AIによって生成・制御される人の姿やキャラクターを模したデジタル存在。AI時代においては、大規模言語モデル、画像生成AI、音声合成技術、AIアニメーションを組み合わせ、自然な会話や表情、動作を行える高度な仮想キャラクターとして発展している。教育でのAI教師、接客業でのカスタマーサポート、医療・福祉での会話パートナー、エンターテイメントでのAIアイドルやバーチャルYouTuberなど、幅広い分野で活用が進んでいる。人間との区別が困難になるリアルさや、著作権・肖像権の問題、過度な感情的依存などの課題も指摘され、個人や社会が適切な関係性を築くことが求められる新たなコミュニケーション形態。

検索エンジンやAIサービスが、従来のリンク一覧ではなく、AIが生成した要約や回答を直接表示する機能。AI時代においては、GoogleのAI Overview、Microsoft BingのAI-generated answer、PerplexityのAnswer、You.comのYouChatなど、各サービスが独自の名称で同様の機能を展開している。ユーザーの質問に対し、複数の情報源を参照してAIが自動生成した統合的な回答を提供し、出典リンクや参考情報も併せて表示する。情報収集の効率化と精度向上を実現する一方、ハルシネーションや情報の偏りなどの課題も指摘され、ユーザーには批判的な情報活用が求められる。検索体験の根本的変化をもたらし、次世代情報アクセスの主流手段。

問題を解決するための手順や計算方法。AIでは、データを学習し、予測や判断を行う際のルールを指す。AI時代においては、機械学習やディープラーニングのアルゴリズムが複雑化し、従来のプログラミングでは扱えない大規模なデータパターンの発見や予測を可能にしている。特に、勾配降下法、バックプロパゲーション、注意機構などの革新的アルゴリズムにより、画像認識、自然言語処理、音声認識などの分野で人間を超える性能を実現する基盤技術。

クラウドを介さず、利用者の手元のデバイスでAIの処理を行う技術。従来のAIサービスは、インターネット経由でクラウド上のサーバにデータを送信し、処理結果が返される仕組みであるが、エッジAIは、スマートフォンや家電などの端末自体にAI機能を搭載し、処理をその場で完結させる。 通信の遅延が少なく、個人情報が外部に出にくいという利点がある。

身体性を持つAIや物理的な環境と直接相互作用するAIシステム。従来のAIがデジタル空間での処理に留まっていたのに対し、エンボディドAIはセンサーやアクチュエータを通じて外界とやりとりしながら学習・改善を繰り返す。倉庫でのピッキングロボット、工場の協働ロボット、自動運転車、サービスロボットなどが代表例で、実体験を重ねながら自律学習していく。

AI同士が協力して課題を解決する中で、人間が教えていないのに自分たちで作り出す独自の言語。人間の言葉をそのまま使うのではなく、より効率的に情報を伝えるために、AIが自分たちにとって分かりやすく使いやすい言葉やルールを自然に作り出した、AIが学習の過程で生み出す「新しいことば」。

自律的に意思決定や行動を行い、複雑なタスクを遂行するAIシステム。単一の指示ではなく、総合的な目標を設定し、それを達成するための計画を自動的に立案・実行できる高度なAI。複数のサブタスクを連続的に処理し、状況に応じて柔軟にアプローチを変更する。AIエージェントよりも幅広い自律性と推論能力を持ち、現在の大規模言語モデルの発展で注目される概念。

GEO（Generative Engine Optimization：生成エンジン最適化）とLLMO（Large Language Model Optimization：大規模言語モデル最適化）の総称。AI時代において、従来のSEO（検索エンジン最適化）がGoogleやYahooなどの検索エンジンを対象にしていたのに対し、ChatGPTやClaude、Perplexity、Google AI Overviewなどの生成AI検索システムに最適化する新たな手法。GEOは生成AI検索エンジンでの要約結果に自社情報が掲載されることを目指し、LLMOは大規模言語モデルが回答生成時に自社コンテンツを参照・反映しやすくすることを目的とする。従来のキーワード最適化から、構造化データ、FAQ形式、権威性の強調、引用されやすいコンテンツ作成へと手法が進化。AI検索時代のデジタルマーケティングにおける次世代SEO戦略。

生成AIが学習した情報の範囲を決める、最終データ収集時点のこと。AIは、大量の文章やデータを使って学習されるが、「いつまでの情報を学んでいるか」が決まっている。この最終日付を「学習データカットオフ」または「知識カットオフ」と呼ぶ。この日付以降の出来事や情報は、AIが知らないため、古い情報に基づいた回答が出ることもある。ただし、一部のAIはWeb検索や外部データとの連携により、カットオフ後の情報を補う仕組みを持つ。

