの「上手なお願いの仕方」を研究する技術です。僕がセミナーで一番質問される分野で、まさに現代の「魔法の呪文」作りです。同じ質問でも言い方次第で全然違う答えが返ってくるから面白いんですよ。
9. 温度（Temperature）
AIの「テンションの高さ」を調整するダイヤルです。0に近いと真面目で堅い答え、1に近いとクリエイティブで時々変な答えが出ます。僕は資料作成では0.3、アイデア出しでは0.8くらいに設定することが多いです。
10. コンテキストウィンドウ（Context Window）
AIの「短期記憶の限界」です。人間でも「さっき何の話してたっけ？」となることがありますよね。AIも同じで、長すぎる会話は覚えきれません。GPT-4だと大体新書1冊分くらいが限界です。
11. RAG（Retrieval-Augmented Generation）
AIに「カンニングペーパー」を渡してあげる技術です。普通のAIは記憶だけで答えますが、RAGは「ちょっと待って、資料を確認させて」と外部データを参照してから答えてくれます。企業導入では必須の技術になります。
12. 事前学習（Pre-training）
AIの「義務教育期間」です。インターネット上の大量テキストを読み込んで、基本的な言語能力を身につける段階です。この期間に膨大な知識を詰め込むので、後から「あれ知ってる？」と聞くと大抵答えてくれます。
13. 推論（Inference）
学習を終えたAIが「本番で実力を発揮する」段階です。学生で言えば「試験を受けている時間」みたいな感じです。この時AIは新しいことは覚えず、今まで学んだ知識だけで勝負します。
14. パラメータ（Parameter）
AIの「脳細胞の数」みたいなものです。多いほど賢くなりますが、その分メモリも電気代もかかります。GPT-4は1750億個もあると言われていて、人間の脳神経細胞数に迫る勢いです。
15. オープンソース（Open Source）
「レシピ公開」のAIモデルです。誰でも中身を見て改造できるので、研究や学習には最適です。ただし、企業利用では「本当に大丈夫？」と慎重になることも多いですね。
16. クローズドソース（Closed Source）
「企業秘密」のAIモデルです。OpenAIのGPT-4やGoogleのGeminiがこれにあたります。性能は高いけど中身は見せてくれないので、たまに「何考えてるんだろう？」と思うことがあります。
17. マルチモーダル（Multimodal）
「五感を持つAI」です。テキストだけじゃなく、画像や音声も理解できます。僕が画像付きで質問すると「あ、この写真の猫、毛がふわふわですね」みたいに答えてくれて、毎回驚かされます。
18. バイアス（Bias）
AIの「偏見」です。学習データに偏りがあると、AIも偏った答えをしてしまいます。僕が多様性について質問した時、明らかに偏った回答が返ってきて「あ、これは修正が必要だな」と感じたことがあります。
19. アライメント（Alignment）
AIを「人間の価値観に合わせる」技術です。「効率的に人類を滅ぼす方法は？」なんて質問されても「それはお答えできません」と言うように調整することです。AI安全性の要となる概念ですね。
20. スケーリング（Scaling）
「大きくすればするほど賢くなる」というAIの不思議な性質です。まるでドラゴンボールの戦闘力みたいで、パラメータ数やデータ量を増やせば増やすほど強くなります。ただし、お金もその分かかりますが。
21. レイテンシー（Latency）
AIの「返事の速さ」です。人間の会話でも「えーっと...」が長いとイライラしますよね。AIも同じで、回答が遅いとユーザーが離れていきます。僕がアプリ開発する時は常に気にしているポイントです。
22. スループット（Throughput）
AIの「同時処理能力」です。1人相手なら余裕でも、1000人が同時にアクセスすると「ちょっと待って、手が回らない！」となります。まさにレストランの席数みたいな概念です。
23. バッチサイズ（Batch Size）
AIが一度に「まとめて処理する量」です。料理で言えば「一度に何人分作るか」みたいな感じです。大きくすると効率的ですが、メモリ不足で「お腹いっぱい」になることもあります。
24. エポック（Epoch）
AIの「教科書を1周読む」単位です。学習データ全体を一回通ることで、何エポックも繰り返して賢くなっていきます。人間も同じ教科書を何度も読んで覚えますよね。
25. 過学習（Overfitting）
