バイブコーディング

生成AIに自然言語で意図を伝え、出力されたコードを試しながら開発を進める方法。素早く形にできる一方、生成物の妥当性の検証が課題となる。

作りたいものを自然言語で生成AIに伝え、生成されたコードの中身を細かく読まずに、動作を見ながら指示を重ねてソフトウェアを作る開発のやり方。2025年にアンドレイ・カルパシーが名付けた。試作は速いが、品質や脆弱性、保守性の確認が抜け落ちやすい。

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 が出力する文章の多様さと安定性を、パラメータで調整すること。Temperature を高くすると多様で意外性のある出力に、低くすると安定した出力になる。Top-p や Top-k で次の語の候補を絞ることでも調整できる。

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。