識別AI

入力されたデータがどの分類に当たるか、あるいはどのような値になるかを判別・予測するAI。異常検知や需要予測など、判断支援や活動代替の目的で使われる。

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。

機械学習のモデルの精度を高めるために、元のデータから予測に役立つ特徴量を作成・選択・変換すること。標準化、二値化、離散化、対数変換などの変換のほか、日付から曜日を取り出す、複数の項目を組み合わせるなど、業務の知識を生かした新しい特徴量の作成も含む。予測の時点では得られない情報を特徴量に含めてしまうデータリークに注意する。

材料の組成、構造、製造条件、物性などのデータを機械学習などで分析し、目的の性質を持つ新しい材料の候補を効率よく探索する手法。実験やシミュレーションの回数を減らし、材料開発の期間と費用を大きく縮められる。MIと略される。

テキスト、画像、音声、動画など複数の種類（モダリティ）の情報を組み合わせて入力・出力できるAI。図表を含む文書の読み取り、画像を見せて質問に答える、会議の音声と資料から議事録を作るなど、単一の形式のAIでは扱えない業務に適用できる。

膨大なテキストで事前学習した、数十億から数千億以上のパラメータを持つ言語モデル。主にTransformerのデコーダを使い、前の文脈から次のトークンを予測する学習によって、文章生成、要約、翻訳、質問応答、プログラム作成など多様な課題を、追加学習なしに指示（プロンプト）だけでこなせる。インストラクションチューニングやRLHFで指示に従うよう調整して使い、もっともらしい誤り（ハルシネーション）への対策が要る。

与えられた指示や文脈に続く文章を生成するAIモデル。現在の主流はTransformerを使った大規模言語モデルで、前の文脈から次のトークンの確率を計算して1つずつ選ぶことを繰り返して文章を作る。どのトークンを選ぶかは温度（Temperature）やTop-pなどで調整し、要約、翻訳、文書作成、対話、プログラムの生成に使われる。