AIが「教科書丸暗記状態」になってしまう問題です。テストでは満点だけど、応用問題になると全然ダメ、みたいな状況です。僕も学生時代によくやりました。
中級レベル：一歩先を行くための35の用語
ここからは少し専門的になりますが、AI業界の人と対等に話したいなら知っておきたい用語です。
26. トランスフォーマー（Transformer）
現在のAIの「基本設計図」です。2017年に登場して以来、ChatGPTからGeminiまで、ほぼ全ての優秀なAIがこの設計を使っています。まさにAI界の「iPhone」的な存在ですね。
27. アテンション機構（Attention Mechanism）
AIの「集中力」を司る技術です。長い文章でも「あ、ここが重要だな」と注目すべき部分を見つけるのが得意です。僕が翻訳プロジェクトで使った時、精度が劇的に改善されて感動しました。
28. エンベディング（Embedding）
言葉を「数字の座標」に変換する技術です。「愛」と「恋」は近い場所に、「愛」と「憎しみ」は遠い場所に配置されます。まるで感情の地図を作っているようで面白いんです。
29. ゼロショット学習（Zero-shot Learning）
AIの「初見殺し能力」です。今まで見たことない問題でも、持ってる知識を組み合わせて答えを出します。まるで「応用力のある優等生」みたいで、毎回「よくそんなこと分かるな」と感心します。
30. フューショット学習（Few-shot Learning）
AIの「見様見真似能力」です。2、3個の例を見せるだけで「あ、こういうパターンね」と理解してくれます。新人研修で「まずはこの例を見て」と教える感じに似ています。
31. インコンテキスト学習（In-context Learning）
AIの「その場で覚える能力」です。会話の中で例を示すと、追加学習なしにそのパターンを理解してくれます。まるで「空気を読む」のが得意な人みたいですね。
32. チェーンオブソート（Chain of Thought）
AIに「思考過程を説明させる」テクニックです。「答えは◯◯」ではなく「まず△△を考えて、次に□□だから、答えは◯◯」と段階的に説明させます。数学の途中式を書かせる感じです。
33. RLHF（Reinforcement Learning from Human Feedback）
AIを「人間の好みに合わせて調教する」技術です。ChatGPTがあんなに人間らしく答えられるのはこの技術のおかげです。まるでペットの躾みたいで、「良い子ね」「ダメよ」を繰り返します。
34. 強化学習（Reinforcement Learning）
AIが「試行錯誤で上達する」学習方法です。ゲームのAIによく使われていて、最初は下手くそでも何万回も挑戦して、最終的に人間を超えてしまいます。まさに「継続は力なり」を体現しています。
35. 教師あり学習（Supervised Learning
） AIの「家庭教師付き学習」です。「これが正解」「これは不正解」と答えを教えながら学習させます。人間の学校教育と同じで、分かりやすいけど正解データを用意するのが大変です。
36. 教師なし学習（Unsupervised Learning）
AIの「独学」です。正解を教えずに「勝手にパターンを見つけて」と丸投げする学習方法です。時々想像もしなかった発見をしてくれるので、研究者には人気の手法です。
37. 転移学習（Transfer Learning）
AIの「経験の活かし方」です。猫の画像認識を覚えたAIに犬の認識を教える時、「猫で覚えた特徴を活かせるでしょ？」と効率的に学習させる技術です。人間の「応用力」に似ています。
38. ドメイン適応（Domain Adaptation）
AIの「郷に入っては郷に従え」技術です。医療用に作られたAIを法律分野で使いたい時、専門用語の違いに適応させる必要があります。まるで方言を覚えるような感じですね。
39. データ拡張（Data Augmentation）
学習データを「水増し」する技術です。猫の写真が100枚しかない時、回転させたり色を変えたりして300枚に増やします。料理で言えば「かさ増し」テクニックです。
40. 正則化（Regularization）
AIの「自制心」を鍛える技術です。学習データを完璧に覚えすぎないよう「ほどほどにしなさい」とブレーキをかけます。ダイエット中の「食べ過ぎ防止」みたいなものです。
41. 勾配降下法（Gradient Descent）
AIが「山登りの逆」をする最適化手法です。エラーの山から一番低い谷底を目指して下っていきます。登山で言えば「霧の中を手探りで下山」している感じです。
