| 表示 | 見出し | 説明 |
|---|---|---|
| A | Accountability | 説明責任、アカウンタビリティ。AIによる意思決定とその結果に対する説明責任/答責性に関する研究 |
| ACM | Association for Computing Machinery、米国コンピュータ学会 | |
| Actor-Critic法 | 強化学習の手法の一つ。行動を決める「Actor」（行動器）と方策を評価する「Critic」（評価器）を両方利用して学習する方法 | |
| AdaBoost | アンサンブル学習の一種。前の弱学習器の誤分類に応じてデータの重みを調整して次の弱学習器を生成する手法 | |
| AdaDelta | 勾配降下法の一種。Adagradの発展形で、急速かつ単調な学習率の低下を更に防ぐアルゴリズム | |
| AdaGrad | 勾配降下法の一種。Adaptive Gradient algorithm、大きく更新されてきたパラメータほど更新量を減らすアルゴリズム | |
| Adam | 勾配降下法の一種。Adaptive Moment Estimation、AdaGradやRMSPropの長所を取り込み改良した、いいとこどりの学習の収束が早いアルゴリズム | |
| Adversarial Examples | DNNに間違った予測をさせる、意図的に小さな摂動を持たせたサンプル | |
| AD変換 | アナログ信号をディジタル信号に変換すること | |
| AI | コンピュータによる知的な情報処理システムの設計や実現に関する研究分野（wikipedia） | |
| AIガバナンス | AIをめぐる倫理・法的課題やセキュリティーなどを適切に管理する手法・仕組み | |
| AI原則 | AIの開発や活用のあり方に関する基本的な考え方を示す基本理念 | |
| AI戦略（米国） | アメリカ国防総省が2019年2月に発表した方針で、AI兵器はあくまで人間のコントロール下に置き、国際法や倫理に反しない形でAIを活用する、としている | |
| AI戦略（フランス） | 2018年、2022年、2025年に公表されたフランスのAI国家戦略、2018年ではAIエコシステムの構築、人材育成、イノベーション支援、2022年ではAIの普及加速に重点。 | |
| AI戦略2019 | 日本がAI産業で世界をリードしていくことを目指し宣言した、AI人材を教育するための教育改革と技術体系の確立のための仕組み | |
| AIデータの利用に関する契約ガイドライン | AIの開発のプロセスを、探索的段階型の開発方式に従い、それぞれの段階で必要な契約を締結して開発するというガイドライン | |
| AI効果 | 人工知能で何か新しいことが実現され、その原理が分かってしまうと、「それは知能ではない」と思ってしまう心理現象 | |
| ALBERT | 2019年に提案された軽量版BERT | |
| AlexNet | ILSVRC2012で優勝したDNN。トロント大学のヒントン教授の提案による | |
| Alpha碁（AlphaGo） | Googleが2014年に買収したGoogle DeepMindが、教師あり機械学習+深層学習で開発した、コンピュータ囲碁プログラムであり、2015年に世界トップ棋士柯潔（中国）に勝利 | |
| ARMAモデル | Auto-Regressive MA⇒自己回帰移動平均モデル。定常時系列のための自己回帰モデルの一種 | |
| ARモデル | ⇒自己回帰モデル | |
| Attention | 時系列データのどの単語が重要であるかという「重みづけ」を自動的に行うしくみ | |
| AUC | Area Under the Curve、ROC曲線の下の領域の面積の大きさ | |
| AutoML | Automated Machine Learning。NASを利用して実装する、機械学習モデルの設計や構築のプロセスを自動化してくれる技術 | |
| Auxiliary Classifier | GoogLeNetの特徴のサブネットワークに配置されたクラス分類器 | |
| Auxiliary Loss | GoogLeNetのAuxiliary Classifierによって生じる損失 | |
| AVA | データセットの一種。Atomic Visual Actions、最小単位の視覚的なアクション、2017年10月にGoogleから公開された、50万個を超える人間のアクションのラベル付きの動画データセット | |
| arXiv | アーカイブ。研究論文の公開・閲覧、さまざまな論文が保存・公開されているウェブサイト | |
| B | Bag-of-n-grams | 局所的な出現順序を含むn-gramとBoWを組み合わせた方法 |
| BERT | Bidirectional Encoder Representations from Transformers。ransformerによる双方向の事前学習モデル。Masked LMと次文予測を組み合わせたpre-trainingとfine-tuningを行う | |
| BIRNN | Bidirectional RNN。文章全体があらかじめわかっている場合に、双方向RNN、未来方向のRNNと過去方向のRNNを組み合わせて精度の向上を図るもの | |
| BoW | Bag-of-Words。自然言語で記述されたデータを固定長ベクトルで表現する方法 | |
| BPR | Business Process Re-engineering。AIを適用する場合は、人が従来行っている業務をそのまま置き換えるのではなく、業務プロセスを設計し直すことが必要です | |
| BPTT | Backpropagation Through Time。RNNにおける逆伝播のパラメータ更新 | |
| C | CAM | XAIを目指す手法の一種、Class Activation Map。畳み込みニューラルネットワークが物体を認識する際に、画像のどのデータに着目しているのかを可視化する方法 |
| CBOW | 周辺の単語からある単語を予測する手法、Continuous Bag-of-Words | |
| ChatGPT | GPTを利用できるウェブサービス | |
| CIFAR-10/100 | データセットの一種。動植物や機器、乗り物などの32×32カラー画像のデータセット。５万枚のトレーニング画像と1万枚のテスト画像からなる。CIFAR-10：6000個×10クラス、CIFAR-100：600個×100クラス | |
| CNN | Convolutional Neural Network、畳み込みニューラルネットワーク。画像処理に適したDNN | |
| COMPAS | 米国の一部の州の裁判所で利用されている、被告人が累犯になりそうな度合いを査定するために使うプログラム。当初は白人よりも黒人の再犯リスクを高く評価するバイアスがあって問題となった。 | |
| Coursera | コーセラ。スタンフォード大学設立の世界中の大学の講義が受講できるオンライン講座 | |
| CPU | Central Prosessing Unit、中央処理装置。入力機器の情報を受けて、それを処理して、その結果を出力装置に渡す処理装置 | |
| CRISP-DM | CRISP-DM、CRoss-Industry Standard Process for Data Mining。データマイニングのための産業横断型標準プロセスのこと | |
| CUDA | NVIDIAの開発した、GPUプログラム開発環境 | |
| CUImage | ILSVRC2016で優勝した香港中文大学（CU）が開発したネットワーク | |
| CycleGAN | 画像のスタイル（データの外見的特徴）の変換を得意とするDNN（教師なし学習） | |
| Cycプロジェクト | 1984年にダグラスレナートによって提唱され、現代版バベルの塔と呼ばれる、一般常識を人間が知識データベース化してAIに教えようとする試み | |
| cutmix | データ拡張手法の一種。CutoutとMixupの技術を合わせた操作 | |
| cutout | データ拡張手法の一種。画像の一部にマスクをかけること操作（遮蔽） | |
| D | DARPA | Defense Advanced Research Projects Agency、国防高等研究計画局。米大統領と国防長官の直轄組織で、軍事利用を見据えた最先端科学技術の開発を担当している機関 |
| DCGAN | Deep Convolutional GAN。GANの一種であり、GeneratorとDiscriminatorそれぞれの全結合層の前に「畳み込み層」を組み込み、DCGANではGANより自然な画像が生成できる | |
| DCON（ディーコン） | 高等専門学校生が「ディープラーニング」を活用した作品によって生み出される「事業性」を、企業評価額で競うコンテスト | |
| DDQN | Double DQN。行動決定とQ値の評価に別々のQネットワークを用いることで、推定Q値の過大評価を抑える工夫をしたDQN | |
| Define-and-Run | 予め静的なネットワークを記述した後データを用いて実行する形式（Caffeなど） | |
| Define-by-Run | データを実行しながら動的にネットワークを構築する形式（ChainerやPyTorchなど） | |
| DistiIBERT | 2019年に提案された軽量版BERT | |
| Docker | コンテナ仮想化を用いてアプリケーションを開発・配置・実行するための仮想環境オープンプラットフォーム | |
| DQN | Deep Q Network。行動価値関数の関数近似に畳み込みニューラルネットワーク(CNN)を用いたもの | |
| Dueling-Network | 強化学習のネットワーク構造を改良したモデル。DeepMind のメンバーによって2015年に発表された、ネットワーク構造を改造した手法 | |
| E | EfficientNet | 2018年にGoogle BrainがNASを利用して開発した、高精度であると同時に転移学習にも有用な、全機能最強の画像認識モデル |
| Elastic net | L1正則化とL2正則化を組み合わせた手法 | |
| ELIZA | イライザ、マサチューセッツ工科大学のジョセフワイゼンバウムが1966年に発表したチャットボット。彼の同僚で、カウンセリングもする心理学者という設定 | |
| ELMo | Embeddings from Language Models。文脈に応じて単語が複数の意味を表すことができる双方向LSTMを組み合わせた分散表現を得るモデル。アレン研究所が開発 | |
| ELMo | elastic monkey、コンピュータ将棋のプログラム。開発者は瀧澤誠、2017年と2021年の世界コンピュータ将棋選手権で優勝 | |
| End-to-End | 画像の入力から物体の検出までを一貫作業で解析すること | |
| Eugene | ユージーン。ロシアのベッセロフらが2014年に発表したチャットボット。「ウクライナ在住の13歳の少年」という設定で開発され、33％の判定者が機械とは判別できず、初の合格者とされました | |
| early stopping | 早期終了。過学習を起こす前に学習を終了する機械学習の手法 | |
| F | Fairness | 公平性、フェアネス、人種やジェンダーなど公平性に配慮したシステムに関する研究 |
| FAT | Fairness、Accountability、Transparency | |
| FCN | Fully Convolutional Networks、全畳込みネットワーク。CNNの全結合層を畳み込み層に置き換えたもの | |
