| AI効果 |
AIで実現された技術が普及すると、それが「単なる自動化」とみなされ「人工知能ではない」とされる現象。 |
解説へ |
|
| エージェント |
周囲の環境を認識し、自身の目的を達成するために自律的に行動を選択・実行するシステム。 |
|
|
| 人工知能(AI) |
人間の知的振る舞い(学習、推論、判断など)をコンピュータ上で模倣・再現する技術。 |
解説へ |
|
| 機械学習 |
大量のデータからパターンやルールをコンピュータ自らが自動的に学習する技術。 |
解説へ |
|
| 強化学習 |
試行錯誤を通じて得られる報酬を最大化するように行動パターンを学習する手法。 |
解説へ |
|
| ディープラーニング |
多層の人工ニューラルネットワークを用い、高度で複雑な特徴量を自動抽出する学習手法。 |
解説へ |
|
| シンギュラリティ |
AIが超知能を獲得し、自力でより優れたAIを作り出すことで人間の知性を超える技術的特異点。 |
|
|
| シンボルグラウンディング問題 |
記号(言葉)とその対象となる現実世界の意味(実体)がいかに結びつくかという課題。 |
|
|
| 身体性 |
知能の獲得や概念の理解には、肉体を持って実世界と相互作用することが不可欠であるとする考え方。 |
|
|
| ダートマス会議 |
1956年に開催され、初めて「人工知能(Artificial Intelligence)」という言葉が使われた会議。 |
解説へ |
|
| トイ・プロブレム |
現実世界の複雑な問題ではなく、迷路やチェスなど条件が制限されたパズル的な問題のこと。 |
|
|
| 知識獲得のボトルネック |
エキスパートシステム等において、人間の持つ専門知識をコンピュータに記述・導入する難しさ。 |
|
|
| チューリングテスト |
判定者が人間とコンピュータと対話し、相手が人間かどうかを見分けられるかをテストする試み。 |
|
|
| 中国語の部屋 |
記号操作ルールに従って正しく応答できても、コンピュータ自身は意味を理解していないとする思考実験。 |
|
|
| 強いAIと弱いAI |
人間のような意識や汎用的心を持つAI(強いAI)と、特定領域の処理に特化したAI(弱いAI)の分類。 |
|
|
| 統計的機械翻訳 |
大量の対訳データから確率・統計モデルを構築し、最も確からしい文章へ翻訳する手法。 |
|
|
| フレーム問題 |
有限の処理能力を持つAIが、ある行動に関係のある枠組み(フレーム)のみを選択抽出する難しさ。 |
|
|
| ルールベース機械翻訳 |
文法や辞書などの言語学的ルールを人間が手動で記述し、それに従って変換する翻訳方式。 |
|
|
| ローブナーコンテスト |
チューリングテストに合格することを目指し、最も人間に近い対話ができるAIを競う年次コンテスト。 |
解説へ |
|
| αβ法 |
ゲーム木探索(Mini-Max法)において、勝ち目のない不要な分岐を切り落として効率化するアルゴリズム。 |
|
|
| Mini-Max法 |
自分は利益最大化、相手は利益最小化を目指すとして対戦型ゲームの最適手を評価・決定する手法。 |
|
|
| SHRDLU |
1970年代に開発された、積み木の世界で自然言語による指示を解釈して操作する初期のAIシステム。 |
|
|
| STRIPS |
初期状態、目標状態、および行動の前提条件・効果を定義して計画(プランニング)を立てるシステム。 |
|
|
| 探索木 |
問題の初期状態から可能な行動分岐を樹木構造(ツリー)で表現し、解を探索する表現形式。 |
|
|
| ハノイの塔 |
指定されたルールに従い円盤を別の杭へ移し替える、AIの探索アルゴリズム評価でよく使われるパズル。 |
|
|
| 幅優先探索 |
探索木において、出発点に近い浅い階層から順番に横方向へすべてのノードを調べていく手法。 |
|
|
| 深さ優先探索 |
探索木において、可能な限り1つのルートを深く突き進み、行き当たったら戻って別の道を調べる手法。 |
|
|
| ブルートフォース |
可能な組み合わせや手順を片っ端からすべて試す、力づくの全件探索アルゴリズム(総当たり攻撃)。 |
