新作ゲーム機やインターネット、スマートフォンが普及し始めた時のわくわく感、実際に使ってみていろいろ悩みながらも楽しんでいたと思います。
トランプ大統領がstargateを発表し、いよいよ生成AIが普及し始めてきました。
使い方は人それぞれ、ここでは生成AIの記事に関して当サイトでの言葉の意味や表現、ちょっとしたTipsを紹介します。
暇つぶしに読むことをおすすめします。
- 楽しく活用!生成AI!! - 用語集 –
- プロンプト(Prompt)
- 術式と術式展開
- ニューラルネットワーク(Neural Network)
- ディープラーニング(Deep Learning)
- モデル(Model)
- トランスフォーマー(Transformer)
- アテンション(Attention)
- 自然言語処理(NLP: Natural Language Processing)
- 事前学習(Pre-training)
- 微調整(Fine-tuning)
- 生成(Generation)
- 自己回帰モデル(Autoregressive Model)
- 逆伝播法(Backpropagation)
- GAN(Generative Adversarial Network)
- 拡散モデル(Diffusion Model)
- ハイパーパラメータ(Hyperparameters)
- データセット(Dataset)
- LLM(Large Language Model)
- API(Application Programming Interface)
- トークン(Token)
- パラメータ(Parameters)
- ゼロショット学習(Zero-shot Learning)
- マルチモーダル(Multimodal)
楽しく活用!生成AI!! - 用語集 –
プロンプト(Prompt)
「プロンプト」とは、AIやコンピュータープログラムに指示や質問を与えるための入力です(生成AIでは「自然言語」「母国語」がプロンプトにあたります)。例えば、AIに画像を生成させたり、文章を作成させたりする際に与える内容や要求がプロンプトにあたります。ユーザーがAIにどのような情報を提供するかによって、AIの応答や動作が決まるため、プロンプトはとても重要です。
例えば、「猫が公園で遊んでいる絵を描いてください」というのがプロンプトの一例です。
プロンプトは、AIがどのような出力をするかを決定するための基本的な指示となります。プロンプトを工夫することで、より具体的で精度の高い応答を得ることができます。特に、AIに複雑なタスクを頼む場合は、プロンプトの内容を明確で詳細にすることが重要です。
例えば、画像生成AIに「犬の絵を描いてください」と伝えるだけでは非常に抽象的です。これを「青空の下、草原でボールを追いかけている白い犬の絵を描いてください」と具体的に指定すると、AIはより正確なイメージを作成できます。
また、プロンプトは単なる指示にとどまらず、クリエイティブな作業でも使われます。例えば、ストーリーや詩を生成する際に「20世紀初頭のニューヨークを舞台にしたミステリー小説のプロットを考えてください」といった具体的な要求をすることで、AIはそのテーマに沿った内容を提供します。
要するに、プロンプトはAIとの対話の「鍵」や「手がかり」となり、うまく使うことでより希望に近い結果を引き出すことができます。
プロンプトの使い方は非常に広範で、AIの能力を最大限に引き出すためには、プロンプトをどれだけ明確かつ具体的に設定するかがポイントです。プロンプトは、質問や指示をAIに与える際に、その方向性を定める役割を果たします。適切なプロンプトを作成することで、より高品質で期待に沿った結果を得ることができます。
また、プロンプトは単なる命令ではなく、AIとの対話を深めるための「調整ツール」です。効果的に使うことで、AIがあなたのニーズに合った結果を出しやすくなります。プロンプト作成は試行錯誤を繰り返す作業ですが、時間をかけてうまく使いこなせるようになると、AIとのやり取りが格段に効率的で有意義になります。
さらに、プロンプトをより細かくカスタマイズすることで、AIが提供する結果を自分の目的に合ったものにすることが可能になります。自分の意図や目標に合わせてプロンプトを調整し、AIを最大限に活用しましょう!!
