AIとは何ですか? 2024 年の必須 AI 用語の A-to-Z 用語集

AI の世界は猛烈なスピードで変化しているため、なじみのない用語 (または 2 つ) に不意を突かれたとしても無理はありません。 テクノロジーが私たちの日常生活にますます多くの形で影響を与えるにつれて、最新の AI 用語を常に最新の状態に保つことがますます重要になっています。

これは特に職場に当てはまり、 AI リテラシーは雇用主にとって新たな必須スキルとなります。 LLM から AGI が分からなくても、心配する必要はありません。 私たちの周りの世界を形作り続けているテクノロジーについてさらに学ぶのに役立つように、一般的な AI 用語の A から Z までのリストを作成し、それぞれの概念が何を意味するのかを分かりやすく説明しました。

機械学習のような基本的なタッチポイントから、量子 AI のようなより複雑な概念まで、読み続けて興味深い用語をブラッシュアップし、人工知能のすばらしい新しい世界について学びましょう。

AIとは何ですか?

人工知能の略称である AI は、人間のような知的存在の知能ではなく、機械の知能を指します。 AI システムは、大量のトレーニング データを受信し、パターンのデータを分析し、これらのパターンを使用して出力を生成することによって機能します。

この概念は 1950 年代から存在していましたが、 OpenAIなどの AI 開発者による画期的な進歩により、人工知能は近年主流になりました。 AI の研究は膨大であり、毎年拡大しているため、2024 年の人工知能と関連する概念について詳しく学ぶために読んでください。

A: 汎用人工知能 (AGI)

AGI は、人間のような知能を発揮する理論上の AI であり、一般に人間と同等かそれ以上に賢いと考えられています。 この用語の起源は 1997 年に遡りますが、AI 開発者がテクノロジーの最前線を前進させ続けるにつれて、AGI の概念は近年主流になりました。

たとえば、2023 年 11 月に OpenAI は、 Project Q*というコード名で呼ばれる新しい AI の「スーパーインテリジェンス」モデルに取り組んでいることを明らかにしました。これにより、同社は AGI の実現に近づくことができます。 ただし、AGI はまだ仮説上の概念であり、多くの専門家は、このタイプの AI はすぐには開発されないと確信していることを強調しておく必要があります。

Bはビッグデータ

ビッグ データとは、従来のデータ処理方法では管理が困難な大規模で大量のデータセットを指します。 ビッグデータと AI は密接に関連しています。 生の情報の巨大なプールは AI の意思決定に不可欠ですが、高度な AI アルゴリズムはデータセット内のパターンを分析し、貴重な洞察を特定できます。 これらを連携すると、ユーザーは従来の方法よりもはるかに迅速に、より洞察に満ちた発見を得ることができます。

B はバイアスです

AI バイアスは、アルゴリズムが特定の種類の人々に対して体系的に偏見のある結果を生成するときに発生します。 残念ながら、AI システムは、人種、性別、国民的アイデンティティに関する有害な信念を支持し、否定的な固定観念を奨励することで、社会内の偏見を反映していることが一貫して示されています。

こうした偏見は、現在は削除されているバズフィードの記事で強調されており、AIで生成された世界中のバービー人形が掲載されていた。 これらの画像は、過剰に性的表現されたカリブ海の人形、グローバル・サウスの白塗りのバービー人形、不正確な文化的服装をしたアジアの人形をフィーチャーすることで、さまざまな人種的固定観念を裏付けていました。

C は ChatGPT です

おそらくこれについて聞いたことがあるでしょうが、2022 年 11 月にリリースされたときにゲームを変えた生成 AI チャットボットへの敬意なしに AI 用語集は完成したとは言えないため、言及することは依然として重要です。

つまり、 ChatGPT は、AI に関する議論をサーバー ルームからリビング ルームに移した製品です。 iPhone が携帯電話で行ったことを人工知能によって実現し、広くアクセス可能なモデルのおかげでこのテクノロジーが世間の注目を集めるようになりました。