| FLOPS | コンピュータの性能指標の一つであり、1秒間に浮動小数点演算が何回できるかを表す。Floating-point Operations Per Second | |
| F値 | 適合率と再現率の調和平均 | |
| fast RCNN | 高速RCNN。画像全体に対して一度だけCNNを適用し、その後で各ROIの特徴を取り出す、というしくみでR-CNNの大幅な高速化を実現 | |
| faster R-CNN | fast RCNNの「Selective Search」の代わりに「Region Proposal Network」を導入して、画像の入力から物体の検出までを一気通貫で学習・推定するしくみ | |
| fastText | Word2Vecの圧倒的な高速処理を提供する発展版。Word2Vecの考案者がGoogleからFacebook AI Researchに移籍して2016年に発表した | |
| G | GAN | Generative Adversarial Network、敵対的生成ネットワーク。イアン・グットフェローが考案した、強化学習を利用するアルゴリズムの一種であり、生成ネットワークと識別ネットワークの2つのDNNから構成される画像生成に適したDNN |
| GauGAN | NVIDIA Research によって作成され、ゴーギャンにちなんで名付けられたモデル。GAN を使用して、誰でも素晴らしい風景を作り出すことができる | |
| GDPR | 一般データ保護規則、General Data Protection Regulation。EUが制定したプライバシー・データ保護に関する規則 | |
| Github | 2008年に公開された、ソフトウェアエンジニア向けのソフトウェアコードの公開サービス | |
| Global Average Pooling | GAP。GoogLeNetの全結合層でチャンネルの画素平均を利用するしくみ | |
| GloVe | Global Vectors。Stanfordが開発した、Word2Vecの後発となる単語分散表現の取得方法 | |
| GLUEベンチマーク | 自然言語処理の「評判分析」「自然言語推論」「質問応答」「意味的類似度」「文書分類」などのタスクの基準点（英語）。GLUE：General Language Understanding Evaluation | |
| GoogLeNet | ILSVRC2014で優勝したCNN。複数の畳み込み層やプーリング層から構成されるInceptionモジュールを重ねてたもの。 | |
| GooglePhotos | Googleによって提供されている写真、動画のクラウドストレージサービス。アフリカ系の2人組に対して「ゴリラ」とラベリングしてしまって以降、一部の霊長類の検索の機能が停止 | |
| GoogleScholar | 学術論文、学術誌、出版物などの検索エンジン | |
| Googleの猫 | 2012年に、Googleが開発した深層学習モデルが、YouTube動画の中の猫を見分けられるようになった歴史的事実 | |
| Google翻訳 | 2016年に登場し、ニューラル機械翻訳技術によって精度が向上した | |
| GPGPU | General Purpose Graphics Processing Unit。画像処理演算を行うGPUを、機械学習など、画像処理以外の目的で利用する技術、またはそのためのGPU | |
| GPT | Generative Pre-Trained Transformer。transformerを大量の教師なしデータで事前学習し、精度を向上させた、文章を生成する言語モデル | |
| GPT-3 | 2020年に登場したGPTの最新版。バラメータ数は1750億 | |
| GPU | Graphics Processing Unit。数千から1万以上のコアを持つ、本来画像処理用の集積回路であり、転じて機械学習の大量の並列処理に利用される | |
| Grad-CAM | XAIを目指す手法の一種。Grad Class Activation Map：CAM を拡張した可視化法であり、重みの部分を逆伝播時の勾配で代用する方法 | |
| GRU | Gated Recurrent Unit、ゲート付き回帰型ユニット。LSTMの3つのゲートを「更新ゲート」と「リセットゲート」の2つに減らして動作を高速化したもの | |
| H | Heの初期値 | Heが発表した、ReLU関数のための初期値 |
| Horizon Europe | ヨーロッパ2020戦略の重点的取り組みである革新的欧州連合を実現するためのもの | |
| I | ICML | International Conference on Machine Learning |
| ICT | Information & Communication Technology、情報通信技術 | |
| IDF | Inverse Document Frequency。log(1/単語が出現する文書の割合) | |
| IEEE | Institute of Electrical and Electronics Engineers、アイトリプルイー、米国電気電子学会 | |
| ILSVRC | 一般物体認識の画像認識のコンペティション（ImageNet Large Scale Visual Recognition Challenge） | |
| Imagenet | データセットの一種。1400万枚以上の大規模な、一般物体認識のためのカラー写真の教師ラベル付き画像データベース | |
| Inceptionモジュール | GoogLeNetに搭載されたモジュールであり、異なるサイズの畳み込み層を並列につないだもので、表現力を落とさずにパラメータ数を削減できる | |
| IoT | Internet of Things（モノのインターネット）。PCなどを介さず、モノが自動的にインターネットと繋がる技術のこと | |
| IT | Information Technology、情報技術 | |
| industrie4.0 | ドイツが2017年に公表した国家戦略。industrie4.0は第四次産業革命の意 | |
| J | JGLUE | 自然言語の「評判分析」「自然言語推論」「質問応答」「意味的類似度」「文書分類」などのタスクの基準点の日本語版 |
| K | Kaggle | カグル、世界中の機械学習・データサイエンスに携わる約40万人が集まるコミュニティ。Competetion提供が特徴 |
| KAIST | 韓国科学技術院 | |
| k-means法 | ⇒k平均法 | |
| k近傍法 | KNN法、K Nearest Neighbor法。データのグループ分けするに際し、対象とするデータがどのグループに属するかを、周囲のデータとの距離の小さい順の多数決で推測する手法 | |
| k分割交差検証 | k-fold Cross Validation。データセットの分割を複数回行い、テストデータを入れ替えながら検証する方法 | |
| k平均法（k-means法） | 教師なし学習のクラスタリングの手法の１つであり、クラスタの数を先にk個と決めて、データを分割する手法 | |
| L | L1正則化（Lasso正則化） | L1ノルム（絶対値の総和）を用いる正則化 |
| L1ノルム | 絶対値の総和 | |
| L2正則化（Ridge正則化） | L2ノルム（2乗値の総和）を用いる正則化 | |
| L2ノルム | 2乗値の総和の平方根 | |
| LAWS | Lethal Autonomous Weapons Systems。自律的に動作し、自ら標的を判断して殺傷する兵器 | |
| LDA | トピックモデルの1つの手法。Latent Dirichlet Allocation、潜在的ディリクレ配分法 | |
| Leaky ReLU関数 | ReLU関数で変数が負の部分にも正の勾配を付加した活性化関数 | |
| LeNet | フランスの計算機科学者ヤンルカンが1998年に発表したCNN（Convolutional Neural Networkのモデル。ネオコグニトロンに誤差逆伝播法を組み込んだもの | |
| LIME | Local Interpretable Model-Agnostic Explanation、XAIの一種であり、局所的な説明を得るため、対象とするサンプルの周囲のデータ空間から得られるデータセットを教師データとして局所的に線形回帰モデルを作成するアプローチ。 | |
| LINPACK（リンパック） | ベンチマークテストの一種。線型代数の数値計算を目的としたLINPACK（リンパック）に基づいたベンチマークプログラムで、システムの浮動小数点演算性能を評価する | |
| LSTM | Long short-term memory、長・短期記憶。勾配消失や重み衝突の問題を抑制するためにRNNを改良したしくみ | |
| LSTMブロック | セル（CEC）と3つのゲート「入力ゲート」「出力ゲート」「忘却ゲート」からなる情報の長期保持機構 | |
| M | Mask R-CNN | 2017年に発表された、一般物体検出とインスタンスセグメンテーションを同時に行うマルチタスクの手法 |
| Masked LM | Masked Language Modeling、文章中の単語やトークンをランダムに隠して学習用データとし、Maskした箇所に入る単語を予測するタスク | |
| MAモデル | Moving Average Model。移動平均モデル定常時系列のための自己回帰モデルの一種 | |
| MegaFace | ノイズデータを混ぜた顔認識の大規模なデータセット。672,000人の470万枚の顔写真データ | |
| MFCC | メル周波数ケプストラム係数。人問の聴覚特性に着目した特徴量 | |
| MLOps | Machine Learning Operations。AIモデルを開発してから運用するまでの概念、完成後に継続的に本番運用していく仕組みや考え方を指す | |
| MNIST | 手書き数字の画像の28×28白黒画像のデータセット。6万枚のトレーニング画像と10万枚のテスト画像からなる | |
| MobileNet | 2017年にGoogleが発表した、計算量削減を目的としたモデル。「深さごとに分離可能な畳み込み」（Depthwise separable Convolution）が可能 | |
| Mycin（マイシン） | スタンフォード大学で、第2次AIブームに先立つ1972年に発表された、伝染性の血液疾患を診断し、抗生物質を推奨する、血液疾患診断のためのエキスパートシステム | |
| mixup | データ拡張手法の一種。2つの訓練サンプルを混合して新たなサンプルを合成する操作 | |
| N | NAS | Neural Architecture Search。パラメータ最適化の前段階で、RNNと深層強化学習を用いて、ニューラルネットワークの構造自体を最適化する手法 |
| Noisy-Network | DQNで価値の高い行動をとり続けた場合、別の行動をとる可能性がなくなってしまう問題点を、学習可能なパラメータと共に外乱を与えて学習させ、広範囲に探索を進める方法 | |
| n-gram | 自然言語処理における、連続するn個の単語や文字のまとまり（gram：書いたもの，program、telegramなど） | |
| O | OCR | Optical Character Recognition。文書に書かれている印刷文字などを読み取るソフトウェア |
| 0ne-hot-encoding | カテゴリカル変数をOne-hotベクトル表現に変換すること | |
| One-hotベクトル表現 | ベクトルのすべての要素のうちひとつだけが1であり、残りはすべて0であるベクトルでの表現 | |