1. 具体的な要求をする
例えば、「ダイエットに関する記事を書いてください」と言う代わりに、「低炭水化物ダイエットの利点と注意点を、初心者向けに解説した記事をお願いします」といった具体的な内容を伝えると、AIはその要求に沿ったより有益な記事を生成しやすくなります。
2. コンテキストを加える
プロンプトには、AIが理解するための背景情報を加えると効果的です。例えば、あるトピックに関しての専門的なアドバイスを求める場合、その分野や特定の視点を事前に伝えておくことで、AIが適切な内容を提供できます。例えば、「心理学の観点から、ストレス管理の方法について詳しく説明してください」と伝えると、心理学的な背景を考慮したアドバイスが得られます。
3. 複数の要求を一度にする
プロンプトに複数の条件を盛り込むことで、AIが一度に多面的な内容を生成することができます。たとえば、「環境問題に関するエッセイを書いてください。その中で、温暖化の影響、再生可能エネルギーの解決策、そして個人としてできる対策を含めてください」というように、複数の要素を盛り込んで指示を出すことができます。
4. トーンやスタイルの指定
AIに文章を書く場合、希望するトーンやスタイルも指定できます。例えば、「親しみやすく、カジュアルなトーンで、専門的な内容を簡単に説明してください」と伝えることで、AIはそのスタイルに合った出力を生成します。
5. 明確な目的を伝える
プロンプトには、何を達成したいのかを明確に伝えることが重要です。たとえば、情報提供を目的とする場合と、感情的な反応を引き出す場合では、求められる内容が大きく異なります。目的に応じたプロンプトを与えることで、AIはその目的に合ったアウトプットを生成できます。
6. 結果に対するフィードバックをする
AIが出力した結果が希望に合わない場合、その理由を伝えることで、次回以降のプロンプトに反映させることができます。「もっと具体的に例を挙げて説明してください」「少しもっと詳しく書いてください」といったフィードバックを与えると、より自分のニーズに合った結果を得られるでしょう。
7. プロンプトの修正・改善
最初に与えたプロンプトがうまくいかない場合もあります。その際、少し修正や改善を加えることで、より良い結果を得ることが可能です。例えば、「もっと具体的な数字を挙げて説明してください」や「読みやすい段落に分けてください」など、追加の指示を与えることで、AIの出力を調整できます。
8. プロンプトの段階的進化
AIとのやり取りにおいて、プロンプトは最初から完璧である必要はありません。段階的にプロンプトを進化させるアプローチも有効です。最初に基本的な情報を与え、次に細かい指示を追加することで、AIは段階的により精度の高い結果を出すことができます。例えば、最初に「旅行計画を作ってください」と頼んだ後、「特に美術館と歴史的建造物を訪れることを重視してください」といった追加の指示を与えます。
9. 疑問形のプロンプトを使う
特定の情報を知りたい場合は、質問形式でプロンプトを作成するのも効果的です。例えば、「日本の歴史における重要な出来事は何ですか?」といった疑問形を使うと、AIはその質問に対して答えやすくなります。この方法は、解決したい問題が明確な場合に特に有効です。
10. 特定の構造やフォーマットを指定する
プロンプトに対して、出力される内容の構造を指定することで、整理された形式で情報を得ることができます。たとえば、「3つのセクションに分けて、まず問題を説明し、その後解決策を提案し、最後にまとめを行ってください」という具合に、特定の構造を求めることができます。
11. 制限を設ける
AIの出力に制限を加えることで、求めている内容に近い結果を得やすくなります。例えば、「500字以内で説明してください」や「3つの例を挙げてください」といった制限を設けることで、AIはその範囲内で情報を整理して提供します。特に文章量や具体的な要素数を気にする場合に便利です。
12. 反復的に使用する
最初のプロンプトから得られた結果を基に、さらにプロンプトを改善していくことも一つの方法です。たとえば、初回の結果が期待通りでなかった場合、AIに対して「もう少し詳しく解説してください」や「反対の意見も挙げてください」といった追加のプロンプトを与えることで、徐々に望む内容に近づけていくことができます。
13. 抽象度の調整
