AI用語集
AI用語集
AI・半導体の記事に繰り返し登場する用語を、短く正確にまとめました。30秒で調べて、また記事に戻れるように。
基礎
LLM(大規模言語モデル)
膨大なテキストで学習し、人間のような言語を予測・生成するAIシステム。
Transformer(トランスフォーマー)
現在の大規模言語モデルを可能にした、2017年に登場したニューラルネットワーク構造。
トークン(Token)
言語モデルが実際に読み書きする、単語よりも細かいテキストの単位。
コンテキストウィンドウ(Context Window)
モデルが一度に“見る”ことができるテキストの最大量(入力したプロンプトと自身の返答を含む)。トークン数で測る。
GPU(グラフィック処理装置)
本来はグラフィックス描画用に作られたが、一度に一つずつではなく数千もの単純な計算を同時にこなせるため、AIに最適なエンジンとなったチップ。
パラメータ
ニューラルネットワークが学習中に調整する内部の数値の一つ一つ — モデル名に付く「700億」「4000億」といった数字は、このパラメータの個数です。
マルチモーダルAI
テキストだけでなく、画像・音声・動画など二種類以上のデータを入力または生成できるモデル。
モデルのライフサイクル
推論(Inference)
学習済みのAIモデルを実際に使って答えを生成する段階 — モデルが学ぶ段階である学習(training)と対をなす概念。
学習・事前学習(Training / Pretraining)
巨大なデータセットに対して次のテキストを予測させ続けることで、モデルに基礎知識と言語能力を教え込む工程。
ファインチューニング(Fine-tuning)
事前学習済みのモデルにさらに学習を加え、特定のタスク・語り口・自社データに合わせて挙動を特化させる工程。
RAG(検索拡張生成)
学習時に記憶した内容だけに頼るのではなく、回答時に外部の文書を参照させる仕組み。
量子化(Quantization)
モデル内部の数値の精度を下げて、より速く動作し、はるかに少ないメモリで済むようにする手法 — データセンターが必要か、スマートフォンで動くかを分けることも多い。
挙動とリスク
インフラ
MoE(専門家混合, Mixture of Experts)
全パラメータを複数の専門的な“エキスパート”サブネットワークに分割し、リクエストごとにそのうちの一部だけを活性化させるモデル構造。
HBM(高帯域幅メモリ)
AIチップのすぐそばに積み重ねて配置し、チップの演算速度に追いつけるだけの速さでデータを供給するメモリ — AIインフラ構築における主要なボトルネック。
CUDA
エヌビディアのGPUをプログラムするための独自ソフトウェアプラットフォーム — エヌビディアのハードウェア支配力がライバルにとってこれほど覆しにくい最大の理由とされている。
ファウンドリ(半導体受託製造)
他社が設計したチップを製造する会社 — 現在、最先端プロセスを量産できるのはTSMCとサムスンの二社のみ。
EUV露光
チップに最も微細で最先端の回路パターンを刷り込むために使われる極端紫外線プロセス — 世界でただ一社、ASMLのみが製造できる。