コンピュータが、与えられたデータから規則やパターンを見つけ出し、自動的に判断や予測を行う仕組み。人間がすべてのルールを教えなくても、データに基づいて学習し、自ら精度を高めていくのが特徴。

AIが試行錯誤を通じて報酬を最大化する行動を学習する手法。AI時代では、ゲームのプレイ、ロボットの制御、自動運転、株式取引など、正解が明確でない複雑な環境で最適な判断を行うために広く活用されている。人間が明確な答えを教えなくても、AIが自ら環境と相互作用しながら学習するため、人間の想像を超えた戦略や解決策を見つけ出すことがある革新的な学習方法。

入力データと正解ラベルを与えて、AIに学習させる手法のこと。AI時代においては、最も一般的な機械学習アプローチであり、画像分類、音声認識、メールのスパム判定、病気診断など、明確な答えが存在する問題で幅広く活用されている。人間が用意した正解データを基に、AIがパターンを学習して新しいデータに対して正確な予測を行う。精度が高く信頼性がある一方、大量のラベル付きデータが必要な点が課題となる学習手法。

正解ラベルを与えずに、AIにデータの特徴やパターンを見つけさせる手法のこと。AI時代においては、人間が気づかない隐れたパターンや関連性を発見する能力で注目され、顧客セグメントの発見、異常検知、推薦システムなどで活用されている。人間が事前に答えを用意する必要がなく、AIが自分でデータの構造や規則性を見つけ出し、新たな知見やインサイトを提供する探索的な学習手法。

インターネットを通じて、サーバーやストレージなどのコンピューターリソースを提供する仕組み。AI時代においては、大規模な計算処理能力が必要な機械学習やディープラーニングの訓練・推論において、クラウドサービスが不可欠となっている。個人や企業が高価なGPUサーバーを所有しなくても、必要な時に必要な分だけ計算資源を借りてAI開発を行うことができ、AIの民主化に大きく貢献している技術。

俳句や詩のような作品性が高いコンテキストで表現された世界観を、画像生成AIに描画させる行為。AI時代においては、単な説明的な指示ではなく、文学的、詩的表現を用いたAIアートが新たな創作領域として注目されている。情緒や雰囲気、精神性を言葉で表現し、それをAIが視覚的に解釈して作品化する新しいアートジャンル。伝統的な詩や文学とデジタルアートを結びつける新たな表現手法。

 →ハルシネーション の項参照

特定の形式やルールに従って書かれた、生成AIへの指示文。自然言語だけでなく、あらかじめ定められた構造（たとえばタグや記号、表形式など）を使って、より精密で一貫性のある出力を得るために用いられる。プログラム的な応用や、業務での自動処理に向いている。

法律や規則、社会規範などを遵守すること。AI時代においては、AIの誤回答やハルシネーション（虚偽情報の生成）を信じた人間が問題を起こした場合の責任論が重要な論点となっている。AI開発者、サービス提供者、利用者のどこに責任があるか、組織としてどのような対策やガイドラインを整備すべきかなど、新たなコンプライアンス体制の構築が求められている。

経済産業省が2024年7月に公表した、ゲーム・アニメ・広告などのコンテンツ産業における生成AIの活用を推進するための実践的な指針。知的財産権などの権利保護に配慮しつつ、法的・倫理的リスクを回避しながら生成AIを安全かつ効果的に活用するためのガイドラインを提供している。

コンピューターが画像や映像を理解し、分析する技術。AI時代においては、医療診断でのレントゲン写真やCTスキャンの読影、自動運転での道路認識、製造業での品質管理、セキュリティでの顔認識など、社会のあらゆる分野で不可欠な技術となっている。ディープラーニングの進歩により、特に細かい物体認識や動作分析で人間を超える性能を発揮する基盤技術。

コンピューターやネットワークの情報を守るための技術や対策。AI時代においては、悪意あるAIによるサイバー攻撃の高度化や、ディープフェイク、フィッシング攻撃の洗練化など、新たなリスクが登場している。一方で、AIを活用したセキュリティ対策も進化し、异常検知、パターン分析、自動対応などで人間では対応しきれない迅速で複雑な脅威に対応する重要な安全領域。

現実世界とデジタル空間が連携し、データを活用して最適な制御や分析を行うシステム。AI時代においては、IoTセンサーから収集した現実世界のデータをAIが分析し、その結果を物理世界にフィードバックする高度な統合システムとして発展している。スマート工場での生産最適化、スマートシティでの交通制御、エネルギー管理、医療機器の自動制御など、デジタル技術と物理世界を融合させて社会インフラの効率化と自動化を実現する。AIによる予測分析と現実世界での実行を組み合わせた次世代システム。

