AI活用 完全ガイド 2026

Large Language Modelの略。大規模言語モデル。大量のテキストデータを学習し、人間のような文章を生成できるAIモデル。ChatGPT、Claude、Geminiなどの基盤技術。

新しいコンテンツ（テキスト、画像、音声など）を生成できるAI。Generative AIとも呼ばれる。

AIに対する入力文や指示のこと。プロンプトの質がAIの出力品質に大きく影響する。

AIから望ましい出力を得るために、効果的なプロンプト（指示文）を設計する技術。

AIがテキストを処理する際の最小単位。日本語では1文字が1〜3トークン程度。APIの利用料金や処理上限に関係する。

AIが一度に処理できるトークン数の上限。この範囲内でAIは会話の文脈を理解する。

AIが事実と異なる情報を、あたかも事実であるかのように出力する現象。AIの主要な課題の一つ。

Retrieval-Augmented Generationの略。外部データベースから関連情報を検索し、それを基に回答を生成する手法。ハルシネーション対策として有効。

既存のAIモデルを特定のタスクやドメインに特化させるため、追加データで再学習させること。

テキスト、画像、音声など複数の種類のデータを統合的に処理できるAIの能力。

2017年にGoogleが発表したニューラルネットワークのアーキテクチャ。自己注意機構により、文脈を効率的に処理でき、現代のLLMの基盤技術となっている。

入力の各部分に対する「注目度」を計算し、関連性の高い情報に重みを付ける仕組み。トランスフォーマーの核心技術。

事前の例示なしにタスクを実行する能力。AIに例を与えず、直接タスクを指示すること。

少数の例示からタスクを学習する能力。数個の例を示してからAIにタスクを実行させる手法。

段階的な推論を促すプロンプティング手法。「ステップバイステップで考えて」と指示することで、複雑な問題の解決精度が向上する。略称はCoT。

Reinforcement Learning from Human Feedbackの略。人間のフィードバックを基にAIを強化学習させる手法。ChatGPTなどで採用。

Application Programming Interfaceの略。AIサービスをプログラムから利用するためのインターフェース。システム連携や自動化に使用。

テキストや画像などのデータを、AIが処理しやすい数値ベクトルに変換したもの。意味的な類似性の計算に使用される。