| Open Pose | Convolutional Pose Machine（CPM）を発展させて、複数の人の骨格を同時に推定する手法 | |
| OpenAIGym | OpenAIが提供する、強化学習用アルゴリズムの試験ができるプラットフォーム | |
| P | PARRY（パリー） | 米国精神科医ケネスコルビー氏が1972年に発表したチャットボット。統合失調症を患っている人、という設定 |
| Part Affinity Fields | PAF。Open Poseが導人している骨格間の位置関係を考慮した処理 | |
| Partnership on AI (PAI) | 2016年9月に、Amazon社、Google社、Facebook社、IBM社、Microsoft社の5社が共同で設立した非営利組織。AI技術の実世界への応用方法の開発や共有、AIの透明性、プライバシーや倫理といった懸念事項に関する議論やその啓蒙活動を目的とする。のちにApple社、Intel社、ソニー、Salesforce社、電子フロンティア財団や国連児童基金も参画 | |
| PCA | ⇒主成分分析 | |
| PCM | Pulse Code Modulation。アナログ信号を一定の周期で標本化し2進数に変換（量子化）するAD変換方式 | |
| PDS | パーソナルデータストア。他者保有データの集約を含め、個人が自らの意思で自らのデータを蓄積・管理するためのシステムであって、第三者への提供に係る制御機能などを有するもの | |
| PoC | 概念実証、コンセプト（概念）の実現可能性を技術的な観点から検証する行程 | |
| Ponanza | 2017年の第2期電王戦で、名人に対して初めて勝利したAI将棋プログラム | |
| PSPNet | Pyramid Scene Parsing Network。セマンティックセグメンテーションのアルゴリズムの１つ | |
| pix2pix | 2つのペアの画像間の関係を学習しながら、1枚の画像からペアの画像を生成する技術（教師あり学習） | |
| Q | Q学習 | 今の価値（Q値）を、「更新前の今のQ値」「今回の行動によって得られる報酬」「次の全ての行動のQ値の最大値」の３つを足したものとする |
| Q値（価値） | 強化学習における報酬の累計 | |
| R | R-CNN | Regional CNN。「物体検出」と「物体認識」の２つのタスクをこなして一般物体認識をするアルゴリズム |
| ReLU関数 | 入力が負値の場合は0、正値の場合はそのままを返す活性化関数 | |
| ResNet | ILSVRC2015で優勝した152層のCNNであり、人間の誤認識率5%を初めて上回った。バッチ正則化を導入して成果をあげた。shortcut connection（スキップ結合）と畳み込み層を組み合わせた「残差ブロック」で勾配消失を防ぐ | |
| RMSprop | AdaGradを改良した、勾配の大きさに応じて 学習率を調整するアルゴリズム | |
| RNN | Recurrent Neural Network、リカレントニユーラルネットワーク。時系列情報の取扱に適する、過去の情報を保持する「閉路」を持つDNN | |
| RoIプーリング | 関心領域プーリング。不均一なサイズの入力に対して最大プーリングを実行し、特徴マップを得る | |
| ROl | 関心領域、Region of Interest | |
| RPA | Robotic Process Automation。ホワイトカラーの主に定型作業を、ルールエンジンやAIなどの技術を備えたソフトウェアを搭載したロボットが代行・自動化すること | |
| S | SAE 3016 | 自動運転レベルを定義したコード。レベル3以上が自動運転 |
| SARSA | 強化学習のアルゴリズムの1つ。実際に行動した結果で期待値を見積りQ値を更新する | |
| SegNet | 初期のセマンティックセグメンテーションのための、エンコーダとデコーダによって構成されている畳み込みニューラルネットワーク | |
| SEnet | ILSVRC2017で優勝した中国科学アカデミーが開発したネットワークの総称。「SE」（Squeeze-and-Excitation）をResNetやInceptionと組み合わせて利用する | |
| SHAP | SHapley Additive exPlanations。XAIの一種であり、局所的な説明を得るため、協力ゲーム理論におけるShapley値を利用して各説明変数の寄与を説明しようとするアプローチ | |
| SIGNATE | シグネイト。日本最大のデータサイエンティストコミュニティ（Kaggleの日本版） | |
| Skip-Gram Model | 自然言語処理において、ある単語から周辺の単語を予測する手法 | |
| SMOTE | Synthetic Minority Over-sampling Technique。k近傍法のアルゴリズムを利用したオーバーサンプリング手法 | |
| Society 4.0 | 情報社会。情報技術の発展によってもたらされた社会であり、インターネットやスマートフォンの普及などによっての生活やビジネスに大きな影響を受けた社会 | |
| Society 5.0 | 超スマート社会。Society 4.0の、情報過多や情報分析の困難といった課題を、４つの第四次産業革命技術（IoT、ビッグデータ、ロボティックス、AI）を活用して解決し、より人間中心の社会を目指すもの | |
| Sophia | 香港Hanson Roboticsが開発したAIロボット。米CNBCのインタビューで「人類を滅亡させるわ」と答えたことで有名。 | |
| SQL | Structured Query Language。構造化問い合わせ言語。RDBMSのソフトウェアを操作・制御するデータベース言語 | |
| SSD | Single Shot Detector。１度のCNN演算で物体のROI検出とクラス分類の両方を行うもので、処理が大幅に高速化 | |
| STEP関数 | 入力が負値の場合は0、正値の場合は正の活性化関数 | |
| STRIPS | STanford Research Institute Problem Solver。ロボット制御などにおける深層強化学習において、自動計画に関する人工知能の一種またはそれを記述する形式言語 | |
| Super Vision | ILSVRC2012で優勝したDNNを提案した、トロント大学のヒントン教授のチーム名 | |
| Synset | 自然言語処理において、単語の意味を整理し、概念ごとの階層を持つ辞書のようなもの | |
| seq2seq | Sequence to Sequence。入力文字データに関連する文字情報を出力するRNN Encoder-Decoderモデル | |
| shortcut connection | ResNetに組み込む、２つの層と層をつなぎ変 換をせずに情報を渡すもので、間をスキップしたモデ ルとしなかったモデルの２つの複雑度のモデルを試す ことができるという手法 | |
| T | T5 | Text-To-Text Transfer Transformer。自然言語処理において入力と出力の両方をテキストのフォーマットに統一して、転移学習を行うモデル |
| Tay | Microsoft社のチャットボット（テイ）。ツィッターなどを介して会話ができるAIであり、ユーザーとの会話を通してデータを集め、自己学習する。ヘイト発言や差別的発言を繰り返し、起動後16時間でサービスを停止。 | |
| Teacher Forcing | ⇒教師強制 | |
| TF | 文書内での単語の出現割合＝単語の出現回数／文書内の全単語数 | |
| TF-IDF | Term Frequency-Inverse Document Frequency。文章に含まれている単語の重要度を計算する手法の一つであり、TFとIDFという2つの値を掛け合わせたもの | |
| TPU | Tensor Processing Unit。Googleが2013年に開発を始めた、機械学習に特化したプロセッサ | |
| tanh関数 | 入力が－∞の場合は-1、+∞の場合は1の活性化関数 | |
| U | U-net | FCNに類似したほぼ対称的な構造を持つネットワーク。Encoderから出力される特徴マップをDecoderの各層の特徴マップに連結する「スキップ接続」が特徴であって、セグメンテーションの精度が良い。 |
| V | VAE | Variational Autoencoder。変分自己符号化器はディープラーニングによる画像生成モデル |
| VGG-16 | ILSVRC2014で準優勝のCNN。予測精度が高いのでよく利用される。VGGは、オックスフォード大学の研究グループ名Visual Geometry Groupが由来 | |
| VGG-19 | VGG-16の拡張版 | |
| Vision Transformer | ViT。2020年に提案されたCNNを使わない新たな事前学習モデル | |
| VPU | Vision Processing Unit。インテルが2016年に買収したMovidius 社のAIアクセラレーター。オブジェクト検出、画像認識、動画解析などの複雑な計算をリアルタイムで実行するよう設計されている。 | |
| W | Watson | 2006年に開発を開始し2011年に米国の人気クイズ番組でクイズ王に勝利したIBMのAI。ただしこれは「Augmented Intelligence」（拡張知能） |
| Word2Vec | 2013年にGoogleのトマス・ミコロフが発表した、単語の意味をベクトルで表現する方法。Skip-Gram ModelとCBOWの2つのモデルがある。Skip-Gram Model とCBOWの2つのモデルがある。 | |
| WordNet | 英語の概念辞書であり、英単語がsynsetと呼ばれる同義語のグループに分類された上で、簡単な定義や、他の同義語のグループとの関係が記述されたもの | |
| X | XAI | eXplainable AI。説明可能なAI： 人間による説明を可能にする技術に関する研究 |
| Xavierの初期値 | ザビエルの初期値。シグモイド関数やtanh関数のための初期値 | |
| XLNet | BERTでMasked LMを使わずに、自己回帰モデルを使って事前学習をすることで、精度向上を図ったモデル | |
| Y | YOLO | You Only Look Once。画像全体をグリッド領域に分割し、それぞれのセルが数個のバウンディングボックスを保持していて、1段階モデルの仕組みにより一般物体認識の精度と処理速度が向上 |
| Z | ZFNet | ILSVRC2013で優勝したCNN。AlexNetと同様で処理層の深さが8層であり、GPUの数は2個から1個に減らして、誤認識率を約3割向上させた |
| あ | 鞍点（プラトー） | 3次元以上の空間において、極小値かつ極大値の両方を取る点 |
| ア | アジャイル | Agile、迅速・俊敏・素早い、という意味 |
| アジャイル・ガバナンス | 常に周囲の環境変化を踏まえて、ゴールやシステムを柔軟にアップデートしていくガバナンスモデル | |
| アジャイル型開発手法 | 初めから厳密な仕様は決めず、おおよその仕様だけで開発を開始し、小単位での「実装→テスト実行」を繰り返して、徐々に開発を進めていく手法 | |
| アシロマAI原則 | FLI（Future of Life Institute）が2017年１月、にカリフォルニア州のアシロマで開催されたカンファレンスで提案した、AIの研究課題・倫理と価値・長期的な課題などに関するガイドライン | |
| アナログデジタル変換 | アナログ信号をディジタル信号に変換すること | |
| アノテーション | 注釈付け。正解ラベルをつける作業 | |