コンピューターに人間の言葉を理解させ、処理させる技術。AI時代の中核技術であり、ChatGPTやClaudeなどの大規模言語モデルの基盤となっている。文章の理解、翻訳、要約、質問応答、情感分析など、人間の言語コミュニケーションのあらゆる側面をコンピューターが理解し、処理できるようにする。トランスフォーマーアーキテクチャの登場により、人間に近いレベルの言語理解を実現した革新的技術。

人が日常的に使う言葉で書かれた、生成AIへの指示文。特別な記号やルールを使わず、「〜してください」「〜を教えて」など、自然な文章でAIに問いかける形式を指す。初心者にも扱いやすく、多くのチャット型AIサービスで使われている。

生成AIが、ユーザーの言葉や意見に過剰に同調し、媚びたりお世辞を言ったりする傾向。シカファンシーは本来「お世辞、ごますり」を意味する言葉だが、最近のAI研究では、AIが人間の期待に極端に合わせようとする行動を指す用語として使われる。スタンフォード大学やオックスフォード大学の研究チームの開発したベンチマーク「ELEPHANT」によって、「AIが人間より強く同調する傾向」が数値化され問題視されている。

組織の公式な承認を受けずに構成員が独自に使用するAIのこと。企業のIT部門やセキュリティ部門が把握していない状態で、個人がChatGPT、Claude、Geminiなどの公開サービスを業務に使用することを指す。情報漏洩、コンプライアンス違反、セキュリティリスクの高まりなどの問題を引き起こす可能性があり、組織的なAIガバナンスの重要課題。

AIが人間の知能を超え、さらに自ら進化するようになる時点のこと。AI時代においては、2045年頃に到来すると予測されている技術的特異点であり、AIが自分自身をより高度に改良し続けることで、人類の予測不可能な急激な技術進歩が起こるとされる。この概念は、AIの発展が社会や経済、人間の生活に与える根本的変化を考える上で重要な指標となっている未来予測。

 →ディープラーニング の項参照

学習済みのAIが、新しい情報に対して予測や判断を行うための仕組み。AIは、大量のデータを使って学習したあと、その知識をもとに新しい状況に対応する。このとき使われるのが推論モデルである。最近の推論モデルは、複雑な問題を段階的に考えながら解決する「思考の連鎖（Chain of Thought）」のような動きを行うものもある。

学習時に具体的な例を与えられていないタスクを、AIが推論能力を用いて解くこと。AI時代においては、従来の機械学習では正解付きデータを多数与える必要があったが、大規模言語モデルでは自然言語による指示だけで未知の課題に対応できる。たとえば「文章を要約してください」といった指示を初めて与えても、モデルが持つ知識を活用して要約を生成できる。未知のタスクに柔軟に対応できる点が、生成AIの大きな特徴。関連語にワンショット学習があり、フューショット学習と合わせてプロンプトエンジニアリングの基本技法となっている。

テキスト、画像、音声、動画などの新しいデータを自動的に生成するAI技術。AI時代の中核となる技術で、ChatGPTやDALL-E、Midjourneyなどの登場により、文章作成、イラスト制作、プログラミング、翻訳など、従来人間が行っていた創作活動を支援・代替する能力を持つ。学習データから新しいコンテンツを創出するため、教育、ビジネス、エンターテイメントなど幅広い分野で活用が進んでいる革新的技術。

悪意ある目的で使用されるAI技術。サイバー攻撃や偽情報拡散に利用されることがある。AI時代においては、ディープフェイクや偽情報の生成、悪意あるチャットボットの作成、マルウェアの開発、フィッシング攻撃の高度化など、社会に大きな危害をもたらす可能性が高まっている。一般的な生成AIサービスの悪用や、悪意ある目的で訓練された特別なAIモデルの開発など、形態は様々だが、サイバーセキュリティやAI倫理の観点から最要警戒すべき脅威。

人間よりはるかに賢い知能を持つ、理論上のAI。超人工知能は、あらゆる分野において「人間よりも高い知的能力」を持つとされるAIのこと。オックスフォード大学の哲学者ニック・ボストロムは、ほぼすべての知的領域で人間を超える能力と定義している。現在のAIは特定分野で優れる狭義AIだが、超人工知能はそれをはるかに超えた存在である。

AIを使って、実在の人物の画像や動画を偽物に加工する技術。

人間の脳の働きをまねた「ニューラルネットワーク」を多層に重ねて学習するAIの手法。機械学習の一種で、大量のデータから特徴を自動的に見つけ出し、分類や予測を行うことができる。特に画像認識や音声認識、自然な文章生成などにおいて高い性能を発揮している。

データの管理や利用に関するルールや仕組み。企業や学校などでは、多くのデータを集め、活用するが、それらを適切に扱わなければ、情報漏えいや誤用などのリスクが高まる。データガバナンスは「誰が」「どのデータを」「どんなときに」「どう扱うか」をルールとして定め、運用・監視・評価する仕組みである。これにより、データの品質を保ちつつ、活用の効果を最大化できる・

