人工知能の世界は複雑で専門用語が多いが、主要な概念を平易に解説した用語集が策定されました。AGI（汎用人工知能）は、人間を凌駕する能力を持つ AI を指しますが、その定義は研究者によって微妙に異なり、現在も議論が続いています。AI エージェントは、経費処理や予約、コード作成など単発の質問に答えるだけでなく、自律的に複数のステップを遂行するツールです。連鎖的思考は、論理的な問題解決のために AI が思考過程を段階的に分解する手法で、回答の精度を高める一方で処理時間が長くなります。 計算資源（コンピューティング）は、GPU などのハードウェアを指し、AI モデルの訓練と運用を支える基盤です。ディープラーニングは、人間の脳構造を模した多層構造のニューラルネットワークを用い、大量のデータから特徴を自動的に学習する技術ですが、高コストで時間がかかります。生成 AI の核心技術である拡散モデルは、ノイズを加えてデータを破棄する物理現象を逆転させることで、画像や音楽を生成します。 蒸留は、大規模モデル（教師モデル）の知識を小規模モデル（学生モデル）に転移させる手法で、効率化やコスト削減に寄与します。ファインチューニングは、特定タスクや業界に特化させるために既存モデルを追加訓練するプロセスです。GAN（敵対的生成ネットワーク）は、生成器と識別器が競合し合う構造で、偽造動画を生成するなどの技術を支えます。 ハルシネーションとは、AI が事実と異なる情報をでっち上げる現象で、医療などの分野で危険を招く可能性があるため、専門家による検証が不可欠です。推論は、訓練済みモデルが実際のデータに適用されて予測を行う過程で、ハードウェア性能が速度を左右します。LLM（大規模言語モデル）は、数十億のパラメータを持ち、単語間の関係を学習してテキストを生成する基盤技術です。 メモリキャッシュは、計算を保存して効率を上げる最適化技術で、推論速度を向上させます。ニューラルネットワークは AI の中核であり、GPU の進化によって発展しました。RAM 不足（RAMageddon）は AI 産業の爆発的な需要により、ゲーム機やスマートフォンなど一般消費者向け製品のコスト上昇や供給制限を引き起こしています。 トレーニングはモデルを学習させる過程であり、学習していないルールベース AI とは異なります。トークンは言語を AI が理解できる単位に分割したもので、使用量に基づいて料金が発生します。転移学習は、既知の知識を別のタスクに応用する効率的な手法ですが、追加訓練が必要な場合もあります。重みはデータの特徴に対する重要性を示す数値パラメータで、訓練中に調整されモデルの出力を決定します。この用語集は、AI の進歩に合わせて随時更新される予定となっています。