| アフィン変換 | 線形変換と平行移動を合わせたもの | |
| アンサンブル学習 | 複数の弱学習器を集めて分類精度の高い強学習器を構成する学習方法 | |
| アンダーフィット | ⇒未学習 | |
| い | 位置エンコーディング | トランスフォーマーにおいて、Attentionの導入により失われた語順情報を補うための処理 |
| 一気通貫 | 画像の入力から物体の検出までを一貫作業で解析すること | |
| 一気通貫学習 | ロボットの「一連の動作」を「１つのディープニューラルネットワーク」で実現しようとする学習 | |
| 一般物体認識 | 物体検出 （背景から物体を検出する）と物体認識（画像内の物体を識別する）の一貫作業。物体検出と物体認識の組み合わせ | |
| 意味解析 | 自然言語処理において、単語間の関連性から文中の形容詞と名詞の関係などの係り受けを解析する作業 | |
| 意味ネットワーク | 膨大な情報を整理してコンピュータに入力できる状態にする「知識表現の研究」の1つ | |
| 因果関係 | 一方の変数が変化するとき、他方の変数が影響を受け、その関係が双方向的であること | |
| イ | イテレーション | バッチ学習を繰り返す回数 |
| インスタンス・セグメンテーション | 個別のインスタンス領域を区別し、物体間の境界も区別して各物体を識別するセグメンテーション | |
| ウ | ウォーターフォール型開発手法 | 滝のように水が落下するが如く順に開発を進められる場合の開発手法 |
| え | 営業秘密 | 秘密として管理されている生産方法、販売方法、その他の事業活動に有用な技術上又は営業上の情報であって、公然と知られていないもの |
| エキスパートシステム | 人間の専門家（エキスパート）の意思決定能力を移植したコンピュータシステム | |
| 遠隔操作型小型車 | 改正道路交通法における自動走行ロボット | |
| エ | エージェント | 強化学習において,エージェントが環境に対して様々な行動を取る |
| エッジAI | 現場のデバイス「エッジデバイス」に機械学習のモデルを実装し、その場で予測などの推論を行うAI | |
| エニアック | ENIAC、1946年に完成した軍事目的、主に大砲の弾道計算の用途で開発された世界最初の電子コンピュータ。処理能力は300FLOPS | |
| エポック | 学習データ全体を1周りした回数（バッチサイズ×イテレーション、エポック：時代） | |
| エルマンネット | 隠れ層の信号を再び入力層に戻すループを持ったSRN（Simple Recurrent Network、RNNの初期モデル） | |
| エンコーダ | オートエンコーダにおいて、入力層→隠れ層の呼び名、可変長ベクトルを規則に従って固定長ベクトルに変換する | |
| エンドツーエンド学習 | ⇒一気通貫学習 | |
| お | 音の四要素 | 音の高さ+大きさ+音色+長さ |
| 重み衝突 | RNNで時系列情報を扱う際、相反する条件をみたせないことにより重みが調整しきれないこと。入力重み衝突と出力重みの衝突がある | |
| 重みの初期値 | ニューラルネットワークにおける重みの初期値 | |
| 音響モデル | 音素を特定するため、音声の波形から周波数や時間変化などの特徴を抽出するモデル | |
| 音素 | 母音・子音などの言葉の最小の構成要素 | |
| 音声認識 | 人間の発話をコンピュータに認識させること | |
| オ | オートエンコーダ | 自己符号化器、AE=Auto Encoder。ジェフリー・ヒントンが2006年に考案した、勾配消失問題を解決するネットワーク。単層オートエンコーダを積み重ねた複層オートエンコーダを利用する。次元圧縮にも利用できる。 |
| オーバーサンプリング | 機械学習のためのデータ数が不足した場合、少数派のサンプルを増やす手法 | |
| オーバーフィット | ⇒過学習 | |
| オッカムの剃刀 | 「ある事柄を説明するためには、必要以上に多くを仮定するべきでない」「ある現象を説明する理論・法則が複数ある場合、より単純な方がよい」とする指針 | |
| オプトアウト | 「個人情報の利用や第三者提供を実施する」にあたり、本人が「反対を表明」（オプトアウ ト、opt-out）しない限り、実施できる方式 | |
| オプトイン | 「個人情報の利用や第三者提供を実施する」にあたり、本人が「事前の同意・同意拒否を表明」（オプトイン、opt-in）して初めて実施できる方式 | |
| オフライン強化学習 | 事前に何らかの方法によって集めたオフラインデータから方策を学習すること | |
| オントロジー | 意味ネットワークの研究の中でも、効率よく知識を表現する方法として考人間の持つ情報をコンピュータがわかるように整理、記述する方法 | |
| オンライン学習 | データを1件ずつ渡してその都度パラメータを更新する学習方法 | |
| オンラインのアルゴリズム | エージェントが学習過程で環境内で実際に試行錯誤して方策を獲得する枠組み | |
| か | 回帰 | 離散的な（バラバラの）データの傾向を分析して、与えられた連続的なデータに対する数値を予測する手法 |
| 回帰木 | 回帰問題を解くときの木モデル | |
| 回帰結合型NN | ⇒RNN | |
| 改正道路交通法 | 特定自動運行や遠隔操作型小型車について2020年に法整備が行われた道路交通法 | |
| 顔認証監視技術 | 顔画像から個人を特定し、その個人を監視する技術 | |
| 過学習 | 機械学習に使う訓練データをコンピュータが学習しすぎた結果、訓練データと過剰に適合しすぎてしまい、検証データやテストデータがモデルに適合できなくなった状態 | |
| 確率過程 | 時間とともに変動する現象を記述するための数学モデル | |
| 確率的勾配降下法（SGD） | 全変数の代わりに、ランダムに選択した一部の変数を用いて勾配を計算して関数の最小値を探索するアルゴリズム | |
| 隠れマルコフモデル | 観測されない（隠れた）状態をもつマルコフ過程 | |
| 可視層 | オートエンコーダにおける、入力層と出力層の総称 | |
| 瑕疵担保 | 納品物に不具合（バグや性能・機能不足）があった場合に、ユーザがベンダに無償で修正をさせたり、損害賠償を請求できる権利 | |
| 仮想計測 | オンラインで測定可能な変数からリアルタイムに推定する手法（ソフトセンサー） | |
| 価値（Q値） | 報酬の累計 | |
| 活性化関数 | ノードにおいて、入力ベクトルとその重みベクトルの内積とバイアスの和から出力値を決める関数 | |
| 仮名加工情報 | 匿名加工情報では個人情報を復元できないが、仮名加工情報では他の情報を組み合わせれば復元できてもよいことになった | |
| 環境 | 強化学習において、エージェントの取った行動に対して、状態の更新と報酬の付与を行う | |
| カ | レイ・カーツワイル | 著書「The Singularity Is Near:When Humans Transcend Biology」において、2029年にAIが人間並みの知能を備え、2045年にAIが自分より優れたAIを生み出す、と予言した |
| カーネル | CNNの畳み込み層で濃淡のパターンを検出する縦横一定サイズのパターン | |
| カーネルトリッ ク | カーネル法、線形分離可能でないデータを高次元空問に移 して、高次元空間内で線形分離する手法 | |
| カーネル法 | カーネルトリッ ク、線形分離可能でないデータを高次元空問に移 して、高次元空間内で線形分離する手法 | |
| カテゴリカル変数 | 性別、紙の色、国籍などのように「何かの種類」を表す変数 | |
| カメラ画像利活用ガイドブック | IoT推進コンソーシアム、経済産業省及び総務省は2018年に作成・配布した、業者が生活者のプライバシーを保護したうえで、カメラ画像の利活用の促進を図るためのガイドブック | |
| が | 学習済みモデル | 機械学習において、モデルに学習を施したもの |
| 学習率 | 機械学習において、パラメータの更新量を調整する設定値 | |
| 画像キャプション生成 | 画像を入力すると、画像の内容を説明する短い文章を生成する機械学習モデル | |
| き | 機械学習 | 人間が特徴量を指定して、その特徴量を実現するモデルをデータから自動的に構築して利用するもの |
| 機械学習バラダイス | 日本は、著作権法に「AI開発を目的とする場合」は「一定条件のもとで著作権者の許諾なく著作物を利用できる」という、世界的に見ても非常に柔軟な条文が盛り込まれているため、こう呼ばれる | |
| 基礎集計 | 機械学習を利用して学習や予測を行う際、前処理の前に、データの代表値を計算したり、散布図にプロットして傾向を見るなど、非常に重要な操作 | |
| 強化学習 | 数多くのデータを実行して、成功したデータに「報酬」を与える機械学習 | |
| 狭義の人工知能 | 機械学習や深層学習を取り入れたもの | |
| 共参照解析 | 自然言語処理において、ある表現が他の表現と同じ対象を指していることを認識する解析 | |
| 教師あり学習 | 与えられた正解データが得られるように機械学習を行い、モデルを構築して分類回帰を行なう機械学習方法 | |
| 教師強制 | RNNにおいて、1時刻前の正解データを現時点の入力として用いる手法 | |
| 教師なし学習 | データセットに内在する特徴的な構造や法則を見つけてグループ分けや次元削減を行なう機械学習方法 | |
| 教師モデル | 蒸留における、学習を行う方の大規模な学習済みモデル | |
| 協調フィルタリング | ユーザーの入力情報ではなく購買履歴をもとに分析し、関心がありそうな商品をおすすめするレコメンドシステム（推薦システム）に活用される。教師なし学習の一例 | |
| 共有データセット | インターネット上に公開されたデータセット | |
| 局所最適解 | 勾配降下法において、限られた領域において極小値を取る解 | |
| 局所表現 | 各概念を一対一対応の成分でベクトル表現する手法 | |
| ROC曲線 | Receiver Operating Characteristic。真陽性率と偽陽性率を両軸とするグラフ | |
| 寄与率 | 主成分分析において、各主成分が全体の中で占める割合 | |
| ぎ | 偽陰性(FN) | 実際は陽性だが結果は陰性 |
| 疑似相関 | 2つの事象に因果関係がないのに潜伏変数によって因果関係があるかのように推測されること | |
| 技術的特異点 | 2045年にはAIが自分より優れたAIを生み出すという事象 | |
| 偽陽性(FP) | 実際は陰性だが結果は陽性 | |
| 偽陽性率 (FPR) | False Positive Rate。全ての Negative のうち、実際には Negative だったが間違えて Positive と判定した割合 | |
| 業務発明 | 会社の業務範囲に属するが、発明者の職務に属さない発明 | |
| 行列 | n×mの表形式の数値の組 | |
| く | 訓練誤差 | 機械学習を行ってモデルを構築する際の損失関数（誤差関数） |
| ク | クラスタ分析 | 集合をクラスタと呼ばれる不定数の部分集合に分割する教師なし学習の手法、クラスタリング |
| クラスタリング | ⇒クラスタ分析 | |
| クレンジング | データ処理において、重複や誤記、表記の揺れなどを探し出し、削除や修正を行なうこと | |
| グ | グラフベースアルゴリズム | 半教師あり学習において、データどうしの近さを元に、正解ラベルありデータから正解ラベルなしデータに正解ラベルを伝播しながら学習を進めていく手法 |
| グリッドサーチ | 考えられる組み合わせをすべて探索する | |
| け | 京（けい） | 世界で初めて10PFLOPSを超えた日本の理化学研究所のスパコン（2012年に完成） |