42. バックプロパゲーション（Backpropagation）
AIの「反省会」です。間違えた時に「どこがダメだったのか」を逆算して、次回に活かします。人間の「振り返り」と同じで、これがないと成長できません。
43. 活性化関数（Activation Function）
AIの「ON/OFFスイッチ」です。ニューロンが興奮するかどうかを決める関数で、これがないとAIは単純な計算機になってしまいます。人間の脳の「閾値」に似た概念です。
44. 損失関数（Loss Function）
AIの「通知表」です。どれくらい間違えているかを数値化して、改善の方向を示してくれます。学校のテストの点数みたいなもので、これを見て「もっと頑張らなきゃ」となります。
45. オプティマイザー（Optimizer）
AIの「学習コーチ」です。どうやって効率的に学習するかの戦略を決めてくれます。「今日は基礎練習」「明日は実践」みたいに学習メニューを組んでくれる感じです。
46. 学習率（Learning Rate）
AIの「学習ペース」です。大きすぎると「せっかち」になって大事なことを見落とし、小さすぎると「のろま」になって時間がかかりすぎます。人間の勉強と同じで、適度なペースが大切です。
47. ドロップアウト（Dropout）
AIの「サボり防止技術」です。学習中にランダムでニューロンを休ませて、特定の部分に頼りすぎないようにします。チーム作業で「みんなで協力しなさい」と言うのと似ています。
48. 正規化（Normalization）
データの「身長体重調整」です。バラバラなデータを同じスケールに揃えて、AIが混乱しないようにします。運動会で身長順に並ぶのと同じで、整理整頓の一種です。
49. アンサンブル学習（Ensemble Learning）
AIの「チームワーク」です。複数のAIに同じ問題を解かせて、多数決で答えを決めます。「三人寄れば文殊の知恵」を地で行く手法で、単体より精度が向上します。
50. 交差検証（Cross Validation）
AIの「模擬試験」です。本番前にデータの一部を隠しておいて、そこでテストして実力を測ります。学校の中間テストで本番に備えるのと同じ発想です。
51. ハイパーパラメータ（Hyperparameter）
AIの「体質」を決める設定値です。学習率や層の数など、学習前に決めておく必要があります。料理のレシピの「火加減」や「塩加減」のようなもので、これ次第で出来栄えが変わります。
52. 特徴量エンジニアリング（Feature Engineering）
データの「化粧術」です。生データを機械学習が分かりやすい形に加工する技術です。まるで写真を加工アプリで盛るように、データをAIが理解しやすく「盛る」わけです。
53. 次元削減（Dimensionality Reduction）
データの「断捨離」です。重要な情報は残しつつ、不要な部分をカットして計算を軽くします。引っ越し前に荷物を整理するのと同じで、本当に必要なものだけ残します。
54. クラスタリング（Clustering）
データの「仲間分け」です。似たもの同士をグループに分ける技術で、顧客分析などでよく使います。学校の「気の合う友達グループ」が自然にできるのと似ていますね。
55. 異常検知（Anomaly Detection）
データの「空気を読まない奴」を見つける技術です。普通と違うパターンを発見するので、不正検知やシステム監視で活躍します。クラスで一人だけ変な行動をする人を見つけるような感じです。
56. 自然言語処理（Natural Language Processing, NLP）
コンピュータに「人間の言葉」を理解させる技術分野です。翻訳、要約、感情分析など、言語に関することならなんでも扱います。まさにAIの「国語の授業」ですね。
57. 自然言語理解（Natural Language Understanding, NLU）
AIが人間の言葉の「行間を読む」技術です。単語の意味だけでなく、文脈や感情まで理解しようとします。「察しの良いAI」を作る技術と言えるでしょう。
58. 自然言語生成（Natural Language Generation, NLG）
AIが人間らしい文章を「作文する」技術です。データから自動でレポートを書いたり、チャットボットが自然な返事をしたりできます。AIの「作文能力」を鍛える分野です。
59. 感情分析（Sentiment Analysis）
文章から「気持ち」を読み取る技術です。レビューが褒めているのか文句なのかを判定できます。僕がSNS分析プロジェクトで使った時、ユーザーの本音が見えて面白かったです。