プロンプトの抽象度を調整することで、得られる情報の深さや広さを調整できます。例えば、非常に具体的な事例を求める場合と、広いテーマを扱いたい場合でプロンプトのレベルを変えることができます。抽象的なテーマで広く知識を得たい場合、「環境問題に関する現代的な課題について話してください」のように、具体的な指示を少し外して広範囲な答えを求めます。
14. 文化的背景やターゲットに合わせる
プロンプトにターゲットとなる文化や視点を盛り込むと、AIがその文化的背景やターゲット層に適した内容を提供します。たとえば、「日本の若者向けに、環境問題についての啓発記事を書いてください」と指定することで、日本の若者向けの表現や事例を盛り込んだ内容を出力することができます。
15. フィードバックを活用して精度を高める
プロンプトを繰り返し試すことによって、AIがより良い出力を出せるようになります。最初の出力に満足できなかった場合、その理由を明確に伝えて再度試してみると、AIの学習を助けることができます。例えば、「この部分は少し抽象的でした、もう少し具体的な事例を加えてください」などとフィードバックを与えます。
16. 感情やトーンを指定する
プロンプトに感情やトーンを加えると、AIの応答に対する雰囲気を調整できます。例えば、ユーモラスに、または真面目に、温かみを持たせるなど、言葉の選び方や表現の仕方に影響を与えます。例えば、「感謝の気持ちを込めて、贈り物に関する文章を書いてください」と依頼すると、AIは感謝を表現する言葉を選び、柔らかいトーンで文章を作成します。
17. 特定の人物やキャラクターを設定する
プロンプトに登場人物やキャラクターの設定を加えることで、より個性的で物語性のある内容を生成することができます。例えば、「サラという20代の女性が、自分のキャリアについて悩んでいる場面を描写してください」といった設定を加えると、AIはそのキャラクターに基づいて状況を想像し、個別の反応や心情を反映した内容を作り出します。
18. 情報の精度を求める
AIが提供する情報の精度や信頼性が重要な場合、プロンプトでその要件を明確にすることができます。例えば、「最新の科学的データを基にして、地球温暖化の影響について説明してください」と指示することで、より精密で信頼性の高い情報を求めることができます。また、情報源を求める場合も、「信頼できる情報源を挙げて、温暖化の問題について論じてください」といった具合に要求できます。
19. 事例や引用を求める
特定のトピックに関する実際の事例や引用を求めることで、AIから具体的で有用な情報を得ることができます。例えば、「AI技術が実際に医療分野でどのように応用されているか、実例を挙げて説明してください」といったプロンプトを使うと、AIは具体的なケーススタディや実際の応用事例を提供することができます。
20. 異なる視点からの意見を求める
プロンプトに異なる視点を求めることで、より多角的な情報を得ることができます。例えば、「スマートフォンの長時間使用に対する賛成と反対の意見をそれぞれ1つずつ述べてください」と指示することで、AIは賛成意見と反対意見をバランスよく提示し、包括的な視点を提供します。
21. ストーリーやシナリオの作成
物語やシナリオを作成する際、プロンプトに登場人物やシチュエーションを詳しく指定することで、AIはストーリーを形作るための基盤を得ることができます。例えば、「未来の都市を舞台にしたSF小説の冒頭部分を書いてください。主人公は科学者で、重大な発見をしている」というように具体的な設定を加えると、AIはそのテーマに基づいたストーリーを構築しやすくなります。
22. 視覚的なアイデアを促進する
画像やデザインに関するアイデアを求める場合、具体的なビジュアル要素やスタイルをプロンプトに含めることが効果的です。例えば、「海辺の風景を描いた絵の構図を提案してください。夕暮れ時で、海の色は紫とオレンジが混ざり合っている」というように、視覚的な特徴を指定すると、AIはそのイメージに沿ったビジュアルのアドバイスを提供します。
23. 問題解決型のプロンプト
特定の問題を解決するために、AIにアイデアや方法を求めるプロンプトを使うことも有効です。例えば、「プロジェクトが進まないチームの士気を上げるためのアイデアを10個出してください」と依頼すると、AIは具体的な解決策を考え、提供します。こうしたプロンプトは、アイデアを得る際に非常に有効です。
