プロンプトエンジニアリング

LLMなどの生成AIに対して、望ましい出力を得るために入力（プロンプト）を工夫・設計する技術。指示の明確化、文脈の提示、出力形式の指定などの手法がある。

AIモデルに対して適切な指示文（プロンプト）を設計し、望ましい出力を得るための技法。質問の仕方や文脈の与え方を工夫することで、生成AIの出力品質を向上させる。

生成AIへの指示文を工夫し、目的に沿った出力を安定して得るための技術。前提条件や出力形式、役割を明示することで精度と再現性を高める。

生成AIから目的に合った出力を安定して得るために、指示文（プロンプト）を設計・改善する技術。役割や前提の指定、出力形式の指定、具体例の提示（フューショット）、段階を追って考えさせる指示などを組み合わせ、出力を評価しながら改善を繰り返す。

生成AIから目的に合った出力を引き出すために、指示文（プロンプト）の内容や構成を設計・改善する技術。役割や前提条件、出力の形式を明示する、回答例を示すfew-shotプロンプティング、段階的に考えさせるChain of Thoughtなどの手法がある。

大規模言語モデル等を用いて、テキスト・画像・音声・プログラムコードなどの新たなコンテンツを自動生成するAI技術。業務効率化に活用される一方、ハルシネーション（事実に基づかない出力）やセキュリティリスク、著作権上の課題がある。

大量のテキストデータで学習された巨大なニューラルネットワークモデル。自然言語の理解・生成に優れ、生成AIの中核技術として文章作成・要約・翻訳・プログラミング支援などに活用される。プロンプトインジェクションなどのセキュリティリスクへの対策も重要となる。

生成AIが事実に基づかない情報を、あたかも正確であるかのように生成してしまう現象。AIの幻覚とも呼ばれる。AIの出力データを人間が確認することの重要性を示す課題であり、業務利用時のリスクとして認識する必要がある。

生成AIが作成したコンテンツに関する著作権上の論点。著作権法第30条の4により、AI学習目的の著作物利用は原則として許容されるが、享受目的が併存する場合は適用されない。AI生成物が既存の著作物に類似している場合、依拠性と類似性が認められれば著作権侵害となり得る。AI自体は著作者にはなれない。

大規模言語モデル（LLM）などの生成AIに対して、悪意のある指示や入力を与えることで、本来の制約やガードレールを回避させ、意図しない動作や情報漏えいを引き起こす攻撃手法。直接的な入力によるものと、外部データに攻撃文を埋め込む間接的なものがある。

学習、推論、判断など、人間の知的な働きをコンピュータで実現する技術。データから規則性を学ぶ機械学習や、多層のニューラルネットワークを使うディープラーニング、文章や画像を作り出す生成AIなどがある。業務での利用が広がる一方、誤った出力や偏り、個人情報や著作権の扱いに注意が必要である。