60. 固有表現抽出（Named Entity Recognition, NER）
文章から「大事な名前」を拾い出す技術です。人名、会社名、地名などを自動で見つけてくれます。新聞記事から重要人物を抽出するような作業が一瞬でできちゃいます。
上級レベル：専門家なら必須の25の用語
ここからは本格的にAI業界で働く人向けの用語です。でも知ってると「おっ、詳しいね」と言われること間違いなしです。
こんにちは！AIディレクターZENです。
こちらは60％は「無料記事」です！
後半のおまけパートだけ、「有料」としています。
その理由は下記に解説しています。
「無料部分」だけでも、直近で生成AIの学習をしている方にとっても、十分過ぎるほどに有益な情報になっていると思いますので、是非、最後まで読んでみてくださいね！
実は最近、クライアントとの打ち合わせで「ハルシネーション」という言葉が出てきた時、相手の方が「？」という顔をされたことがありました。
僕も最初は「幻覚？薬物の話？」と思ったのですが、今では生成AIの専門用語として日常的に使っています。
AI業界の発展スピードは凄まじく、新しい用語が次々と生まれています。特にChatGPTの登場以降、ビジネスシーンでもAI関連の用語を知らないと話についていけない場面が増えました。
今回は、意外と知らない生成AIの専門用語を100個厳選して解説していきます！
あなたはいくつ知っているかぜひチャレンジしてみてくださいね！
今のうちにスキ・フォローをポチッとしていただければ励みになります。
生成AI活用のノウハウを見逃さないよう、ぜひフォローをお願いします！
基礎レベル：絶対に覚えておきたい25の用語
まずは、生成AIを語る上で欠かせない基本用語から紹介します。僕がクライアントへの説明で必ず使用する言葉ばかりです。
1. プロンプト（Prompt）
AIへの「お願い事」を書いた指示書のことです。これが下手だとAIが「え？何が欲しいの？」みたいな微妙な回答をしてきます。料理のレシピと同じで、材料と手順を明確に書くほど美味しい結果が出ますね。
2. ハルシネーション（Hallucination）
AIが「確信を持って嘘をつく」現象です。僕は初めて聞いた時「AIが幻覚を見るの？」と思いました。でも実際は、存在しない会社名や間違った数字を堂々と答えてくる状況を指します。特に統計データを聞いた時によく起こるので要注意です。
3. トークン（Token）
AIが文章を読む時の「単語のかけら」です。日本語だと「こんにちは」が3トークンくらいになります。お金を払うサービスではこのトークン数で料金が決まるので、長文を投げると財布が軽くなる仕組みです。僕も月末になると「あ、今月使いすぎた」となることがあります。
4. ファインチューニング（Fine-tuning）
汎用AIを「あなたの会社専用AI」に育て上げる技術です。僕が手がけたカスタマーサポート案件では、普通のAIだと30%しか正解しなかったのが、ファインチューニング後は60%まで跳ね上がりました。まるで新人研修のような感じですね。
5. 生成AI（Generative AI）
「無から有を生み出す」AIの総称です。
昔のAIは「これは犬ですか？猫ですか？」みたいな判定しかできませんでしたが、生成AIは「犬の絵を描いて」「猫の小説を書いて」ができちゃいます。僕が初めて使った時は本当に感動しました。
6. LLM（Large Language Model）
「めちゃくちゃ大量の文章を読み込んだ超博識AI」のことです。ChatGPTの中身もこれです。インターネット上の膨大な文章を読んで学習しているので、たまに「えっ、そんなマニアックなことまで知ってるの？」と驚かされます。
7. API（Application Programming Interface）
AIとあなたのアプリを繋ぐ「通訳さん」みたいな存在です。僕がカスタムアプリを作る時は必ずAPIを使います。レストランで注文を取ってくれるウェイターさんのような役割で、あなたの要求をAIに正確に伝えてくれます。
8. プロンプトエンジニアリング（Prompt Engineering）
AIへの「上手なお願いの仕方」を研究する技術です。僕がセミナーで一番質問される分野で、まさに現代の「魔法の呪文」作りです。同じ質問でも言い方次第で全然違う答えが返ってくるから面白いんですよ。
9. 温度（Temperature）
AIの「テンションの高さ」を調整するダイヤルです。0に近いと真面目で堅い答え、1に近いとクリエイティブで時々変な答えが出ます。僕は資料作成では0.3、アイデア出しでは0.8くらいに設定することが多いです。