24. 反応のカスタマイズ
AIが提供する応答に対して、具体的にどういった方向性で反応してほしいかを伝えると、結果がさらに自分のニーズに合ったものになります。例えば、「そのアドバイスをもっと実践的にして、具体的な手順を3つ挙げてください」と伝えると、より行動に移しやすい具体的なステップを提供してくれるでしょう。
25. プロンプトのコンテキストを明確にする
AIとの対話を効果的にするためには、プロンプトに背景やコンテキストを追加することが非常に重要です。特に、複雑なトピックや深い分析を求める場合は、必要な前提情報を提供することで、AIはより的確な回答を生成します。例えば、「日本の経済の最近のトレンドについて述べてください。特に、2020年以降のCOVID-19パンデミックの影響を考慮して」というように、背景となる出来事やテーマを指定することで、より具体的で精度の高い結果が得られます。
26. タイムリーな情報の活用
AIは特定の期間やイベントに基づく情報を求められた際に、時事的な内容やトピックに反応することができます。たとえば、「最近のアメリカ大統領選挙についての分析をしてください」というようなプロンプトを使うと、その時点で最新の情報を取り入れて、選挙に関する評価や分析を提供してくれる場合があります。これにより、リアルタイムで有用な情報を得ることができます。
27. 情報を整理して要約する
長文の情報や記事の要点を短く整理したいとき、AIに要約を依頼するプロンプトを使用することが有効です。例えば、「この文章を500字以内に要約してください」といった簡単な指示で、文章の中で最も重要な情報をピックアップして整理できます。要約プロンプトは、情報の本質を迅速に理解したい時に特に便利です。
28. AIを批判的思考のパートナーとして使う
AIに対して、批判的な視点で考えさせることで、問題を多角的に見ることができます。例えば、「この提案の長所と短所をリストアップし、各点について詳しく議論してください」といったプロンプトを使うと、AIは賛成と反対の視点から問題を分析し、よりバランスの取れた視点を提供します。これにより、より深い理解と洗練された意見を得ることができます。
29. 想定読者を設定する
プロンプトの中でターゲットとなる読者を指定することで、その読者に最適化された内容を生成できます。例えば、「大学生向けに、このトピックを説明してください」といった指示を加えることで、AIは学生のレベルに合わせた簡潔な説明を提供します。逆に、「専門家向けに、詳細なデータと専門用語を使って説明してください」と指示することで、より専門的な知識を含む内容を生成できます。
30. AIに反復的なフィードバックを提供する
初回のプロンプトで出力された結果に対してフィードバックを与え、改善点を指摘することで、AIがさらに良い結果を出す可能性があります。例えば、「この説明は少し分かりにくい部分があります。もっとシンプルに説明してください」といったフィードバックを提供することで、AIは次回より明確で簡潔な回答をするように調整できます。反復的にプロンプトを調整しながらやり取りを続けることが、最も効果的な結果を生むことがあります。
31. クリエイティブなアイデアを促すプロンプト
AIを創造的なアイデア出しに使いたい場合、オープンエンドなプロンプトを使用して自由な発想を促すことが有効です。例えば、「新しいビジネスのアイデアを10個出してください。これらは全て、環境に優しい事業であることが条件です」といったプロンプトで、AIにクリエイティブなアイデアを提案させることができます。AIは、与えられた条件に基づいて斬新なアイデアを生成し、新しい視点を提供してくれます。
32. 繰り返しや強調を避ける
プロンプトで同じ内容を繰り返すことや、過度に強調することは、AIが答える際に混乱を招く可能性があります。明確で簡潔な指示を心がけることで、AIが意図を正確に理解しやすくなります。例えば、「特に重要なポイントを強調してください」という指示をする場合、どの部分が重要なのかを明示的に指摘することが役立ちます。
33. 制限されたリソースを前提にした指示
AIに対して、限られたリソースや条件下での解決策を求めるプロンプトを出すことで、実践的なアイデアが得られます。例えば、「予算が限られている場合、このマーケティング戦略をどう改善しますか?」という指示を出すことで、AIは現実的で制約を考慮した提案をすることができます。