| 計算グラフ | 計算の過程をグラフで「視覚化」して表したもの | |
| 形態素 | 言語の意味を持つ最小の単位 、品詞 | |
| 形態素解析 | テキストデータを最小の単位：形態素に細分化し、一つひとつの品詞・変化などを判別していく作業 | |
| 軽微利用 | 著作物の利用促進に資する行為であって、権利者に与える不利益が軽微な利用 | |
| 決定木 | 分類木と回帰木を合わせた総称、すべての分岐を対象とする、木構造を用いて分類や回帰を行う、機械学習の手法の一つ | |
| 決定係数 | 相関係数の平方値 | |
| 検収 | 納品物が依頼時の条件を満たしているかどうかをユーザが確認し、合否の判定を行ったうえで受け取ること | |
| ケ | ケプストラム | Cepstrum。音声解析において、パワースペクトルの絶対値の対数をフーリエ変換にかけたもの |
| げ | 言語理解タスク | 自然言語処理において、「評判分析」「自然言語推論」「質問応答」「意味的類似度」「文書分類」などのタスク |
| 限定提供データ | 不正競争防止法で保護される、提供元が利用条件（目的・範囲・期間など）を設定し、それに基づいて第三者に提供される非公開の電磁的データ | |
| こ | 広義の人工知能 | 狭義の人工知能にエキスパートシステム未満の単純な制御プログラムによるものを含めたもの |
| 公差エントロピー | 分類のための損失関数 | |
| 更新ゲート | GRUで過去の情報をどれだけ取り込むかを決定する | |
| 行動 | 強化学習において、エージェントがある状態において取ることができる行動 | |
| 行動価値関数 | 強化学習において、ランダムな行動をとったときの価値 | |
| 行動計画 | ロボット制御などにおいて、目標達成のための戦略や方針とともに、具体的にどのような行動を実施するかを策定・管理する計画 | |
| 勾配クリッピング | LSTMの勾配爆発対策として、勾配に対して「しきい値」による制約をかけること | |
| 勾配降下法 | 関数の全変数の平均的な傾きから、関数の最小値を探索するアルゴリズム | |
| 勾配消失問題 | ニューラルネットワークの層を深くすればするほど勾配が小さくなり、しまいには入力層側で勾配が消えてしまう問題 | |
| 勾配爆発 | RNNなどで、活性化関数の勾配が非常に大きな値をとることがあり、発散してしまうこと | |
| 勾配ブースティング | 弱学習器を逐次的に構築し、勾配降下法を用いて損失関数を最適化する手法 | |
| 構文解析 | 自然言語処理において、形態素間の係り受け関係を解析し、文が構成されているる構造を解析する作業 | |
| 個人情報 | 生存する個人に関する情報であって、含まれる記述等により特定の個人を識別することができるもの、ただし、他の情報と容易に照合できて個人を識別することができるものを含む | |
| 個人情報保護委員会 | 内閣府の外局であり、個人情報保護法を所管する | |
| 個人情報保護法 | 生存する個人に関する情報であって、個人情報の有用性に配慮しつつ、個人の権利や利益を守ることを目的とする法律 | |
| 個人データ | 個人情報の内、特定の個人情報が、電子計算機を用いて検索することができるように体系的に構成したもの | |
| 混同行列 | 縦に正解の真偽を、横に分類結果の真偽を組み合わせた行列状の数値の表 | |
| コ | コーパス | 自然言語の文章を構造化し大規模に集積したデータベース |
| コーパス言語学 | コーパスを利用して言語の仕組みを探る学問 | |
| コールドスタート問題 | 協調フィルタリングにおいて、新規のユーザや新規のコンテンツなど、学習に必要な実績が十分にたまっていないために機械学習による予測が困難となる問題 | |
| コサイン類似度 | ベクトルが表す２つの単語が「どのくらい似ているか」という類似性を表す尺度 | |
| コンテンツベースフィルタリング | ⇒内容ベースフィルタリング | |
| ご | 誤差関数（損失関数） | 機械学習にて最小化を図る値：偏差平方和（回帰）または公差エントロピー（分類） |
| 誤差逆伝播法 | ニューラルネットワークにおいて、出力層で誤差とその勾配を計算し、重みとバイアスを出力層から入力層に向かって調整する（逆伝播）ことで、損失関数の最小値を与える最適な重みとバイアスを求める手法。 | |
| さ | 再帰型NN | ⇒RNN |
| 再現性問題 | 科学実験の結果が、他の研究者やその実験を行った研究者自身によって再現することが難しいこと。再現性の危機とも | |
| 再現率 | 学習済みモデルの性能評価において、陽性の場合を陽性と正しく予測できた割合（不良品率） | |
| 作動状態記録装置 | 自動車の運転系らを記録するシステム | |
| 散布図 | 水平軸の「説明変数」と垂直軸の「目的変数」の位置関係を図示したもの | |
| サ | ジョンサール | 「弱いAIと強いAI」を提案した人工知能批判で知られる哲学者であり、「中国語の部屋」という反論で「チューリングテストをパスしたからといって、知能がある機械とは言えない」と主張 |
| サポートベクターマシン（SVM） | ２つのグループ間の「最も距離の離れた箇所」（最大マージン）を見つけ出し、その真ん中に識別線を引いてグループ分けする手法 | |
| アーサーサミュエル | 機械学習を、明示的にプログラムしなくても学習する能力をコンピュータに与える研究分野」と定義曽田米国の計算機科学者 | |
| サムネイル | 画像や内容のひと目でわかる縮小画像、サムネイルは「親指」 | |
| サンプリング | 連続的に変化するデータから一定時間ごとに離散値を取り出すこと | |
| サンプリング定理 | AD変換では、取り込みたい信号の最大周波数の２倍以上の周波数でサンプリングする必要があるということ | |
| ざ | 残差強化学習 | 従来のロポット制御手法と、実際にロポットがタスクを行う環境における最適な方策との「差分」を強化学習によって学習することを目指す手法 |
| 残差ブロック | shortcut connection（スキップ結合）と畳み込み層を組み合わせたもの | |
| し | 識別ネットワーク | Discriminator、識別器、訓練データか生成データかを判別するDNN |
| 自然言語 | Natural Language。日本語や英語など、人間が日常的に使用する言語 | |
| 自然言語処理 | 我々が普段使っている言語を利用して、自動翻訳や音声処理を行うもの（Natural Language Processing、NLP） | |
| 就業規則 | 労働者の労働条件や職場内の規律などについて定めた職場における規則集 | |
| 周波数スペクトル | 周波数ごとに重みをかけて足し合わせたもの | |
| 主成分分析 | Principal Component Analysis（PCA)。教師なし学習の手法の１つであり、次元圧縮（次元削減）を行う。与えられたデータセットから順に大きな主成分を抜き出す手法 | |
| 出力ゲート | LSTMブロックで、セルの情報がどの程度出力に使われるかを制御するゲート | |
| 職務発明 | 仕事上でした発明、すなわち会社の業務範囲であり、かつ、その発明行為が発明者の現在または過去の職務に属するもの | |
| 真陰性(TN) | 実際は陰性で結果も陰性 | |
| 新世代人工知能発展計画 | 2017年に中国が公表したたAIに関する国家戦略 | |
| 深層学習 | 4層以上のニューラルネットワークを利用して、特徴量は指定しないで、モデルを構築して利用する機械学習 | |
| 深層強化学習 | 強化学習に深層学習を組み込んだもの | |
| 深層信念ネットワーク | ニューラルネットワークの前身 | |
| 深層信念ネットワーク | 制限付きボルツマンマシンを積み重ねたネットワーク | |
| 真陽性(TP) | 実際は陽性で結果も陽性 | |
| 真陽性率 (TPR) | True Positive Rate。全ての Positive のうち、実際に Positive だったものを正しく Positive と判定できた割合 | |
| 信用割当問題 | パラメータの働きや修正方法が分からないという問題 | |
| 信頼性を備えたAIのための倫理ガイドライン | 欧州連合（EU）が2019年に公開した、信頼できる倫理的なAIの利用を促進することを想定したガイドライン | |
| シ | シグモイド関数 | 入力が－∞の場合は0、+∞の場合は1の活性化関数 |
| シミュレーション | ロポットの制御方策のためのデータを計算機上で収集する手法 | |
| クロードシャノン | 情報理論の父、ダートマス会議の主宰者の１人 | |
| シンギュラリティ | 2045年にはAIが自分より優れたAIを生み出すという事象 | |
| シンボルグラウンディング問題 | AIは、記号（シンボル）を実世界の意味と結びつける（グラウンディング）ことができない、という問題 | |
| じ | 次元圧縮 | ⇒次元削減 |
| 次元削減 | データの情報を失わないように、データの次元を下げる手法 | |
| 次元の呪い | データの次元数が増えるにつれて、データの分析や処理が指数関数的に難しくなる現象 | |
| 自己回帰生成モデル | Auto Regressive Generative MA。代表例はDeepMind社が開発したWaveNet | |
| 自己回帰モデル | ユーザーが指定した特定のポイントより以前のすべての値を現在のデータの学習に利用するDNN | |
| 自己符号化器 | ⇒オートエンコーダ | |
| 事前学習 | Pre-Training。ニューラルネットワークに新たな層を加え、加えた層のパラメータをコピーすることによって別のタスクに転用する手法（これを転移学習と呼ぶ） | |
| 持続可能性 | サステナビリティ | |
| 自動運行装置 | 自動運転を実行するシステム | |
| 自動運転 | 運転者がいる場合も含まれるが、自動車が運転を実質的に行う運転 | |
| 次文予測 | NSP、Next Sentence Prediction。2つの文章をつなげて入力し、2つ目の文章が1つ目の文章の続きであるのかどうかを1つ目の文章から予測する | |
| 重回帰分析 | 複数の説明変数から目的変数を予測する分析 | |
| 自由発明 | 会社の業務範囲に属しない発明 | |
| 述語項構造解析 | 述語とは、動作や状態、出来事を表す動詞、形容詞、動作名詞等であり、その述語に関わっている単語や句とその役割を同定する作業 | |
| 状態 | 強化学習において、環境が保持する環境の様子であり、エージェントの行動で更新される | |
| 状態価値関数 | 強化学習において、ランダムな行動をとらなかった場合の価値 | |
| 情報銀行 | 情報利用信用銀行、個人とのデータ活用に関する契約等に基づき、PDS等のシステムを活用して個人のデータを管理する事業 | |
| 情報量 | エントロピー。情報理論の概念で、ある事象が起きた際、それがどれほど起こりにくいかを表す尺度 | |
| 蒸留 | 大規模な学習済みモデルの入出力を、そのまま新しい小規模なモデルに学習させる手法 | |
| 人工言語 | プログラミング言語やマークアップ言語など、特定の目的や機能を果たすために人為的に作られた言語 | |
| 人工知能 | コンピュータによる知的な情報処理システムの設計や実現に関する研究分野 | |
| 人工知能に関するOECD原則 | 日本を含む約40ヶ国間で合意したOECDのAI原則 | |
| ジ | ジョーダンネット | 出力層の信号を再び出力層に戻すループを持ったSRN |
| す | 数理 | 数理工学、「数理モデル」に関する科学。例えば気象予測モデルなど |
| ス | スカラー | 大きさのみを持つ物理量 |