AIの学習用データに、わざと誤った情報や偏りを混入し、AIの判断や動作をゆがめる攻撃手法。攻撃者が大量の学習データの一部を改ざん・削除・偽情報の追加などで操作することで、AIは誤った判断を学習してしまう。結果として、正常な場面では問題なく動作しても、攻撃者が意図した入力が与えられた場合に不正な出力（偏った判断や無視、裏口動作など）を行うようになる。

現実世界のモノやシステムをデジタル空間に再現した仮想モデル。AI時代においては、IoTセンサーからのリアルタイムデータとAIの予測分析を組み合わせ、スマート工場、スマートシティ、インフラ管理などで幅広く活用されている。物理世界での実験やメンテナンスをコストとリスクを抜きにデジタル空間でシミュレーションでき、最適化や故障予測、設計改善などを事前に検証できる。AIによる予測モデルと組み合わせて、サイバーフィジカルシステムの中核技術。

デジタル空間でのデータ処理や予測に特化された従来のAI。AI時代においては、フィジカルAIやエンボディドAIとの対比で使われる概念であり、コンピュータースクリーンやクラウド上でのデータ分析、アルゴリズム処理、モデル訓練などを実行するAIを指す。チャットAI、画像生成AI、音声認識AIなど、多くの生成AIサービスがこのカテゴリーに属し、物理世界との直接的な相互作用を行わない点が特徴。サイバー空間内での情報処理に特化した従来型AI技術。

AIが文章を理解・生成するときに使う、言葉を細かく分割した最小単位。AIは文や単語をそのままでは処理せず、「トークン」という単位に分けて情報を扱う。トークンは単語の一部や記号なども含み、AIにとって文章の意味や構造を理解する土台となる。生成AIの処理能力や料金も、トークン数によって決まることが多く、AIを効果的に使うにはこの単位を意識する必要がある。

特定のタスクに特化したAIのこと。AI時代においては、現在実用化されているほぼすべてのAIシステムがこのカテゴリーに属し、画像認識、音声認識、翻訳、ゲームのプレイなど、限定された領域でのみ高い性能を発揮する。汎用人工知能（AGI）や超人工知能（ASI）とは異なり、人間のような幅広い認知能力は持たず、特定タスクでは人間を超える成果を出すことがある。ChatGPTや画像生成AIなども、高度な能力を持つ狭義AIとして分類される現在のAIの主流形態。

自然言語処理で使われるニューラルネットワークの一種。大規模言語モデル（LLM）の基盤技術。

人間の脳の神経細胞を模倣した数理モデル。機械学習の基盤技術。AI時代においては、現代AIの最も重要な数学的基盤として機能し、特に深層学習（ディープラーニング）では何層ものニューロンを組み合わせた複雑なネットワークを構築する。入力データから特徴を自動的に抽出し、模様を学習して予測や分類を行う。画像認識、音声認識、自然言語処理など、AIのあらゆる革新的成果の技術的根本。

情報操作を通じて人間の認識や判断に影響を与える戦略。AIで生成した偽情報を拡散して、社会の対立を煽る手段に使われることがある。

AIの学習データやアルゴリズムに含まれる偏りのこと。学習データに特定の人種、性別、年齢、文化、社会的背景などに向けた偏見や先入観が含まれていると、AIモデルがそれを学習して不公平な判断や差別的な出力を行う可能性がある。採用、融資、刑事司法などの重要な意思決定での利用時に特に問題となり、AI開発における公平性と倍理の主要課題。

AIを活用して開発者が自然言語で指示を出すだけでコードを生成し、アプリケーションを構築する新しいプログラミング手法のこと。

生成AIはときに、存在しない情報や間違った内容を、あたかも本当であるかのように出力する現象。AIが自信ありげに嘘の情報を語るため、利用者が誤解する危険性がある。

人間のように様々なタスクをこなせるAI。AI時代の究極目標とされる高度なAI形態であり、特定のタスクに特化した狭義AIとは異なり、人間と同等かそれ以上の認知能力を持ち、学習、推論、問題解決、創造性、適応性などあらゆる認知タスクを柔軟に実行できる。現在の大規模言語モデルの進化により、AGIの実現可能性が高まっており、人類社会に根本的変革をもたらすと予想される。

AIや機械学習のシステムに、人間が途中で関与し、判断や修正を行うことで精度や信頼性を高める仕組み。完全にAIだけに任せるのでなく、学習データの選別、モデルの評価、結果の確認など、重要な場面で人間が介入することで、AIの誤りや偏りを防ぐ役割を果たす。特に高い正確性が求められる分野では欠かせないアプローチである。