|
|
| モンテカルロ法 |
乱数を用いて多数のシミュレーション(試行)を行い、確率的・近似的な解を求める計算手法。 |
|
|
| Cycプロジェクト |
人間の常識すべてを知識ベースとしてコンピュータに構築することを目指すプロジェクト。 |
|
|
| DENDRAL |
未知の有機化合物の分子構造を特定するために開発された最初期のエキスパートシステム。 |
|
|
| is-aの関係・has-aの関係・part-ofの関係 |
知識表現において、継承(is-a)、所有(has-a)、構成要素(part-of)を示す概念関係。 |
|
|
| QuestionAnswering |
質問応答。自然言語で尋ねられた質問に対し、適切な回答を自動抽出・生成する技術。 |
|
|
| 意味ネットワーク |
概念を「ノード(節点)」、関係を「リンク(矢印)」で結んで知識を構造表現するモデル。 |
|
|
| イライザ(ELIZA) |
1960年代に開発された、来談者中心療法を模した対話を行う最初期のチャットボット。 |
|
|
| インタビューシステム |
専門家との対話(質問)を通じて知識やルールを効率的に収集・抽出するシステム。 |
|
|
| ウェブマイニング |
Web上のコンテンツ、構造、アクセスログなどから有用な知識や構造を抽出する技術。 |
|
|
| オントロジー |
概念の定義やそれらの相互関係を体系的に整理した「知識の共有・再利用のための共有枠組み」。 |
|
|
| セマンティックWeb |
Web情報に意味情報(メタデータ)を付与し、コンピュータが理解・自動処理できるようにする構想。 |
|
|
| データマイニング |
大量のデータから統計的手法や機械学習を用いて隠れた傾向や規則性を発掘する技術。 |
|
|
| 東ロボくん |
東京大学の入試問題を突破できる知能の構築を目指した「ロボットは東大に入れるか」プロジェクト。 |
|
|
| マイシン(MYCIN) |
血液感染症の致死性細菌の診断と抗生剤処方を行うために開発された規則ベースのエキスパートシステム。 |
|
|
| ワトソン |
米国クイズ番組『Jeopardy!』で人間の事業家に勝利した、IBM開発の質問応答AIシステム。 |
|
|
| 次元の呪い |
扱うデータ特徴量の次元(項目数)が増えると、学習に必要なデータ量が指数関数的に増大する問題。 |
|
|
| スパムフィルタ |
迷惑メール(スパム)の文章パターンや特徴を機械学習等で認識し自動で分類・排除するシステム。 |
|
|
| ビッグデータ |
従来のデータベース処理技術では管理・解析が困難な、巨大で多様かつリアルタイムな大量データ群。 |
|
|
| レコメンデーションエンジン |
ユーザーの行動履歴や属性データを分析し、好みに合った商品やコンテンツを予測・提案するシステム。 |
|
|
| 統計的自然言語処理 |
文法ルールではなく、大量のテキストデータから確率・統計的手法を用いて言語処理を行う技術。 |
|
|
| ImageNet |
ディープラーニングの視覚モデル学習用に構築された、数百万枚を超える巨大なアノテーション付き画像データベース。 |
|
|
| ILSVRC |
ImageNetを用いて大規模画像認識アルゴリズムの性能を競った著名な国際コンテスト。 |
|
|
| LeNet |
ヤン・ルカンらが開発した、手書き数字認識に成功したCNN(畳み込み神経回路)の先駆的モデル。 |
|
|
| アルファ碁(AlphaGo) |
DeepMind社が開発し、強化学習と深層学習(CNN)を組み合わせてトッププロ棋士に勝利した囲碁AI。 |
|
|
| 人間の神経回路 |
ニューロン(神経細胞)がシナプスを介して複雑に結合し、情報伝達や情報処理を行う生体ネットワーク。 |
|
|
| ネオコグニトロン |
福島邦彦氏が考案した、受容野概念を取り入れ畳み込みニューラルネットワーク(CNN)の基となった視覚モデル。 |
|
|
| 生成AI |
学習したデータに基づき、テキスト・画像・音声・動画などの新しいコンテンツを自ら生成するAI技術。 |
解説へ |
|