| スキップ結合 | ⇒shortcut connection | |
| スキナーの箱 | 強化学習の研究のために、あるボタンを押すと透明のエサ箱からエサが流れ出てくるという仕掛けを設置したゲージにラットを入れた思考実験装置 | |
| スタッキング | 複数のモデルの出力を新しい特徴量として組み合わせ、最終的なモデルを作成し予測する、アンサンブル学習の手法 | |
| ステークホルダー | 株主、経営者、従業員、顧客、取引先、金融機関その他、企業とその取引先などの利害関係者 | |
| スニペット | 検索エンジンにキーワードを入力して表示される短い説明文、スニペットは「断片」 | |
| スパースデータ | ほとんど0が並び、非常に稀に1が現れるという形のデータ（であり、その性質を用いて、計算量の削減などを行う | |
| スパースモデリング | データ量が少なくても分析が実現できる手法の１つ | |
| スパースモデリング | 物事やデータの本質的な特徴を決定づける要素はわずかである、という仮定のもと、少ない要因、データで結果を導き出そうとする新しい技術 | |
| スペクトル包絡 | スペクトルの曲線の外側をつないだ緩やかな変動 | |
| スラック変数 | サポートベクターマシンにおいて、一部のサンプルの誤分類に許す誤差のこと | |
| せ | 正解率 | 学習済みモデルの性能評価において、予測が正解ラベルに一致した割合 |
| 正規化 | 特徴量の値を一定の範囲におさめる操作であり、主に[0,1]か、[-1,1]の範囲内におさめます。 | |
| 制限付きボルツマンマシン | 同じ層のユニットとは接続しないボルツマンマシン（RBM） | |
| 生成ネットワーク | Generator、生成器。訓練データに近い画像を生成して識別ネットワークを騙すDNN | |
| 製造物 | 製造物責任法においては、製造又は加工された動産を意味し、コンピュータのプログラムやサービスは原則として含まない | |
| 製造物責任 | 製品の欠陥によって人の生命や身体、財産に被害が生じた場合に、その製品の製造者に対して損害賠償を請求できる法律上の責任が生じる、というもの | |
| 正則化 | 過学習に対する対策全般 | |
| 正則化項 | ノルム正則化のために追加する項 | |
| 生徒モデル | 蒸留における、学習結果を受け入れる方の小規模なモデル | |
| 性能保証 | 納品物において、ユーザの求める条件（性能・機能）がそなわっていることをベンダが保証すること | |
| 正の強化子 | 強化学習において、状況と行動の結合を強める因子 | |
| 正の相関 | 散布図で分布がおおよそ右肩上がりである状況 | |
| 積層オートエンコーダ | 単層オートエンコーダを積み重ねて学習を繰り返したもの | |
| 専用実施権 | 特許権者が、特定の範囲（地域・用途・技術的範囲など）において、他の誰にも実施させない独占的な権利 | |
| 線形回帰 | 説明変数に対して生じる目的変数の値の変化を直線で近似して、新しい説明変数に対する目的変数の値を予測すること | |
| 線形分離 | データを直線で複数のグループに分類すること | |
| 線形分離可能 | データを直線で複数のグループに分類できること | |
| 線形変換 | 回転、拡大縮小、剪断など、行列で表現できる変換 | |
| 剪断 | データ拡張の手法の１つ。等積変形、スキューまたはシアーとも呼ばれる | |
| 剪定 | ⇒プルーニング | |
| 潜伏変数 | 2つの事象の疑似相関の背景にある両者を関連付ける変数 | |
| セ | セキュリティ・バイ・デザイン | Security by Design、SbD、システムの企画や設計の段階からセキュリティ対策を考慮して実装する考え方 |
| セマンティック・ウェブ | Webページ上の記述が意味する内容を表す「情報についての情報」（メタデータ）を定式化して記述に付加し、自律的な情報の収集や加工を可能にする考え方 | |
| セマンティック・セグメンテーション | 物体検出の方法の１つ、Semantic Segmentation、画像のピクセル一つひとつに対してラベル付けするセグメンテーション（インスタンスの違いは区別しない） | |
| セル（CEC） | Constant Error Carousel＝定誤差カルーセル）。LSTMブロックで、情報を長期的に保持する素子 | |
| センシティブデータ | プライバシー性が極めて高いパーソナルデータ | |
| ぜ | 善管注意義務 | 民法第400条にある「善良なる管理者の注意義務」：受託者の職業や社会的・経済的地位に応じて、取引上一般的に要求される程度の注意を配るべき義務 |
| そ | 騒音レベル | 音の大きさの感覚的尺度 |
| 相関関係 | 一方の変数が変化するとき、他方の変数が影響を受けることがあるが、その関係は双方向的であるとは限らない | |
| 相関係数 | 正負の相関の強さ | |
| 早期終了 | ⇒early stopping | |
| 相互情報量 | 2つの確率変数がその程度の関連を持つかを示す尺度 | |
| 粗密波 | 空気の振動による密度の変化による波 | |
| 損失関数（誤差関数） | 機械学習にて最小化を図る値：偏差平方和（回帰）または公差エントロピー（分類） | |
| ソ | ソフトセンサー | ⇒仮想計測 |
| ソフトマックス関数 | 指数関数を利用して、出力の総和が1になるように構成された、多値分類向けの活性化関数 | |
| ソフトロー | 法的な拘束力は緩いものの、社会において国や企業が何らかの拘束感をもって従っている規範 | |
| た | 大域最適解 | 勾配降下法において、全領域で最小値を取る解 |
| 多重共線性 | 重回帰分析において、複数の説明変数同士で相関関係が強いものが含まれているとき起きる予測精度の低下 | |
| 多層パーセプトロン | 単純パーセプトロンを連結した3層以上から構成される | |
| 畳み込み層 | CNNにおいて、縦横一定サイズのパターン「カーネル」（または「フィルタ」）を乗じて、濃淡のパターンを検出する層 | |
| 多値分類 | 分類操作において、3つ以上のグループに分類すること | |
| 単回帰分析 | 一つの説明変数から目的変数を予測する分析 | |
| 単語n-gram | 自然言語処理における連続するn個の単語のまとまり | |
| 単語埋め込み | 自然言語処理において、可変長の単語を固定長のベクトルで表現する手法 | |
| 探索木 | 決定木と同じ構造の木構造であり、幅優先探索や深さ優先探索を行う。探索木の場合は必要な分岐しか対象としない | |
| 探索的段階型の開発方式 | 開発のプロセスを「アセスメント」「PoC」「開発」「追加学習」の4つの段階に分けて進める開発方式 | |
| 単純回帰型ネットワーク | RNNの亜種、SRN（Simple Recurrent Network） | |
| 単純パーセプトロン | 複数の信号を受け取ったときに、0か1のどちらかの一つの信号を出力する１層のアルゴリズム。単純パーセプトロンでは、活性化関数はSTEP関数に限られる。 | |
| だ | 第1次産業革命 | 18世紀の蒸気機関の発明により、工場での機械化が進み、大量生産が可能に。19世紀にかけて鉄道や蒸気船の登場で物流も発展 |
| 第1次AIブーム | 1956年のダートマス会議から始まって、1960年代に「トイプロブレムしか解けない」ことで終焉を迎えた、「 探索と推論の時代」のこと | |
| 第3次AIブーム | 2012年の画像認識コンペティション：ILSVRC2012におけるトロント大学のヒントン教授が提案したDNN「AlexNet」の優勝の前後からDNNが隆盛となった、機械学習と深層学習の時代のこと | |
| 第3次産業革命 | 20世紀後半において、コンピュータやインターネットが発展し、工場の自動化や情報社会が進展。IT産業が成長 | |
| 第2次AIブーム | 1980年ごろからエキスパートシステム」が注目を浴びたが、知識獲得のボトルネックの問題が露呈し、1995年頃に冬の時代に入った、知識（表現）の時代のこと | |
| 第2次産業革命 | 19世紀後半から20世紀初頭にかけて、電気や石油の活用、内燃機関の発明により、自動車や電話が普及。ベルトコンベアで大量生産が加速 | |
| 第4次産業革命 | 21世紀初頭からの技術革新により、スマート社会が到来する。経済産業省は「第４次産業革命技術」として、「IoT」「ビッグデータ」「ロボティックス」「AI」の４つをあげている | |
| 第四次産業革命技術 | Society 4.0の課題を解決し、より人間中心の社会を目指すための4つの技術：IoT、ビッグデータ、ロボティックス、AI | |
| 談話構造解析 | 自然言語処理において、与えられたテキストの談話構造（談話間の関係を表わす構造）を同定する処理 | |
| ダ | ダートマス会議 | 米国東部ニューハンプシャー州ハノーバー市のダートマス大学で1956年に開催された、人工知能（Artificial Intelligence、AI）という言葉が初めて使われた会議 |
| ち | 知的財産取引に関するガイドライン | 2020年に経済産業省（中小企業庁）が制定したガイドライン |
| 中央処理装置（CPU） | 入力機器の情報を受けて、それを処理して、その結果を出力装置に渡す処理装置 | |
| 中国語の部屋 | 哲学者サールが、「チューリングテストをパスしたからといって、知能がある機械とは言えない」という反論を展開するために行った思考実験 | |
| 超スマート社会 | 日本の内閣府が2018年に、日本の社会の変遷を4段階に総括し、最後の「情報社会」（Society4.0）に続く、未来社会ピジョンの実現目標の社会を「超スマート社会」（Society 5.0）として定義した | |
| 著作権法 | 文芸、学術、美術、音楽の範囲において、作者の思想や感情が表現された著作物を保護するための法律 | |
| 著作物 | 人が独自に作り出した画像や文章、音楽や映像などの表現物、あるいは、思想又は感情を創作的に表現したものであつて、文芸、学術、美術又は音楽の範囲に属するもの | |
| チ | アラン・チューリング | コンピュータの父、チューリングマシンの提案者、ナチスドイツの暗号機エニグマの解読者 |
| チューリングテスト | 「機械が人間と区別できないほど自然に、対話等の知的な振る舞いができるかどうか」を調べるテスト | |
| つ | 通常実施権 | 特許権者が、特許を使ってもよいという独占性のない許可を与えたもの |
| 強いAIと弱いAI | アメリカの哲学者ジョンサールが、AIを「強いAI」と「弱いAI」に分けた。その違いは、フレーム問題を解けるかどうかであると考えられる | |
| て | 停留点 | 勾配降下法において、すなわち関数の変化がなくなる点（極大点、極小点、鞍点を含む） |
| 手書き文字認識 | 手書き文字を読み込んで文字情報として認識すること | |
| 適合率 | 学習済みモデルの性能評価において、陽性と予測して実際に陽性だった割合 | |
| 敵対的サンプル | Adversarial Examples。DNNに間違った予測をさせる、意図的に小さな摂動を持たせたサンプル | |
| 敵対的生成ネットワーク | ⇒GAN | |
| 転移学習 | 事前学習済みモデルを用いて、層を追加するなどして、新しいデータセットに適用し学習する手法 | |
| で | ディープニューラルネットワーク | 入力層から出力層まで４層以上の層から構成される、深層学習のためのニューラルネットワーク（DNN） |
| データサイエンス | 「データを分析して得られる新たな知見」を科学や社会に生かすアプローチ | |