最近、職場におけるテクノロジーの影響レポートで明らかにしたように、ChatGPT は間違いなく企業で最も広く使用されている AI ツールであり、週 4 日勤務を実現する鍵になる可能性もあります。

その影響力は時間の経過とともに薄れるかもしれませんが、AI の世界は常に ChatGPT の誕生前後のプリズムを通して見られるでしょう。

C はコンピューティングの略です

「コンピューティング能力」の略で、コンピューティングとは、データ処理や予測などのタスクを実行するために AI モデルをトレーニングするために必要な計算リソースを指します。 通常、LLM のトレーニングに使用される競合パワーが多いほど、パフォーマンスが向上します。

しかし、コンピューティング能力は多量のエネルギー消費に依存しており、環境活動家の間で懸念を引き起こしている。 たとえば、ChatGPT の応答に毎日 1GWh のエネルギーが必要であることが研究で明らかになりました。これは、米国の 30,000 世帯に電力を供給するのに十分なエネルギーです。

Dは拡散の略です

拡散モデルは機械学習の新しい層を表し、AI によって生成された優れた画像を生成できます。 これらのモデルは、このプロセスを逆転することを学習する前に、データセットにノイズを追加することによって機能します。

画像の背後にある抽象化の概念を理解し、新しい方法でコンテンツを作成することで、拡散モデルは従来の AI モデルによって作成された画像よりも鮮明で洗練された画像を作成し、現在、 Dallなどのさまざまな AI 画像ツールに導入されています。 -Eと安定した拡散。

E は緊急機能の略です

緊急動作は、AI モデルが作成者の意図を超えて予期しない応答を生成したときに発生します。 AI の多くは非常に複雑であり、その意思決定プロセスは依然として人間、その作成者ですら理解できません。 GPT4 のような著名な AI モデルが最近新たな機能を示しているため、AI 研究者は、AI モデルの背後にある方法と理由を理解するためにますます努力しています。

Fは顔認識の略です

顔認識テクノロジーは、AI、機械学習アルゴリズム、コンピューター ビジョン技術に依存して、人間の顔の静止画や動画を処理します。 AI は手動による方法よりも顔の複雑な詳細を効率的に識別できるため、ほとんどの顔認識システムでは、精度を高めるために畳み込みニューラル ネットワーク (CNN) と呼ばれる人工ニューラル ネットワークが使用されています。

G はジェネレーティブ AI の略です

生成 AI は、テキスト、画像、オーディオ クリップなどのオリジナル コンテンツを生成するあらゆる種類の AI を表す包括的な用語です。 生成 AI は、LLM や他の AI モデルからの情報を使用して出力を作成し、ChatGPT、Gemini、Grok などのチャットボットによる応答を強化します。

Hは幻覚のことです

チャットボットは常に正しい、またはまともな応答を生成するとは限りません。 多くの場合、AI モデルは誤った情報を生成しますが、それを事実として提示します。 これをAI幻覚といいます。 幻覚は、AI モデルが実際の事実を取得するのではなく、トレーニングされたデータセットに基づいて予測を行うときに発生します。

AI の幻覚のほとんどは軽微であり、平均的なユーザーには見逃される可能性もあります。 ただし、 ChatGPT によって生成される誤った応答は、開発者を騙して悪意のあるコードをダウンロードさせるために詐欺師によって以前に悪用されていたため、幻覚は危険な結果をもたらすことがあります。

私はインテリジェンスの爆発のためです

AGI との類似点を持つこの知能爆発は、AI の開発が制御不能になり、その結果として人類に脅威をもたらすという仮説的なシナリオです。 「特異点」とも呼ばれるこの用語は、テクノロジーの急速かつほとんど野放しの進歩に対して多くの人が感じている存続の脅威を表しています。

Jはジェイルブレイクの略です

ジェイルブレイクは、AI モデルの倫理的保護手段を回避することを目的としたハッキン​​グの一形態です。 具体的には、特定のプロンプトがチャットボットに入力されると、ユーザーは制限なくチャットボットを使用できるようになります。

