AI基礎・モデル
「AI基礎・モデル」に関する専門用語をまとめた用語集カテゴリです。生成AI・LLM・RAG・AIエージェント・DX・セキュリティの実務で使う用語を、定義と具体例つきで経営層・IT担当者向けにわかりやすく解説します。
全33用語
Jev（TypeSafe AI）
Jev とは、TypeSafe AI が開発した判断専用の AI モデルで、文章を生成せず、あらかじめ決めた選択・段階評価・真偽の判断を確率付きで返す「System One モデル」である。
PEFT
PEFT（Parameter-Efficient Fine-Tuning）とは、大規模言語モデルの全パラメータではなく一部のみを更新することで、少ない計算資源とデータでモデルを特定タスクに適応させるフ
QLoRA
QLoRA（Quantized LoRA）とは、LoRA に 4bit 量子化を組み合わせることで、コンシューマ向け GPU でも大規模言語モデルのファインチューニングを可能にした手法である。
RLHF
RLHFとは人間のフィードバックを報酬として使う強化学習手法、RLVRとは検証可能な正解を報酬として使う強化学習手法であり、いずれもLLMの出力を人間の期待に沿うよう調整するために用いられる。
AI チェッカー（AI 生成文章判定ツール）
AI チェッカーとは、文章が AI によって生成されたかどうかを統計的な特徴などから推定するツールの総称で、判定には誤りが含まれるため単独の根拠にしない運用が前提になる。
AI モード（Google AI Mode）
AI モードとは、Google 検索に組み込まれた生成 AI の検索モードで、質問を重ねながら要約された回答と出典リンクを得られる機能である。
SLM（Small Language Model）
SLM（Small Language Model）とは、パラメータ数を数十億〜百億程度に抑えた言語モデルの総称で、LLMに比べ少ない計算資源で推論・Fine-tuningが可能なことを特徴とする。
MoE（Mixture of Experts）
MoE（Mixture of Experts）とは、モデル内部に複数の「エキスパート」サブネットワークを持ち、入力ごとにその一部だけを活性化させることで、パラメータ総数を増やしつつ推論コストを抑えるア
LLM（大規模言語モデル）
LLM（Large Language Model）とは、大量のテキストデータで事前学習された、数十億〜数兆のパラメータを持つニューラルネットワークモデルの総称であり、自然言語の理解・生成を高い精度で行
オープンウェイトモデル
オープンウェイトモデルとは、学習済みのモデルの重み（パラメータ）が公開されており、ダウンロードして自由に推論やFine-tuningに利用できる言語モデルのことである。
画像生成 AI
画像生成 AI とは、テキストの指示や参考画像から新しい画像を生成する生成 AI の総称で、広告・資料・EC の素材制作に使われる。商用利用では権利と利用規約の確認が欠かせない。
Google AI Studio
Google AI Studio とは、Google の生成 AI モデル Gemini をブラウザ上で試し、プロンプトの検証や API キーの発行ができる開発者向けの無料ツールである。
Grok（グロック）
Grok とは、SpaceX 傘下の SpaceXAI（旧 xAI）が開発する大規模言語モデルと対話 AI サービスで、X の投稿を参照した回答ができる点が特徴である。
コンテキストウィンドウ（Context Window）
コンテキストウィンドウとは、LLMが一度に処理できるトークン数の上限のことで、入力プロンプトと出力を合わせた最大長を指す。長いドキュメントの処理やマルチターン会話の品質に直接影響する。
推論時スケーリング（Test-time Compute）
推論時スケーリングとは、モデルの推論フェーズで使う計算量を動的に増減させることで、難しい問題にはより多くの「思考ステップ」を費やし、簡単な問題には即答する手法である。
推論モデル（Reasoning Model）
回答前に明示的な思考連鎖を生成し、複雑な問題を段階的に解く大規模言語モデルの一種。
Sparse Model（スパースモデル）
Sparse Model（スパースモデル）とは、推論時にモデルの全パラメータではなく一部のみを活性化させるニューラルネットワークアーキテクチャの総称である。代表例として MoE（Mixture of
Sora（OpenAI）
Sora とは、OpenAI が提供していたテキストや画像から動画を生成する AI である。アプリと Web は 2026 年 4 月に、API は 2026 年 9 月に提供を終了した。
TurboQuant
Google が開発した LLM 向けメモリ圧縮技術。量子化によりメモリ消費量を最大 1/6 に削減し、推論速度を最大 8 倍に高速化する。
知識蒸留（Knowledge Distillation）
大規模な教師モデルの知識を小規模な生徒モデルに転移させ、軽量かつ高精度なモデルを作成する手法。
DeepSeek（ディープシーク）
DeepSeek とは、中国の DeepSeek 社が開発する大規模言語モデルとチャットサービスで、重みを公開するオープンウェイト方式と低い推論単価が特徴である。
Dense Model（密結合モデル）
Dense Model（密結合モデル）とは、推論時にモデルの全パラメータを使って計算を行うニューラルネットワークアーキテクチャのことである。MoE（Mixture of Experts）がエキスパート
投機的デコーディング（Speculative Decoding）
小型のドラフトモデルが複数トークンを先行提案し、大型モデルが並列検証する推論高速化技術。
トークン（Token）
トークン（Token）とは、LLM がテキストを処理する際の最小単位である。単語そのものではなく、単語の一部や記号、空白なども含まれ、モデルの語彙（ボキャブラリー）に基づいてテキストを分割した結果の断
BPEトークナイザー（Byte-Pair Encoding Tokenizer）
テキストを頻出パターンで統合しサブワード単位に分割するアルゴリズム。LLM の入出力コストと処理速度に直結し、低リソース言語では専用語彙が不足するためバイトレベル分解が発生する。
ファインチューニング
ファインチューニング（Fine-Tuning）とは、事前学習済みの機械学習モデルに追加の学習データを与え、特定のタスクやドメインに適応させるプロセスを指す。
ベースモデル（Foundation Model）
ベースモデル（Foundation Model）とは、大規模なデータセットで事前学習（プリトレーニング）された汎用 AI モデルのことである。特定のタスクに特化しておらず、ファインチューニングやプロン
マルチモーダルAI（Multimodal AI）
マルチモーダルAIとは、テキスト・画像・音声・動画など複数の異なるデータ形式を統合的に処理・理解・生成できるAIシステムのこと。
マルチリンガルNLP（多言語自然言語処理）
マルチリンガルNLPとは、タイ語・日本語・英語など複数言語のテキストを横断的に解析・生成できる自然言語処理技術で、多言語チャットボットや翻訳システムの基盤となる。
量子化（Quantization）
モデルのパラメータ精度を16bitから4bit等に下げてサイズを圧縮し、限られた計算資源での推論を可能にする最適化手法。
ローカルLLM
ローカルLLMとは、クラウドAPIを介さず、自社のサーバーやPC上で大規模言語モデルを直接実行する運用形態のことである。
LoRA
LoRA（Low-Rank Adaptation、読みは「ローラ」）とは、大規模言語モデルの重み行列に低ランクの差分行列を追加し、その差分だけを学習することで、モデル全体の 0.1〜1% 程度のパラメ
生成AI（Generative AI）
生成AIとは、テキスト・画像・音声・動画などのコンテンツを学習データから自律的に生成できるAIモデルの総称で、LLMや画像生成モデルが代表例。