AI（人工知能）

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。

人工知能のこと。人間の知的能力をコンピュータで実現する技術の総称。機械学習、深層学習（ディープラーニング）などの手法があり、画像認識、自然言語処理、予測分析などに活用される。生成AIの登場により活用範囲が急速に拡大している。

人間の知的活動（学習、推論、認識、判断など）をコンピュータで実現する技術の総称。機械学習やディープラーニング、自然言語処理、生成AIなどが含まれ、経営戦略やシステム企画においても活用が広がっている。

入力されたデータを分析して、分類、予測、検知、認識などの判断を行うAI。売上予測や離反予測、顧客のグルーピング、画像による不良品の検知などに使われ、仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替などの目的で業務に組み込む。新しいコンテンツを作り出す生成AIと対比される。

データからパターンや規則性を自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習に大別される。学習データから汎化能力を獲得し、未知データに対する推論を可能にする。

入力データと正解ラベルのペアから学習する手法。回帰（数値予測）と分類（カテゴリ分け）に大別される。線形回帰、ロジスティック回帰、決定木、サポートベクトルマシン、ニューラルネットワークなどが代表的なアルゴリズム。

正解ラベルのないデータから構造やパターンを発見する手法。クラスタリング（k-means法など）や次元削減（主成分分析など）が代表的。データの潜在的なグループ分けや特徴抽出に用いられる。

エージェントが環境と相互作用し、報酬を最大化する行動方策を学習する手法。試行錯誤を通じて最適な行動を獲得する。Q学習やSARSAが代表的なアルゴリズムで、ゲームAIやロボット制御に応用される。

データ間のマージン（境界からの距離）を最大化する超平面で分類を行う機械学習手法。カーネルトリックにより非線形分類にも対応でき、汎化能力が高い。少数のサポートベクトルで決定境界が定まるため、解釈性にも優れる。