34. 多言語での活用
AIが多言語で対応できることを活かして、異なる言語のプロンプトを使用することもできます。例えば、「英語でこの文章を書き直してください」といった依頼をすると、AIは指定された言語に適した表現を使い、翻訳やローカライズを行います。多言語での指示は国際的なコミュニケーションにも役立ちます。
35. プロンプトでAIの「視点」を指定する
AIに対して、特定の視点や立場からアドバイスや情報を求めることができます。例えば、「もしあなたがCEOなら、このビジネスプランをどう改善しますか?」や、「あなたが顧客なら、この製品にどんな改善点を加えるべきですか?」というように、AIに役割を与えることで、異なる観点からの洞察を得ることができます。
36. ストーリーテリングの手法を活用する
AIにストーリーを作らせる場合、プロンプトでそのストーリーの「テーマ」や「感情的なトーン」を指定することで、より魅力的な物語を生み出すことができます。例えば、「冒険の旅に出た青年が、自分の内面と向き合う話を作ってください。途中で彼が成長する場面を強調して」といった指示を出すと、物語のテーマや感情に沿ったストーリーが描かれます。
37. 仮定のシナリオを使って思考を広げる
仮定のシナリオをプロンプトに加えることで、AIに多角的に考えさせ、異なる可能性を探ることができます。例えば、「もし地球にもう一つの月ができたら、社会や環境にどのような影響が出るか?」というように、非現実的なシナリオを与えることで、創造的なアイデアや洞察が生まれることがあります。
38. 数値やデータを求める
AIに具体的な数値やデータを提供してもらうよう依頼することができます。例えば、「過去10年間で日本のIT業界の成長率はどのくらいだったか?」や、「このビジネス戦略を採用することで、予想されるROI(投資利益率)はどれくらいか?」というようなプロンプトで、AIにデータに基づいた見解を求めることができます。数字や統計を重視した質問をすることで、より精緻な答えが得られます。
39. エラーを意図的に組み込んで学ばせる
プロンプトにエラーや誤解を含ませ、それを修正する方法を求めることで、AIが自己修正を試みるプロセスを体験させることができます。例えば、「次の文章には論理的誤りがあるかもしれません。修正して正しい内容にしてください」という指示を出すと、AIは指摘されたエラーを直すためのアプローチを考え、改善案を提示します。
40. 実行可能なアクションプランを求める
AIに対して、実行可能なステップやアクションプランを具体的に求めるプロンプトを使うと、計画的なアウトプットを得られます。例えば、「新しいビジネスを立ち上げるための10ステップのアクションプランを作成してください」というように、ステップバイステップで進行可能な計画を立ててもらうことで、実際に行動に移しやすくなります。
41. 視覚的に整理したい場合
視覚的にアイデアや情報を整理したい場合、プロンプトに「箇条書き」や「表形式で」などを含めると、AIが視覚的に理解しやすい形で情報を提供します。例えば、「このビジネスモデルを理解しやすいように、強み・弱み・機会・脅威を表形式で整理してください」と指示することで、視覚的に分かりやすい形式で情報を整理できます。
42. 逆説的なアプローチ
AIに対して逆説的な質問をすることで、予想外の発想を引き出すことができます。例えば、「ビジネスの成功には失敗が必要だとしたら、どのようにして失敗を最大限活用するか?」というように、逆の視点からアプローチすることで、従来の考え方を覆す新しいアイデアが生まれることがあります。
43. 感情的な反応を引き出す
AIに対して、特定の感情的な反応や立場を取らせるプロンプトを出すことで、感情を込めた意見や文章を引き出すことができます。例えば、「困難な状況に直面したとき、どのように自分を奮い立たせるかについて情熱的に語ってください」と依頼すると、AIは感情的なエネルギーを込めて答えてくれます。感情的な表現を必要とするコンテンツを作成する際に有効です。
44. 対話型のプロンプト
対話形式のプロンプトを使って、よりインタラクティブなやり取りを促すことができます。例えば、「まず最初に、成功とは何かを定義してください。その後、成功を手に入れるための戦略を提案してください」といった指示を出すことで、AIは段階的に答えを出し、ユーザーとの対話を通じてプロセスを深めていきます。