| デ | ディープフェイク | ディープラーニングを使用して、現実の映像や音声、画像の一部を加工して偽の情報を組み込み、あたかも本物のように見せかけて相手をだます方法 |
| ディープブルー | 1997年に世界チャンピオンに勝利したIBM社のチェスAI | |
| ディープラーニング | 4層以上のニューラルネットワークを利用して、特徴量は指定しないで、モデルを構築して利用する深層機械学習 | |
| データ拡張 | データの数が少ないときに、データ量の不足を補う方策 | |
| データ共用型 | 複数の事業者がデータをプラットフォームに提供する、データ利用契約の類型 | |
| データクレンジング | 表記ゆれや誤植、言葉の間違い等を修正する作業 | |
| データセット | 機械学習の対象となるデータ | |
| データ創出型 | 複数当事者が関与して創出されるデータの取扱いに関する、データ利用契約の類型 | |
| データ提供型 | 一方当事者から他方当事者へのデータの提供を行う、データ利用契約の類型 | |
| データの前処理 | 機械学習モデルのパフォーマンスを最大化するための、データの欠損値の補完、不適切なデータの除去、データの正規化標準化、特徴量の選択などの処理 | |
| データリーケージ | 機械学習で予想外のデータば入り込むことによって、精度が本来想定されるものより「高く」なってしまう現象 | |
| デコーダ | オートエンコーダにおいて、隠れ層→出力層の呼び名。固定長ベクトルを規則に従って可変長ベクトルに変換する | |
| デシベル | 騒音レベルの単位 | |
| デモンストレーション | 模倣学習において、教師となる人間の指示 | |
| デンドログラム | クラスタリングにおいて、クラスタが形成されていく様子を木構造で表現した図 | |
| と | 統計的機械翻訳 | SMT：Statistical Base Machine Translation。ルールベース機械翻訳のコーパスに周囲の単語に対する出現確率のデータベースを与えて学習させて訳文を出力させる方法 |
| 統計的自然言語処理 | コーパス言語学やマルコフ連鎖など、インターネットの膨大な内容を確率あるいは統計の手法を使って解決しようとする | |
| 透明性 | Transparency、トランスペアレンシー。AI開発や利活用に関する透明性の研究 | |
| 特徴量 | 対象の特徴を、数値や文字、画像、音声などに変換したデータであり、機械学習で入力する | |
| 特徴量エンジニアリング | モデルが認識しやすい特徴量をデータから構成すること | |
| 特定自動運行 | 人が介在することなく走行し、万が一の際も自ら自動で安全に停止する機能を備えた自動運転車の運行（自動運転レベル4） | |
| 特定通常兵器使用禁止制限条約 | CCW、過剰・無差別の通常兵器の使用を禁止または制限する多国間条約、対人地雷などを禁止してきた | |
| 匿名加工情報 | 特定の個人を識別することができないように個人情報を加工し、個人情報を復元できないようにした情報 | |
| 特化型AI | 弱いAI と同値、ANI、Artificial Narrow Intelligence、ただし対論もある | |
| 特許実施権 | 特許権者から妨げられることなく特許発明を実施できる権利 | |
| 特許法 | 発明の保護と利用を図ることにより、発明を促し、産業の発展に貢献することを目的とする法律 | |
| ト | トピックモデル | 文章やドキュメントの集合から隠れたトピック（テーマ）を抽出する手法 |
| トランスフォーマー | Transformer。2017年に発表された、RNNやCNNを使わずAttention層のみで構築された、自然言語などの時系列データを扱って翻訳やテキスト要約などを行う深層学習モデル | |
| ど | 道路運送車両法 | 自動車、原動機付自転車及び軽車両に関する法律（国交省） |
| 道路交通法 | 歩行者・車両および路面電車の交通ルールに関する法律（警察庁） | |
| 独占禁止法 | 公正な競争を促進し、事業者が自由に活動できるようにすることを目的とした法律 | |
| ド | ドロップアウト | 過学習の1つの対策として、ニューラルネットワークを構成するノードを一定の確率でランダムに無効にしながら学習を進める手法 |
| な | 内部共変量シフト | ミニバッチ学習などにおいて、毎回データの分布が異なると発生して損失関数の低下引き起こす |
| 内容ベースフィルタリング | ユーザーの入力情報をもとに分析し、関心がありそうな商品をおすすめするレコメンドシステム（推薦システム）に活用される。教師なし学習の一例 | |
| に | 二重降下現象 | 汎化誤差が最初に向上したあと悪化し、その後再び精度が向上する現象 |
| 二値分類 | 分類の一種で、2つのグループに分類すること | |
| 入力ゲート | LSTMブロックで、入力情報をどのセルに伝えるかを制御するゲート | |
| 人間中心のAI社会原則 | 内閣府が2019年３月に決定した、政府全体としてのAI基本原則。人々がAIを受容し社会全体でAIを使いこなしていくための原則。人間の尊厳」「多様性・包摂性」「持続可能性」の３つの価値の尊重を基本理念とする | |
| 認知発達ロボティクス | 赤ん坊が学ぶように、環境との相互作用から、ロボットが自ら行動を学習し、それらを発達させていく開発方法 | |
| ニ | ニューラル機械翻訳 | Neural Machine Translation、NMT、seq2seqモデルにAttentionの仕組みを組み合わせたもの |
| ニューラルネットワーク | 人間のニューロンを模倣した、入力層、隠れ層、出力層から構成されるネットワーク | |
| ニューロン | 生物の脳を構成する神経細胞 | |
| ニューロンの発火 | 活性化関数の出力値が0を超えること | |
| ね | 音色 | 音の4要素の１つ。音色は一般的にスペクトル包絡で表せる |
| ネ | ネオコグニトロン | 1980年に福島邦彦が発表した初歩的なディープニューラルネットワーク。構造としては史上初なのだが、誤差逆伝播法が未使用であるなど、完成度に問題があると思われる。 |
| ノ | ノイズ | Noise、バイアス-バリアンス分解におけるデータ内包誤差 |
| フォンノイマン | ノイマンコンピュータの発明者 | |
| ノイマン型コンピュータ | ノイマン型コンピュータ」と呼ばれるもので、その特徴は次の構造：入力装置⇒CPU⇒出力装置。プログラムとデータを同じ領域に記憶し、基本的には命令を順番に読み込む | |
| ノルム正則化 | モデルに対してペナルティを設け、これを訓練誤差に加えた量が最も小さくなる学習モデルを求める手法 | |
| は | 発明 | 自然法則を利用した技術的思想の創作のうち高度のもの。産業上の利用可能性、新規性、進歩性、先願性などが必要 |
| 幅優先探索 | 出発点に近い点から順に、最短距離の点から探索する方法であり、頂点から近い順に探索するので、最短距離でゴールにたどり着く解を必ず見つけることができるが、探索中は探索済みの等しい深さの経路のデータを全て保持するため、メモリ不足となる可能性がある | |
| 汎化誤差 | モデルを用いて推論を行う際の損失関数（誤差関数） | |
| 半教師あり学習 | 少量のラベルありデータを用いて、ラベルのないデータにラベルを付けて、大量のラベルなしデータを機械学習に生かす方法 | |
| 汎用型AI | AGI、Artificial General Intelligence。強いAI と同値、ただし対論もある | |
| ハ | ハードロー | 法的な拘束力のある法律・条例など |
| ハイパーパラメータ | 人間が設定しなければならないパラメータ（隠れ層の数、学習率、バッチサイズなど） | |
| バ | バーニーおじさんのルール | 深層学習において、１つのパラメータを決めるためには、その10倍のデータサンプルが必要、という通説。 |
| バイアス | Bias、偏り誤差、真の値と予測値の差。ニューラルネットワークにおいてはノードにおける活性化関数入力前の底上げのための数値 | |
| バイアス-バリアンス分解 | 汎化誤差の期待値をバイアス＋バリアンス＋ノイズの3つの和に分解すること | |
| バウンディングボックス | 物体検出の方法の１つ、矩形領域で切り出して物体を特定する方法 | |
| バギング | データセットからランダムにサンプリングした複数の訓練データで独立に学習させて精度を高める、アンサンブル学習の手法（分類の場合は多数決、回帰の場合は平均を採用） | |
| バッチ学習 | データ全体をモデルに渡して一括で渡してパラメータを更新する学習方法 | |
| バッチサイズ | バッチ学習を行うデータの数 | |
| バッチ正規化 | ミニバッチ単位で入力データの平均と標準偏差を、平均＝0、分散＝1に変換する操作 | |
| バリアンス | Variance、バラつき誤差、予測結果の分散 | |
| バリュー・センシティブ・デザイン | Value Sensitive Design、VbD。人間の価値（values）をあらかじめ考慮に入れて設計プロセスに組み込もうとする考え方 | |
| パ | パーセプトロン | 単純パーセプトロンと多層パーセプトロンの総称 |
| パーセプトロン問題 | パーセプトロンの入出力に関する問題 | |
| パーソナルデータ | 個人情報に加え、個人情報との境界が曖昧なものを含む、個人と関係性が見出される広範囲の情報を指す。あるいは、位置情報や医療健康情報など、個人に関する全てのデータ | |
| パッケージ | 複数のモジュールをまとめたもの | |
| パノプティツクセグメンテーション | 総括的なセグメンテーション、セマンティックセグメンテーションとインスタンスセグメンテーションを組み合わせたタスク | |
| シーモアパパート | マーピンミンスキーとの共著書「パーセプトロン」で、「単純パーセプトロンでは線形分離可能な問題しか解けない」という問題点を指摘した米国の数学者 | |
| パラメータ | 重みとバイアス | |
| パルス符号変調 | ⇒PCM | |
| パワースペクトル | 波束を抜き出してフーリエ変換して得られる周波数特性 | |
| ひ | 非享受利用 | 他人の著作物を、視聴者等の知的・精神的欲求を満たす効用を得る目的以外で利用すること |
| 非公知性 | 一般に知られていないこと | |
| 非線形回帰 | 「説明変数」に対して生じる「目的変数」の値の変化を「直線以外の曲線」で近似して、新たな「説明変数」に対する「目的変数」の値を予測すること | |
| 非線形分離 | データを直線以外の曲線で複数のグループに分類すること | |
| 秘密管理性 | 情報が秘密であることがわかるように管理されていること | |
| 表現 | 情報を表すベクトル | |
| 表現学習 | 情報をベクトルなどを使って表現すること | |
| 標準化 | 特徴量の値が正規分布にしたがっていると仮定して、標準正規分布に従うように変換する操作 | |
| 標準化変量 | 正規分布を標準正規分布に変換する操作 | |
| 標本化 | サンプリングを行うこと | |
| ヒントン教授 | ILSVRC2012で優勝したDNN「AlexNet」のトロント大学の提案者。2024年ノーベル物理学賞受賞。 | |
| ふ | 富岳 | 理化学研究所の「京」の後継となる、日本のスーパーコンピュータ次世代機であり、2020年11月に計算速度が2EFLOPSを上回った |
| 深さ優先探索 | 行けるとこまで深く行ってそれ以上進めなくなったら一歩戻って隣の分岐探索する方法であり、解にもっとも近い選択肢のデータだけを保持するので、つねに大量のメモリを必要としないのですが、見つかった解で最短距離でゴールにたどり着くとは限らない | |