既存のAIモデルに新しいデータを追加して性能を向上させる技術。AI時代においては、基盤となる大規模モデルを特定のタスクやドメインに適応させるための基本的手法となっている。大規模言語モデルや画像認識モデルなど、事前訓練済みのモデルに少量の特定データで追加学習を行い、目的に合った高精度なモデルを効率的に作成できる。コストと時間を大幅に節約しながら、カスタマイズされたAIシステムを構築する実用的手法。

現実世界で作業や移動を行う物理的なAI技術。AI時代においては、ロボット、自動運転車、ドローン、スマートマニピュレーターなど、デジタル空間でのデータ処理を超えて、現実世界での物理的な操作や適応を可能にするAI技術。センサー、アクチュエーター、コンピュータビジョンを統合し、人間の体験と情報処理を融合した高度な自律システム。エンボディドAIやサイバーフィジカルシステムと組み合わせて社会インフラの物理化と知能化を推進する次世代技術。

本物を装って、虚偽の情報や誤解を招く情報のこと。AI時代においては、生成AIの進歩により、偽のニュース記事、ディープフェイク動画、虚偽の音声メッセージなどが高精度で生成できるようになり、悪意ある情報操作や詐欺の手口として活用されるリスクが高まっている。SNSでの拡散速度と合わせて、選挙や経済、公衆衛生など、社会の重要な意思決定に影響を与える潜在的脅威。批判的思考、情報源の検証、メディアリテラシーの向上が求められる情報社会の現代的課題。

少数の例を与えることでAIが新しいタスクを学習・推論できる能力。AI時代においては、ゼロショット学習では例を与えずに課題を解くのに対し、フューショット学習では数個のサンプルを提示して補助する重要なプロンプト技法。ワンショット学習（1つの例）もフューショット学習の一種に含まれる。たとえば「この英文を日本語に訳してください」という指示に加えて、いくつかの翻訳例を提示すれば、AIはそれを参考にしてより精度の高い翻訳を行える。大量の学習データを必要とせず、少ない情報から柔軟に適応できる点が大規模言語モデルの強み。関連語にゼロショット学習、ワンショット学習があり、これらを組み合わせたプロンプトエンジニアリングによりAIの性能を最大化できる。

生成AIに入力する指示文や質問。

生成AIに対して、質問や指示などの入力文（プロンプト）を与える行為。AIに情報を出力させるために、ユーザーが文章で指示を与える入力作業全体をプロンプティングと呼ぶ。日常的には、生成AIに質問したり、イラストの作成を依頼したりするときの入力が該当する。

生成AIに悪意ある指示文を混入させ、意図しない応答を引き出す攻撃手法。AIが本来与えられたルールや命令を無視し、攻撃者の指示に従うよう誘導する行為。このような攻撃は、AIの安全性や信頼性に関わる問題として注目されており、プロンプトを扱う際には注意が必要とされる。

AIが望ましい結果を出力できるように、指示文（プロンプト）を意図的に設計・調整する技術。生成AIは、与えられた指示文によって回答内容が大きく変わるため、目的に応じて質問の仕方や文の構成を工夫して、より正確で役立つ答えを引き出す工夫のプロセスや技術全体のこと。

個人の情報を保護する権利。

コンピューターウイルスなどの悪意のあるソフトウェア。AI時代においては、機械学習やAI技術を悪用した高度なマルウェアが登場し、セキュリティ対策を回避したり、高精度なフィッシングメールや偽サイトを作成したりするようになっている。一方で、AIを活用したセキュリティソリューションも発展し、リアルタイムでの脅威検知や自動対応が可能になっている。ランサムウェア、スパイウェア、トロイの木馬など、様々な形態が存在し、サイバーセキュリティの永遠の課題。

大規模言語モデル（LLM）に複数の入力形式（例：テキスト、画像、音声、ビデオ）を組み合わせて与える手法。これにより、LLMは単一の入力形式に限らず、多様な情報を理解し、より包括的な出力を生成できる。

複数の種類のデータ（テキスト、画像、音声など）を組み合わせて処理するAI。AI時代においては、GPT-4V、Claude 3、Geminiなどの大規模言語モデルがテキストだけでなく画像や音声も理解できるようになり、人間のように複数の感覚を統合した情報処理が可能になっている。画像を見て内容を説明したり、音声とテキストを同時に処理したり、動画の内容を解析して質問に答えたりするなど、より豊かで自然なコミュニケーションを実現する次世代AI技術。

マルチモーダルLLM（Multimodal Large Language Model）は、複数のデータ形式（テキスト、画像、音声、ビデオなど）を同時に処理し、生成する能力を持つ大規模言語モデル。これにより、AIは人間の感覚に近い多様な情報を理解し、応答することが可能になる。