45. 時間や場所を指定してアイデアを絞り込む
AIに特定の時間や場所に基づいたアイデアを求めることができます。例えば、「1990年代の日本を舞台にした小説のアイデアを出してください」といったプロンプトで、特定の時代や背景に合わせた創造的なアイデアを得ることができます。
46. プロンプトで特定の書式やスタイルを指定する
文章のスタイルや書式を指定することで、AIのアウトプットを特定のフォーマットに合わせることができます。例えば、「この内容をビジネスレポートの形式で書いてください」や「カジュアルなブログ記事のスタイルで解説してください」というように依頼すると、AIは指定された書式で答えます。これにより、目的に適した内容を得ることができます。
47. 時系列を組み込んだプロンプト
物語や歴史的出来事の説明を求めるときに、時系列を指定することが有効です。例えば、「江戸時代の日本における経済の変遷を、15年ごとに分けて説明してください」といった形で指示すると、段階的に内容を整理しながら説明してもらえます。これにより、時間軸を意識した理解が得られます。
48. 限定的な情報を基に創造的なアプローチを促す
特定の制約を与えることで、AIの創造的な提案を引き出すことができます。例えば、「次の制約条件で、新しいプロダクトアイデアを3つ出してください:1) 価格は5000円以内、2) 環境に優しい素材を使用、3) モバイルアプリ対応」というように、制約を加えることで、より具体的で実現可能なアイデアを得ることができます。
49. 質問を「なぜ」に変えて深堀りする
AIに対して、単純な「どうやって」を求めるのではなく、「なぜそうなるのか?」という疑問を投げかけることで、深い分析や理論的な回答を引き出すことができます。例えば、「なぜグローバル市場で競争が激化しているのか?」という質問をすると、その背後にある経済的、社会的、技術的な要因を分析した回答が得られます。
50. ターゲットユーザーを指定して具体的な提案を求める
プロンプト内でターゲットユーザーを指定することで、特定のニーズに応じた提案を得ることができます。例えば、「40代の女性向けに、時短料理レシピを5つ提案してください」といった形でターゲットを明確に指定することで、そのユーザー層に最適なアイデアを引き出せます。
51. AIに疑問点を指摘させる
AIに対して自分のアイデアや考えに対して疑問を投げかけて、反論や改善点を求めることも効果的です。例えば、「このビジネスモデルに潜むリスクや改善点はありますか?」というようにプロンプトを出すことで、AIが分析的な視点から弱点や改善点を挙げてくれます。
52. 感情やムードを含んだプロンプト
特定の感情やムードを反映させたいときは、その感情をプロンプトに含めることで、AIがそのムードを反映した内容を提供してくれます。例えば、「心温まるストーリーを書いてください」と依頼すれば、優しさや希望に満ちた内容の物語を作成してくれます。反対に、「スリリングで緊張感のあるストーリーを書いてください」と指定すると、異なるムードの内容が得られます。
53. 異なる文化や視点を指定して答えを得る
特定の文化や視点から情報を求めることで、より多様な回答を得ることができます。例えば、「アメリカのビジネスマンの視点で、このマーケティング戦略を評価してください」といったように、視点を指定することで異なるバックグラウンドに基づいた意見や提案が得られます。
54. 制約を加えた発想法(ブレインストーミング)
プロンプトに制約を加えて、アイデアを出させる方法は、より独創的で現実的な解決策を引き出すのに有効です。例えば、「5分以内に終わる仕事を3つ挙げてください」「低予算でできるプロモーションアイデアを5つ挙げてください」というように、制約を設けることで新たな視点が得られます。
55. AIに時間制限を設ける
AIに対して、「短時間でできる仕事」や「時間内に終わる課題」という形で制限を加えると、実行可能なタスクや実現可能な計画が引き出されます。例えば、「30分以内に簡単なプロジェクト計画を立ててください」といったプロンプトで、具体的で即実行可能な案を提供してもらえます。
56. プロンプトを質問と意見の形で組み合わせる
