Top-p

生成AIが次のトークンを選ぶとき、確率の高い順に並べたトークンを累積確率が設定値pに達するまで候補として残し、その中から選ぶ方式とそのパラメータ。確率分布の形に応じて候補の数が変わる。nucleus samplingとも呼ばれ、pを小さくすると出力が安定する。

大規模言語モデルが次のトークンを選ぶとき、確率の高い順に候補を並べ、累積確率が指定した値pに達するまでの候補だけから選ぶ方法、またはその値。p=0.9なら上位から合計90%の確率を占める候補に限定し、確率の低い不自然な候補を除く。候補の数が状況に応じて変わる点がTop-kと異なり、核サンプリングとも呼ぶ。

生成AIが出力する文章などの多様性や意外性を、生成時のパラメータで調整すること。大規模言語モデルは次に続くトークンを確率に基づいて選ぶため、Temperature、Top-p、Top-kなどの設定によって、毎回ほぼ同じ確実な回答を出すか、多様で創造的な回答を出すかを用途に応じて変えられる。

データにノイズを少しずつ加えていく過程を逆にたどり、ノイズから元のデータを復元するように学習する生成モデル。高品質な画像生成AIの主流方式で、テキストから画像を作るサービスの中核技術。

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。AI生成物が既存著作物に類似する場合、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。

テキスト、画像、音声、動画など、種類の異なる複数のデータ（モダリティ）を組み合わせて入力・処理・出力できる AI。画像を見て内容を文章で説明する、音声で質問して画像付きで回答を得る、といった使い方ができる。

生成AIサービスなどで、利用者が入力したデータをサービス提供者がAIの学習に使うことを、利用者が拒否（オプトアウト）できるかどうかと、その手続を定めた方針。業務で使う際は、機密情報や個人情報が学習に使われないよう、オプトアウトの可否と設定を確かめる。

生成AIが、学習データを集めた時点より後の出来事を知らないために、古くなった情報を現在も正しいものとして出力するリスク。法令の改正や製品の仕様変更などを反映していない回答が生じるため、最新の情報源で確かめてから使う必要がある。