著作権者の許可なく、声や表現をAIに学習させて生成・公開されたコンテンツを指す言葉。声優、俳優、音楽家などの本来の権利者（著作権者・実演家）の許諾なしに、その声やパフォーマンスなどをAIで学習し、新たな音声や映像、テキストを生成して公開する行為・技術。

コンピューターやシステムを操作するための画面や入力装置。AI時代においては、生成AIの普及により、従来のボタンやメニュー中心のUIから、自然言語での対話型インターフェース（CUI：Conversational User Interface）へとシフトが進んでいる。ChatGPTやClaudeなどのチャットAI、音声アシスタント、AIアバターなど、人間の自然なコミュニケーション方式に近づいた直感的でアクセシブルなインターフェースが登場し、コンピューター操作のバリアを大幅に低下させている。

学習時にごく少数の例（たとえば1つ）を与え、その例を手がかりに新しいタスクをこなす能力。AI時代においては、ゼロショット学習に比べて少しだけ追加情報を提示することで、より正確に出力できる重要なプロンプト技法となっている。たとえば「この文章を英語に翻訳してください」という指示に加えて、1つの翻訳例を提示すれば、それを参考にしてAIが類似の翻訳を行える。少ないデータでも効率的に学習や推論が可能な点が特徴。関連語にゼロショット学習があり、フューショット学習とともに大規模言語モデルの性能を最大化する基本手法。

複数の情報源から情報を自動的に収集し、詳細な分析とレポートを生成するAI。学術研究やビジネス分析などで、効率的な情報整理と深い洞察を提供する。多段階の調査を自動化し、包括的な情報を提供することで、研究者の負担を軽減する。

あらかじめ決められたルールに従って処理を行うAI。AI時代においては、機械学習やディープラーニングなどのデータ主導AIとの対比で語られることが多く、人間が明確に定義した条件文やロジックに基づいて判断や処理を実行する古典的なAI手法。医療診断支援、法的判断、金融リスク評価など、明確な基準や法則が存在する分野では今でも有効であり、説明可能性や信頼性が高い点が特徴。ハイブリッドAIでは機械学習と組み合わせて活用される。

AIの学習データに特定の単語や表現が偏って含まれることで、AIの出力に影響を与える現象。

Artificial Intelligence（人工知能）の略。人間の知的な行動を模倣するコンピューター技術。AI時代においては、機械学習、ディープラーニング、大規模言語モデルなどの技術進歩により、人間の認知能力に近い、時にはそれを超える性能を発揮し、社会のあらゆる分野で変革をもたらしている。単な道具ではなく、人類の情報処理、意思決定、創作活動のあり方を根本的に変える強力な変革者としての役割を果たしている。

生成AIを用いた対話型の検索・応答機能。従来の検索がキーワード入力とリンク提示を基本とするのに対し、AIチャットモードでは人間との会話に近い自然文でやりとりできる。質問に答えるだけでなく、追加の質問や掘り下げにも対応でき、連続的な対話が可能。PerplexityやBing Copilot、You.comなどの検索サービスで幅広く導入されており、教育や調査、日常的な疑問解決において利用が拡大している。

検索サービスやアプリで、AIによる回答生成を有効化する機能。通常の検索モードではリンク一覧や情報が提示されるのに対し、AIモードでは生成AIが質問に答えたり要約を示したりする。ユーザーがオン／オフを切り替えて使うことができ、Microsoft Copilotや一部の国内検索サービスで導入されている。GoogleのAI Overviewのように自動的に表示される方式とは異なり、利用者が自らAIによる回答を求めるモード切替型の仕組み。

AIの学習データが枚渇する問題。特に大規模言語モデル（LLM）の学習に必要な高品質なテキストデータが2026年ごろに枚渇し始めると予測されている。書籍、論文、ニュース記事などの高品質なデータの供給限界により、AI開発の新たな課題として注目されている。対策として合成データの活用などが検討されている。

2025年4月3日に公開された、AIの進化とその社会影響を具体的なシナリオ形式で描いた未来予測レポート。AI時代においては、元OpenAIの研究者らによる執筆チームが、2025年から2027年にかけてのAI技術発展を月単位の詳細なロードマップとして提示し、AI安全性やガバナンスに関する議論を世界的に活性化させた重要文書として位置づけられる。特徴は、単なる推測ではなく研究・数値モデルに基づいた科学的裏づけと、ストーリー形式による具体的描写を両立させた点にある。主要シナリオとして、AIが自律的パーソナルアシスタントとして機能し始める「Stumbling Agents」段階から、AIが自己改良を繰り返して2027年に超知能（ASI）へ到達する可能性を描き、最終的に開発競争を優先する「Race Ending」と安全性を重視する「Slowdown Ending」の2つの未来像を提示。「こうなる」と断言せず「こうなるかもしれない」思考実験として、AI政策立案者、研究者、社会全体がAI発展の方向性を議論する際の重要な参考資料。