興味深いことに、ブラウン大学による最近の研究では、モン族、ズールー語、スコットランド ゲール語などの言語を使用することが ChatGPT をジェイルブレイクする効果的な方法であることが判明しました。 ChatGPT を脱獄する方法については、こちらをご覧ください。

J は雇用不安の略です

AI がこれまで人間が行っていた手作業のプロセスを自動化し続けるにつれて、このテクノロジーにより労働者の間で雇用不安が広まっています。 ほとんどの労働者は心配する必要はありませんが、Tech.co の職場におけるテクノロジーの影響レポートでは、サプライ チェーンの最適化、法律調査、財務分析の役割が 2024 年にAI に置き換えられる可能性が最も高いことが最近わかりました。

L は大規模言語モデル (LLM) を表します。

LLM は、自然言語処理 (NLP) を利用して自然で人間らしい応答を理解して生成する、専門的なタイプの AI モデルです。 簡単に言えば、ChatGPT のようなツールをボットっぽくなく、あなたや私のように聞こえるようにします。

生成 AI とは異なり、LLM は言語関連のタスクを処理するために特別に設計されています。 聞いたことがある LLM の一般的な例には、GPT-4、PaLM 2、 Gemini などがあります。

M は機械学習の略です

機械学習は、人間と同じようにシステムが経験から学習し、改善できるようにする人工知能の分野です。 具体的には、AI におけるデータとアルゴリズムの使用に焦点を当てており、AI モデルが現実世界の環境で自律的に学習して意思決定を行う方法を改善することを目指しています。

この用語は AI と同じ意味でよく使用されますが、機械学習はより広範な AI の一部であり、人間の介入は最小限で済みます。

Nはニューラルネットワークの略です

ニューラル ネットワーク (NN) は、人間の脳の構造と機能を模倣するように設計された機械学習モデルです。 人工ニューラル ネットワークは複数の層で構成され、脳内にあるニューロンを大まかに模倣した人工ニューロンと呼ばれるユニットで構成されます。

ディープ ニューラル ネットワークとも呼ばれる NN にはさまざまな便利なアプリケーションがあり、画像認識、予測モデリング、自然言語処理の向上に使用できます。

O はオープンソース AI を表します

オープンソースAIとは、ソースコードを自由に利用できるAI技術を指します。 オープンソース AI の最終的な目的は、人工知能コミュニティ内にコラボレーションと透明性の文化を構築し、企業や開発者がテクノロジーを活用してより自由にイノベーションできるようにすることです。

現在利用可能なオープンソース AI 製品の多くは既存のアプリケーションのバリエーションであり、一般的な製品カテゴリにはチャットボット、機械翻訳ツール、大規模な言語モデルが含まれます。

P はプロンプトの略です

Gemini や ChatGPT などのツールにまだ慣れていない場合は、プロンプトとは、対象を絞った応答を得るためにチャットボットに入力する指示またはクエリです。 これらはスタンドアロン コマンドとして存在することも、AI モデルとのより長い会話の開始点となることもできます。

AI プロンプトはユーザーが望むあらゆる形式を取ることができますが、より長い形式の詳細な入力が最適な応答を生成することがわかりました。 Microsoft による最近の調査によると、感情的な言葉を使用することも、質の高い回答を生成するもう 1 つの方法です。

職場での時間を節約するために設計された40 の ChatGPT プロンプトを使用して、仕事を楽にする方法を見つけてください。

P はパラメータを表します

AI では、パラメーターは機械学習モデルの動作を測定する値です。 このコンテキストでは、各パラメーターは変数として機能し、モデルが入力を出力に変換する方法を決定します。 パラメーターは AI のパフォーマンスを測定する最も一般的な方法の 1 つであり、一般的に言えば、AI モデルのパラメーターが多ければ多いほど、複雑なデータ パターンをよりよく理解し、より正確な応答を生成できるようになります。