10. コンテキストウィンドウ（Context Window）
AIの「短期記憶の限界」です。人間でも「さっき何の話してたっけ？」となることがありますよね。AIも同じで、長すぎる会話は覚えきれません。GPT-4だと大体新書1冊分くらいが限界です。
11. RAG（Retrieval-Augmented Generation）
AIに「カンニングペーパー」を渡してあげる技術です。普通のAIは記憶だけで答えますが、RAGは「ちょっと待って、資料を確認させて」と外部データを参照してから答えてくれます。企業導入では必須の技術になります。
12. 事前学習（Pre-training）
AIの「義務教育期間」です。インターネット上の大量テキストを読み込んで、基本的な言語能力を身につける段階です。この期間に膨大な知識を詰め込むので、後から「あれ知ってる？」と聞くと大抵答えてくれます。
13. 推論（Inference）
学習を終えたAIが「本番で実力を発揮する」段階です。学生で言えば「試験を受けている時間」みたいな感じです。この時AIは新しいことは覚えず、今まで学んだ知識だけで勝負します。
14. パラメータ（Parameter）
AIの「脳細胞の数」みたいなものです。多いほど賢くなりますが、その分メモリも電気代もかかります。GPT-4は1750億個もあると言われていて、人間の脳神経細胞数に迫る勢いです。
15. オープンソース（Open Source）
「レシピ公開」のAIモデルです。誰でも中身を見て改造できるので、研究や学習には最適です。ただし、企業利用では「本当に大丈夫？」と慎重になることも多いですね。
16. クローズドソース（Closed Source）
「企業秘密」のAIモデルです。OpenAIのGPT-4やGoogleのGeminiがこれにあたります。性能は高いけど中身は見せてくれないので、たまに「何考えてるんだろう？」と思うことがあります。
17. マルチモーダル（Multimodal）
「五感を持つAI」です。テキストだけじゃなく、画像や音声も理解できます。僕が画像付きで質問すると「あ、この写真の猫、毛がふわふわですね」みたいに答えてくれて、毎回驚かされます。
18. バイアス（Bias）
AIの「偏見」です。学習データに偏りがあると、AIも偏った答えをしてしまいます。僕が多様性について質問した時、明らかに偏った回答が返ってきて「あ、これは修正が必要だな」と感じたことがあります。
19. アライメント（Alignment）
AIを「人間の価値観に合わせる」技術です。「効率的に人類を滅ぼす方法は？」なんて質問されても「それはお答えできません」と言うように調整することです。AI安全性の要となる概念ですね。
20. スケーリング（Scaling）
「大きくすればするほど賢くなる」というAIの不思議な性質です。まるでドラゴンボールの戦闘力みたいで、パラメータ数やデータ量を増やせば増やすほど強くなります。ただし、お金もその分かかりますが。
21. レイテンシー（Latency）
AIの「返事の速さ」です。人間の会話でも「えーっと...」が長いとイライラしますよね。AIも同じで、回答が遅いとユーザーが離れていきます。僕がアプリ開発する時は常に気にしているポイントです。
22. スループット（Throughput）
AIの「同時処理能力」です。1人相手なら余裕でも、1000人が同時にアクセスすると「ちょっと待って、手が回らない！」となります。まさにレストランの席数みたいな概念です。
23. バッチサイズ（Batch Size）
AIが一度に「まとめて処理する量」です。料理で言えば「一度に何人分作るか」みたいな感じです。大きくすると効率的ですが、メモリ不足で「お腹いっぱい」になることもあります。
24. エポック（Epoch）
AIの「教科書を1周読む」単位です。学習データ全体を一回通ることで、何エポックも繰り返して賢くなっていきます。人間も同じ教科書を何度も読んで覚えますよね。
25. 過学習（Overfitting）
AIが「教科書丸暗記状態」になってしまう問題です。テストでは満点だけど、応用問題になると全然ダメ、みたいな状況です。僕も学生時代によくやりました。
中級レベル：一歩先を行くための35の用語
ここからは少し専門的になりますが、AI業界の人と対等に話したいなら知っておきたい用語です。
26. トランスフォーマー（Transformer）
現在のAIの「基本設計図」です。2017年に登場して以来、ChatGPTからGeminiまで、ほぼ全ての優秀なAIがこの設計を使っています。まさにAI界の「iPhone」的な存在ですね。