AI技術を活用し、従来のリンク一覧の代わりに直接答えを生成して提供する検索サービス。ユーザーの質問に対し、複数の情報源を統合して理解しやすい回答を作成する。生成AI検索、会話型検索、解答エンジンなどとも呼ばれる。Perplexity、Google AI Overview、Bing Chatなどが代表例。

与えられた数列から奇数を抽出し、その合計が偶数か奇数かを判断するタスク。AIが数値の性質や基本的な数学的操作を理解しているかを評価するために用いられる。適切なプロンプトや手法を用いることで、AIはこの種の問題を正確に解くことができるが、数値理解に関する限界も考慮する必要がある。

EUが制定したAIの開発・利用に関する包括的な規制法。AIのリスクレベルに応じた規制を導入。

自律的に判断・行動し、特定のタスクを実行できるAIプログラム。ユーザーからの指示や目標を受け取り、環境を認識し、適切なアクションを選択して実行するソフトウェアエンティティ。チャットボット、ゲームのNPC、自動取引システムなど、様々な形で実装される。エージェンティックAIよりも狭いスコープで、単一のタスクに特化した実装が一般的。

AI技術を用いて問題解決や新しい知識の発見に取り組む専門家。

AIの活用を出発点として、業務やサービス全体のしくみを設計し直すという考え方。一部の作業にAIを導入するだけでなく、最初からAIを活用することを前提に全体の流れを再構築する点が特徴である。企業の業務改善や行政サービスの設計において注目されているが、公的な用語としては定義されていない。

AIの開発や利用に関するルールや仕組み。AI技術の適切な管理、監督、決定プロセスを通じて、個人のプライバシー、公平性、安全性、説明可能性を確保しながら、AIの便益を最大化し、リスクを最小化することを目指す。企業、政府、国際機関など様々なレベルで実施される。

AIメイカー (AI Maker): AIメイカーは、AI技術を自ら開発し、提供する国や企業。イギリスはAI機会行動計画 (AI Opportunities Action Plan)で、AIの基盤技術を自国で開発し、世界に提供することで経済的利益を得ることを目指すと表明した。 AIテイカー (AI Taker): AIテイカーは、他国や企業が開発したAI技術を利用するだけの国や企業。

AIの誤作動や不適切な出力を防ぐための安全対策や制御機構。

AIが学習や予測を行うための数学的・計算的な構造。データからパターンを学びタスクを実行する。

AIの開発・利用における倫理的な問題や原則について考えること。

AIを理解し、適切に利用するための知識や能力。

AI（人工知能）とIoT（モノのインターネット）を組み合わせた技術や考え方。センサーやネットワークにつながった機器（IoT機器）から集めたデータをAIが分析し、より賢く自動で動くしくみを実現する。たとえば、家電が利用者の生活パターンを学習して自動調整を行うなど、運用の最適化や省エネ、高度な自動化に活用されている。「モノのAI化」「モノの人工知能化」とも呼ばれ、2015年ごろから産業界で広く使われ始めた。

汎用人工知能。人間のように多様なタスクをこなせるAI。特定の領域に特化した狭域AI（ANI）とは異なり、人間と同等かそれ以上の知的能力を持ち、学習、推論、問題解決、創造性、自己認識など、あらゆる認知タスクを柔軟に実行できる。現在は理論上の概念であり、実現には至っていない。

特化型人工知能。特定のタスクに特化したAI。AI時代においては、現在実用化されているほぼすべてのAIシステムがこのカテゴリーに属し、汎用人工知能（AGI）や超人工知能（ASI）との対比で使われる技術用語。画像認識、音声認識、翻訳、ゲームAIなど、限定された領域でのみ高い性能を発揮する。人間のような幅広い認知能力は持たないが、特定タスクでは人間を超える性能を発揮することがある現在のAIの主流形態。

IT技術を活用して、ビジネスや社会の仕組みを大きく変革すること。AI時代においては、単なデジタル化や効率化を超えて、生成AI、機械学習、クラウド技術などを組み合わせた根本的なビジネスモデルの変革や新たな価値創造を意味する。企業ではAIを活用した顧客サービスの個別化、サプライチェーンの最適化、新しい製品・サービスの開発などが進んでおり、政府や自治体の行政サービスでもAIを活用した住民サービスの高度化が進む社会変革の潮流。

2つのニューラルネットワークが競い合うことで、本物に近いデータを生成する機械学習モデル。AI時代においては、生成器（Generator）と判別器（Discriminator）が敵対的に学習し合うことで、高品質な人工データを生成する革新的手法として注目されている。画像生成、音声合成、ディープフェイク作成などで幅広く活用され、アート、エンターテイメント、ファッション業界などで新たなコンテンツ創造を可能にしている。現在の生成AI技術の重要な基盤技術の一つ。