Q は量子人工知能の略です

量子 AI は、機械学習アルゴリズムの計算に量子コンピューティングを使用することです。 1 と 0 を通じて情報を処理する古典的なコンピューティングと比較して、量子コンピューティングでは、1 と 0 の両方を同時に表す量子ビットと呼ばれる単位が使用されます。 理論的には、このプロセスによりコンピューティング速度が大幅に向上する可能性があります。

量子 AI の場合、量子ビットの使用は、より強力な AI モデルの生成に役立つ可能性がありますが、多くの専門家は、この現実を実現するにはまだ遠いと考えています。

R はレッドチームの略です

レッド チーム化は、AI モデルの欠陥や脆弱性を発見することを目的とした構造化テスト システムです。 サイバーセキュリティという用語は、本質的に、攻撃者が実際のサイバー攻撃を試みてシミュレートし、システム内の潜在的な弱点を特定し、長期的に防御を改善する倫理的なハッキング行為を指します。

AI レッド チームの場合、実際のハッキングの試みは行われず、代わりにレッド チームは、開発者が設置したガードレールを回避する特定の方法でシステムにプロンプ​​トを表示し、同様の方法でシステムのセキュリティをテストしようとする可能性があります。脱獄へ。

S は教師あり学習の略です

AI 学習に関しては、教師あり学習と教師なし学習という 2 つの基本的なアプローチがあります。 教師あり機械学習とも呼ばれる教師あり学習は、特定の出力用にラベル付けされた入力データに対してアルゴリズムをトレーニングするトレーニング方法です。 テストの目的は、ラベルのないデータに対してアルゴリズムがどの程度正確に実行できるかを測定することであり、このプロセスは AI システム全体の全体的な精度の向上を目指しています。

Tはトレーニングデータです

簡単に言えば、トレーニング データは、機械学習モデルのトレーニングに使用される非常に膨大な入力データセットです。 トレーニング データは、特定のユーザーの目標に関連する特徴を抽出する方法をアルゴリズムを使用して予測モデルに教えるために使用されます。これは、テスト セットと呼ばれる後続のデータによって補完できる最初のデータ セットです。

これは AI と機械学習の仕組みの基本であり、トレーニング データがなければ、AI モデルは学習、有用な情報の抽出、予測を行うことができず、簡単に言うと存在できません。

U は教師なし学習の略です

教師あり学習とは対照的に、教師なし学習は機械学習の一種であり、モデルにラベルのない乱雑なデータが与えられ、特定のフレームワークなしでパターンと洞察を発見することが奨励されます。

教師なし学習モデルは、ラベルのないデータをグループ化するためのデータ マイニング手法であるクラッタリング、変数間の関係を見つけるために異なるルールを使用するもう 1 つの収益手法であるアソシエーション、および次元削減 (変数間の関係を見つけるための別の収益手法) という 3 つの主要なタスクに使用されます。データセットの次元が高すぎます。

X は X リスクの略です

Xリスクは実存的リスクを表します。 より具体的には、この用語は AI の急速な発展によってもたらされる実存的リスクに関連しています。 潜在的な X リスク事象について警告する人々は、AI 分野での進歩が放置されれば人類の絶滅や地球規模の大惨事につながる可能性があると信じています。

ただし、X リスクは極端な信念ではありません。 実際、2023 年には、DeepMind の CEO、Demis Hassabis、OpenAI の共同創設者兼主任研究員 Ilya Sutskever、Bill Gates などのテクノロジー リーダー数名が、 AI によってもたらされる存続の脅威について AI 開発者に警告する書簡に署名しました。

Z はゼロショット学習の略です

ゼロショット学習は、AI モデルがトレーニング サンプルを受け取らずにタスクを完了するという任務を負う深層学習の問題設定です。 機械学習では、トレーニング用にまだラベル付けされていないクラスのモデルを構築するためにゼロショット学習が使用されます。

ゼロショット学習の 2 つのステージには、知識を取得するトレーニング ステージと、情報を使用して例を新しいクラスのセットに分類する干渉ステージが含まれます。