27. アテンション機構（Attention Mechanism）
AIの「集中力」を司る技術です。長い文章でも「あ、ここが重要だな」と注目すべき部分を見つけるのが得意です。僕が翻訳プロジェクトで使った時、精度が劇的に改善されて感動しました。
28. エンベディング（Embedding）
言葉を「数字の座標」に変換する技術です。「愛」と「恋」は近い場所に、「愛」と「憎しみ」は遠い場所に配置されます。まるで感情の地図を作っているようで面白いんです。
29. ゼロショット学習（Zero-shot Learning）
AIの「初見殺し能力」です。今まで見たことない問題でも、持ってる知識を組み合わせて答えを出します。まるで「応用力のある優等生」みたいで、毎回「よくそんなこと分かるな」と感心します。
30. フューショット学習（Few-shot Learning）
AIの「見様見真似能力」です。2、3個の例を見せるだけで「あ、こういうパターンね」と理解してくれます。新人研修で「まずはこの例を見て」と教える感じに似ています。
31. インコンテキスト学習（In-context Learning）
AIの「その場で覚える能力」です。会話の中で例を示すと、追加学習なしにそのパターンを理解してくれます。まるで「空気を読む」のが得意な人みたいですね。
32. チェーンオブソート（Chain of Thought）
AIに「思考過程を説明させる」テクニックです。「答えは◯◯」ではなく「まず△△を考えて、次に□□だから、答えは◯◯」と段階的に説明させます。数学の途中式を書かせる感じです。
33. RLHF（Reinforcement Learning from Human Feedback）
AIを「人間の好みに合わせて調教する」技術です。ChatGPTがあんなに人間らしく答えられるのはこの技術のおかげです。まるでペットの躾みたいで、「良い子ね」「ダメよ」を繰り返します。
34. 強化学習（Reinforcement Learning）
AIが「試行錯誤で上達する」学習方法です。ゲームのAIによく使われていて、最初は下手くそでも何万回も挑戦して、最終的に人間を超えてしまいます。まさに「継続は力なり」を体現しています。
35. 教師あり学習（Supervised Learning
） AIの「家庭教師付き学習」です。「これが正解」「これは不正解」と答えを教えながら学習させます。人間の学校教育と同じで、分かりやすいけど正解データを用意するのが大変です。
36. 教師なし学習（Unsupervised Learning）
AIの「独学」です。正解を教えずに「勝手にパターンを見つけて」と丸投げする学習方法です。時々想像もしなかった発見をしてくれるので、研究者には人気の手法です。
37. 転移学習（Transfer Learning）
AIの「経験の活かし方」です。猫の画像認識を覚えたAIに犬の認識を教える時、「猫で覚えた特徴を活かせるでしょ？」と効率的に学習させる技術です。人間の「応用力」に似ています。
38. ドメイン適応（Domain Adaptation）
AIの「郷に入っては郷に従え」技術です。医療用に作られたAIを法律分野で使いたい時、専門用語の違いに適応させる必要があります。まるで方言を覚えるような感じですね。
39. データ拡張（Data Augmentation）
学習データを「水増し」する技術です。猫の写真が100枚しかない時、回転させたり色を変えたりして300枚に増やします。料理で言えば「かさ増し」テクニックです。
40. 正則化（Regularization）
AIの「自制心」を鍛える技術です。学習データを完璧に覚えすぎないよう「ほどほどにしなさい」とブレーキをかけます。ダイエット中の「食べ過ぎ防止」みたいなものです。
41. 勾配降下法（Gradient Descent）
AIが「山登りの逆」をする最適化手法です。エラーの山から一番低い谷底を目指して下っていきます。登山で言えば「霧の中を手探りで下山」している感じです。
42. バックプロパゲーション（Backpropagation）
AIの「反省会」です。間違えた時に「どこがダメだったのか」を逆算して、次回に活かします。人間の「振り返り」と同じで、これがないと成長できません。
43. 活性化関数（Activation Function）
AIの「ON/OFFスイッチ」です。ニューロンが興奮するかどうかを決める関数で、これがないとAIは単純な計算機になってしまいます。人間の脳の「閾値」に似た概念です。