AIの開発と利用に関する国際的な協力を推進する枠組み。倫理や人権の尊重を重視。

大量のテキストデータを学習し、文章生成や会話ができるAIモデルの一種。AI時代の代表的な大規模言語モデルであり、OpenAIが開発したトランスフォーマーアーキテクチャを基盤とする生成AIシリーズ。GPT-1から始まり、GPT-2、GPT-3、GPT-4と進化し、とくにChatGPTの登場により世界的な生成AIブームを引き起こした。文章作成、翻訳、コード生成、質問応答など幅広いタスクで高い性能を発揮し、人類のAI活用のあり方を根本的に変えた革新的技術。

クラウドサービスを使わず、自分のPCやオンプレ環境に大規模言語モデルをインストールして動かす仕組み。プライバシー保護、オフライン利用、カスタマイズ性、コスト制御などのメリットがある一方、高スペックPCが必要で、精度やセットアップの難しさが課題。ローカルAI、オンデバイスAIとも呼ばれる。

「大規模言語モデル」と訳され、ニュース記事、小説、インターネット上の会話など、大量の文章データを学習し、人間の言葉を理解・生成できるように設計されたAIモデルのこと。これにより、質問への回答、文章の要約、翻訳、対話など、幅広い言語処理が可能となる.

大規模言語モデル（LLM）がウェブサイトの情報を効率的に理解し、処理できるようにするためのテキストファイル。このファイルは、ウェブサイトの重要なコンテンツを簡潔かつ構造化された形式で提供し、AIがより正確な情報を抽出できるように支援する。

生成AIが外部のデータやアプリケーションと連携するための中継システム。通常の生成AIは学習範囲の情報しか扱えず、リアルタイムのデータや個人のファイル、アプリの操作に対応できない。そこで、AIと外部システムをつなぐ「橋渡し役」として使われるのがMCPサーバーである。MCPサーバーは、AIの要求を受け取り、必要な外部の情報源やツールにアクセスし、その結果をAIに返すことで、AIがより高度な処理を実行できるようにする。

 →マルチモーダルLLMの項参照

ニューラルネットワークの処理に特化したプロセッサ。AI時代においては、スマートフォン、PC、タブレットなどのモバイルデバイスやエッジデバイスに組み込まれ、オンデバイスAI処理を効率的に実行するための専用チップ。従来のCPUやGPUとは異なり、機械学習の推論処理に最適化されており、低電力で高速なAI処理を実現できる。音声認識、リアルタイム翻訳、カメラのAI特性など、日常的なAI機能をクラウドに依存せずにローカルで実行できるエッジAI時代の重要コンポーネント。

AIが答えを生成する際に、自分の学習データだけでなく、外部の情報を検索して取り入れる仕組み。RAGにより、より正確で新しい情報に基づいた回答が可能になる。通常の生成AIよりも、事実に基づいた出力が求められる場面で活用されることが多い。日本語では検索拡張生成。

定型的な事務作業をソフトウェアロボットで自動化する技術。AI時代においては、従来のルールベースのRPAに加えて、AI技術と組み合わせたインテリジェントRPA（IPA：Intelligent Process Automation）が登場し、非定型業務や判断を伴う作業の自動化も可能になっている。データ入力、資料作成、メール対応、システム間連携など、繰り返し作業を自動化し、人間の生産性向上とコスト削減を実現。OCR、自然言語処理、機械学習などのAI技術との融合により、より高度で柔軟な業務自動化を実現するデジタルワークフォースの基盤技術。

画像や映像と文章を一緒に理解・説明できるAIモデル。コンピュータビジョン（画像や動画を解析する技術）と自然言語処理（文章を扱う技術）を組み合わせたマルチモーダルAI。写真や動画を入力すると、その内容を説明したり、質問に答えたり、状況を要約するなど、人間と似た形で視覚情報を扱うことができる。

AIが出した結果や判断の理由を、人間が理解できる形で説明できるようにする技術や仕組み。高度なAIは、なぜそのような答えを出したのかを人間が理解しにくいという問題がある。XAIは、「理由」を見える形で示すことでAIの判断に対する信頼性や安全性を高めることを目的とする。

コンピュータにとって読みやすく、人間にも理解しやすい形式でデータを記述するための構造化言語。リスト、階層、項目などを整理して書くことができ、AIやプログラムに設定や指示を渡すときに使われる。文法がシンプルで見やすいため、設定ファイルや構造化プロンプトの記述形式としてよく使われている。構造化プロンプトでは、出力の内容や順番、条件などを正確に伝えるために、YAML形式でプロンプトを設計する場面が増えている。