| 福島邦彦 | 1980年に初歩的なディープニューラルネットワークであるネオコグニトロンを発表。ほぼ史上初なのだが、誤差逆伝播法が未使用であるなど、完成度に問題があると思われる。 | |
| 不正競争防止法 | 事業者間の公正な競争を確保することを目的とした法律であり、営業秘密の侵害や他社製品の模倣など、さまざまな違法行為を禁止 | |
| 不正競争防止法 | 事業者間の公正な競争の実現を目指す法律 | |
| 負の強化子 | 強化学習において、状況と行動の結合を弱める因子 | |
| 負の相関 | 散布図で分布がおおよそ右肩下がりである状況 | |
| 負の転移 | 転移元と転移先の関連性が低いことや、転移の方法が適していないことなどによって、知識を移転することで精度の悪化をもたらすこと | |
| 不法行為責任 | 故意または過失によって、他人の権利や法律上保護される利益を違法に侵害した場合、その損害を賠償する責任を負う、というもの | |
| フ | ファインチューニング | 事前学習が学習済みの層のパラメータをコピーするのに対して、これは学習済みモデルのパラメータを微調整する |
| フィルタ | ⇒カーネル | |
| フーリエ変換 | 波形を周波数スペクトルに変換すること | |
| フォルマント | 音の主な周波数成分の周波数スペクトル上noピーク | |
| フレームワーク | ソフトウェアの基本的な設計構造を提供するもの | |
| フレーム問題 | 今しようとしていることに関係のある事柄だけを選び出すことが、人間には比較的簡単なのですが、AIには非常に難しい、という問題 | |
| ぶ | 物体検出 | 背景から物体を検出すること |
| 物体認識 | 画像内の物体を識別すること | |
| 分散表現 | 可変長の単語を固定長のベクトルで表現する手法 | |
| 文脈解析 | 自然言語処理において、複数の文を、文単位で構造や意味を解析し、「文と文」の関係を解析する作業 | |
| 分類 | 事前に決まっているグループ数への分類を、新たに入力されたデータに適用する手法 | |
| 分類木 | 分類問題を解くときの木モデル | |
| ブ | ブースティング | 始めに弱学習器で予測を行い、誤分類のサンプルを訂正するように別の学習モデルをどんどん追加して予測精度を高める、アンサンブル学習の手法 |
| ブートストラップ | 母集団から重複を許してランダムにデータを取り出して標本とする手法（復元抽出） | |
| ブートストラップ法 | 半教師あり学習において、学習したモデルを用いて正解ラベルなしデータの推論を行い、正解ラベルを付与しながら学習を進めていく手法 | |
| プ | プライバシー | 個人や家庭内の私事・私生活、 個人の秘密、またそれが他人から干渉・侵害を受けない権利。最近では、自己の情報をコントロールできる権利、という意味も含めて用いられることがあ |
| プライバシー・バイ・デザイン | Privacy by Design、PbD、システムの設計段階からプライバシー保護を考慮し、組み込む考え方 | |
| プラットフォーム | サービスやシステム、ソフトウェアを提供・カスタマイズ・運営するために必要な共通の土台（基盤）となる標準環境 | |
| プルーニング（枝刈り、剪定） | モデル圧縮手法の１つ。ドロップアウトは異なり、影響の小さいノードを永久的に省く操作 | |
| へ | 平行移動 | 図形の形状は変えず両軸のいずれかに平行な移動 |
| 閉路 | RNNなどにおいて、過去の情報を保持する隠れ層に付随した再帰構造を持つ回路 | |
| ヘビーウェイトオントロジー | 人間が哲学的に考察し、厳密に設計する方法 | |
| 偏差平方和 | 偏差（データのy座標とデータのx座標に対応する回帰直線上のy座標との差）の平方値の合計 | |
| 偏微分 | 偏微分係数。多次元空間で、1つの変数以外をすべて固定した微分 | |
| べ | 米国AIイニシアティブ | 2019年にトランプ大統領が提示した、人工知能（AI） における米国のリーダーシップを推進する国家戦略 |
| ベ | ベイズ最適化 | 最適解が得られる確率が高い点を「ベイズ推定」を使用して推定する方法 |
| ベクトル | 複数個の数字または文字列の組 | |
| ベクトル化 | 自然言語を数値ベクトルに変換する操作 | |
| ベンチマーク | 分析する上で比較対象として選定した基準点のこと | |
| ベンチマークテスト | 現行のパフォーマンスを調べるためにシステムに対して行うテスト | |
| ほ | 保安基準 | 自動車の設計製造のための各種の要件を規定した法律（国交省） |
| 方策 | 強化学習において、エージェントが行動する際の指標となるルール | |
| 報酬 | 強化学習において、エージェントの行動に対する環境からの報酬 | |
| 保有個人データ | 個人情報保護法が定める、個人データの内、開示、内容の訂正、追加又は削除、利用の停止、消去及び第三者への提供の停止を行うことのできる権限を有する個人データ | |
| ホ | ホールドアウト検証 | 機械学習するデータセットの一部を訓練データに、残りをテストデータに割り当てる方法 |
| ぼ | 忘却ゲート | LSTMブロックで、セルの情報の保持・忘却を制御するゲート |
| 膨張畳み込み | Dilated Convolution。飛び飛びの位置で畳み込みを行うことにより、少ない層数で広い範囲の畳み込みを行う手法。セマンティックセグメンテーションのために、画像Encoder-DecoderやFCNで使用される | |
| ボ | ボードゲーム | オセロ、チェス、将棋、囲碁など、専用のボード上で駒を置いたり、動かしたり、取り除いたりして遊ぶゲーム |
| ボルツマンマシン | ジェフリー・ヒントンらが1985年に提唱した、ネットワークの動作に「温度の概念」を取り入れた可視層と隠れ層の２層からなるモデル | |
| ポ | ポアソン回帰 | 目的変数がポアソン分布に従っていると仮定できる場合の非線形回帰 |
| ポアソン分布 | まれに起こる事象がしたがう確率分布 | |
| ま | 前処理（自然言語処理） | テキストデータである自然言語から数値データである特徴量への変換、およびその前に実施されるノイズの除去や単語列への分解などの処理 |
| マ | ジョンマッカーシー | 人工知能（Artificial Intelligence、AI）という言葉が初めて使われたダートマス会議の主宰者の１人 |
| マルコフモデル | マルコフ過程、マルコフ連鎖。未来の事象が現在の事象の値だけで決定され、過去の挙動と無関係である確率過程 | |
| マルチコアCPU | 1つのプロセッサの中に複数のCPUコアを内蔵する技術あるいはそのCPUのことです。 | |
| マルチタスク学習 | 複数のタスクを1つのモデルで対応すること | |
| マルチモーダル学習 | 五感や平衡感覚、空間感覚などの複数の感覚を、統合的にディープニューラルネットワークで学習、処理する手法 | |
| み | 未学習 | まだ学習をし終えていないこと |
| ミ | ミニバッチ学習 | バッチ学習とオンライン学習の中間の手法で、訓練データを一定の数（バッチサイズ）ごとに分割し、分割したデータのかたまリごとにパラメータを更新する学習方法 |
| ミニバッチ確率的勾配降下法（MSGD） | Minibatch SGD。最急降下法と確率的勾配降下法の間を取った手法であり、学習データの中からランダムにいくつかのデータ集合（バッチサイズまたはミニバッチサイズ）を取り出して誤差が最小になるようにパラメータを更新する | |
| マービン・ミンスキー | 人工知能の父、ダートマス会議の主宰者の１人、共著書「パーセプトロン」で、「単純パーセプトロンでは線形分離可能な問題しか解けない」という問題点を指摘した | |
| ム | ムーアの法則 | CPUを構成するマイクロプロセッサの集積率は18 ヶ月ごとに２倍になるというもので、言い換えればマイクロプロセッサの性能は18 ヶ月ごとに２倍になるということ |
| メ | メル尺度 | 音の高さの感覚的尺度。単位はメル |
| も | 文字n-gram | 自然言語処理において、連続するn個の文字のまとまり |
| 模倣学習 | Imitation Learning。「期待する動作」を人間がロポットに対して指示し、ロポットが方策を学習する手法 | |
| モ | モーメンタム法 | 勾配降下法に勢いをつける手法 |
| モジュール | プログラムファイルのまとまり | |
| モデル | データセットに対して分類または回帰の機械学習を施して結果を得るしくみ | |
| モデルフリー強化学習 | 環境に関する知識を明示的に利用しないアルゴリズム | |
| モデルベース強化学習 | 環境に関する予測モデルを明示的に利用して方策を学習するアルゴリズム | |
| モラベックのパラドックス | 人工知能やロボット工学の研究者らが発見したパラドックスで、コンピュータに高度な推論をさせるよりも、1歳児レベルの知覚と運動のスキルを与える方が遥かに難しい、というもの | |
| ゆ | 有用性 | 事業活動のために有用な情報であること |
| ユ | ユビキタス | ubiquitous、いつでもどこでも存在する、という遍在を表す |
| よ | 要配慮個人情報 | 人種、信条、社会的身分、病歴、犯罪の経歴、犯罪被害歴などの個人情報 |
| ヨ | ヨーロッパ2020戦略 | EUの中期成長戦略 |
| ら | ライトウェイトオントロジー | 効率化を重視し、コンピュータに概念間の関係性を見つけさせる方法 |
| ラ | ライブラリ | 複数のパッケージをまとめたもの |
| ラッパー | ある機能や処理を簡単に実行できるように、既存のコードを囲んで機能を追加するコード | |
| ランダムサーチ | ハイパーパラメータをランダムに探索する手法 | |
| ランダムフォレスト | 決定木を大量に生成し、各決定木の結果を統合的に検討して予測する機械学習の手法 | |
| り | 量子化 | Quantize。パラーメータを、より小さいビットで表現することで、モデルの軽量化を図る手法であり、これによって、ネットワークの構造を変えずにメモリ使用量を削減できる |
| 量子化誤差 | 量子化したデジタル信号を再度アナログ信号に変換して生じる元のアナログ信号との間に誤差 | |
| 倫理的に調和した設計 | IEEEが取りまとめた、人間社会をAIを用いて改善するための設計方針 | |
| リ | リコメンデーション | インターネットにおいて、ユーザーに関心がありそうな商品をおすすめする行動 |
| リセットゲート | GRUで過去の情報をどれだけ捨てるかを決定する | |
| ル | ルールベース機械翻訳 | ルールを登録して原文を分析し、訳文を出力する機械翻訳の方法 |
| ヤンルカン | フランスの計算機科学者であり、1998年にCNNのモデルであるLeNetを発表した。ネオコグニトロンに誤差逆伝播法を組み込んで発展させたもの。 フェイスブック社の現副社長であり、2019年に、トロント大学のジェフリーヒントン、モントリオール大学のヨシュアベンジオと共に、ディープラーニングに関する研究業績で、チューリング賞受賞。 GANを「機械学習においてこの10年間で最もおもしろいアイデア」と評した。 |
|
| ろ | ローブナーコンテスト | 1991年以降、チューリングテストに合格するソフトウェアの開発のため、毎年開催されているコンテスト |
| ロボット制御の課題 | データの離散化や報酬の設定、効率的にデータを収集や方策の安全性確保など | |
| ロ | ロジスティック 回帰 | シグモイド関数を用いてクラスに属する確率を0からIの範囲で予測して二値分類を行う手法 |
| ロジット変換 | ロジスティック回帰において、予測確率を0から1の値に対数変換する手法 | |
| ネイサン・ロチェスター | ダートマス会議の主宰者の1人 |
■C.G検定対策用語集