44. 損失関数（Loss Function）
AIの「通知表」です。どれくらい間違えているかを数値化して、改善の方向を示してくれます。学校のテストの点数みたいなもので、これを見て「もっと頑張らなきゃ」となります。
45. オプティマイザー（Optimizer）
AIの「学習コーチ」です。どうやって効率的に学習するかの戦略を決めてくれます。「今日は基礎練習」「明日は実践」みたいに学習メニューを組んでくれる感じです。
46. 学習率（Learning Rate）
AIの「学習ペース」です。大きすぎると「せっかち」になって大事なことを見落とし、小さすぎると「のろま」になって時間がかかりすぎます。人間の勉強と同じで、適度なペースが大切です。
47. ドロップアウト（Dropout）
AIの「サボり防止技術」です。学習中にランダムでニューロンを休ませて、特定の部分に頼りすぎないようにします。チーム作業で「みんなで協力しなさい」と言うのと似ています。
48. 正規化（Normalization）
データの「身長体重調整」です。バラバラなデータを同じスケールに揃えて、AIが混乱しないようにします。運動会で身長順に並ぶのと同じで、整理整頓の一種です。
49. アンサンブル学習（Ensemble Learning）
AIの「チームワーク」です。複数のAIに同じ問題を解かせて、多数決で答えを決めます。「三人寄れば文殊の知恵」を地で行く手法で、単体より精度が向上します。
50. 交差検証（Cross Validation）
AIの「模擬試験」です。本番前にデータの一部を隠しておいて、そこでテストして実力を測ります。学校の中間テストで本番に備えるのと同じ発想です。
51. ハイパーパラメータ（Hyperparameter）
AIの「体質」を決める設定値です。学習率や層の数など、学習前に決めておく必要があります。料理のレシピの「火加減」や「塩加減」のようなもので、これ次第で出来栄えが変わります。
52. 特徴量エンジニアリング（Feature Engineering）
データの「化粧術」です。生データを機械学習が分かりやすい形に加工する技術です。まるで写真を加工アプリで盛るように、データをAIが理解しやすく「盛る」わけです。
53. 次元削減（Dimensionality Reduction）
データの「断捨離」です。重要な情報は残しつつ、不要な部分をカットして計算を軽くします。引っ越し前に荷物を整理するのと同じで、本当に必要なものだけ残します。
54. クラスタリング（Clustering）
データの「仲間分け」です。似たもの同士をグループに分ける技術で、顧客分析などでよく使います。学校の「気の合う友達グループ」が自然にできるのと似ていますね。
55. 異常検知（Anomaly Detection）
データの「空気を読まない奴」を見つける技術です。普通と違うパターンを発見するので、不正検知やシステム監視で活躍します。クラスで一人だけ変な行動をする人を見つけるような感じです。
56. 自然言語処理（Natural Language Processing, NLP）
コンピュータに「人間の言葉」を理解させる技術分野です。翻訳、要約、感情分析など、言語に関することならなんでも扱います。まさにAIの「国語の授業」ですね。
57. 自然言語理解（Natural Language Understanding, NLU）
AIが人間の言葉の「行間を読む」技術です。単語の意味だけでなく、文脈や感情まで理解しようとします。「察しの良いAI」を作る技術と言えるでしょう。
58. 自然言語生成（Natural Language Generation, NLG）
AIが人間らしい文章を「作文する」技術です。データから自動でレポートを書いたり、チャットボットが自然な返事をしたりできます。AIの「作文能力」を鍛える分野です。
59. 感情分析（Sentiment Analysis）
文章から「気持ち」を読み取る技術です。レビューが褒めているのか文句なのかを判定できます。僕がSNS分析プロジェクトで使った時、ユーザーの本音が見えて面白かったです。
60. 固有表現抽出（Named Entity Recognition, NER）
文章から「大事な名前」を拾い出す技術です。人名、会社名、地名などを自動で見つけてくれます。新聞記事から重要人物を抽出するような作業が一瞬でできちゃいます。
上級レベル：専門家なら必須の25の用語
ここからは本格的にAI業界で働く人向けの用語です。でも知ってると「おっ、詳しいね」と言われること間違いなしです。