プロンプトに質問と意見を組み合わせることで、より深いディスカッションが可能になります。例えば、「このマーケティング戦略の長所と短所は何ですか?そして、どのような改善が必要だと考えますか?」といった形で、AIに対して両方の側面を求めることができます。
57. クリエイティブな課題を出す
AIにクリエイティブな課題を与えることで、ユニークなアイデアや解決策を引き出せます。例えば、「架空の都市における未来の交通システムをデザインしてください」や「無重力環境での新しいスポーツを考案してください」といったように、ユニークなシナリオを指定することで、創造的な解決策が得られます。
術式と術式展開
当サイトでは「プロンプト」を「術式」、「プロンプトを実行して生成物(コンテンツ)を作ること」および「生成物そのもの」を「術式展開」と呼ぶことがあります。
※ 「領域展開」はしません
ニューラルネットワーク(Neural Network)
- 人間の脳を模倣した計算モデルで、生成AIの基盤となるアルゴリズム。複数の層(入力層、中間層、出力層)で構成される。
ディープラーニング(Deep Learning)
- ニューラルネットワークを多層化した機械学習技術。大規模なデータセットを用いて複雑なパターンを学習する。
モデル(Model)
- データから学習した結果をもとに、推論や生成を行うアルゴリズムの集まり。生成AIで使われる代表的なモデルには、GPTやDALL·Eなどがある。
トランスフォーマー(Transformer)
- 自然言語処理や生成AIで主流のニューラルネットワークアーキテクチャ。文章の文脈を理解するために「アテンション機構」を採用している。
アテンション(Attention)
- ニューラルネットワークが重要な情報に集中する仕組み。例えば、文中でどの単語が他の単語に関連しているかを計算する。
自然言語処理(NLP: Natural Language Processing)
- テキストデータを理解し、生成する技術。文章生成や翻訳、要約などに活用される。
事前学習(Pre-training)
- モデルを大規模データで事前にトレーニングする工程。この後、特定のタスクに応じて微調整(Fine-tuning)を行う。
微調整(Fine-tuning)
- 事前学習されたモデルを、特定のタスクやデータセットに最適化するプロセス。
生成(Generation)
- モデルが新しいデータ(テキスト、画像、音声など)を生成すること。ユーザーからの入力(プロンプト)を元に内容を作り出す。
自己回帰モデル(Autoregressive Model)
- 一つずつ予測を積み重ねてデータを生成するモデル。GPTシリーズがこれに該当する。
逆伝播法(Backpropagation)
- モデルの誤差を調整するためのアルゴリズム。重みを更新して学習を進める。
GAN(Generative Adversarial Network)
- 生成モデルと判別モデルの2つを競わせることで、高品質なデータを生成する手法。
拡散モデル(Diffusion Model)
- 画像生成AI(例: DALL·EやStable Diffusion)で用いられる技術。ノイズを徐々に取り除くことで画像を生成する。
ハイパーパラメータ(Hyperparameters)
- モデルの性能に影響を与える設定値。例: 学習率、バッチサイズ、エポック数など。
データセット(Dataset)
- モデルの学習に使用されるデータの集合。代表的なものに、ImageNetやCOCOなどがある。
LLM(Large Language Model)
- 大規模なデータセットでトレーニングされた自然言語処理モデル。
API(Application Programming Interface)
- モデルの機能を外部のプログラムから利用するためのインターフェース。
トークン(Token)
- テキストデータを分割した最小単位。単語や文字、サブワードなど。
パラメータ(Parameters)
- モデルが学習する値。生成AIのパフォーマンスに直接影響を与える。
ゼロショット学習(Zero-shot Learning)
- モデルが特定のタスクについて事前に学習していなくても、推論を行える能力。
マルチモーダル(Multimodal)
- テキスト、画像、音声など複数のデータ形式を組み合わせて処理する技術。
コメント