AI用語

ベクトルデータベースとは、テキストや画像を数値化して「意味の近さ」で検索できる技術。日常の比喩でその構造と使われる場面、混同しやすいRDBとの違いを初心者向けにわかりやすく解説します。

Embeddingとは、テキストや画像などの意味を数値の座標に変換する技術です。意味が近いものは空間で近く並び、似た情報の検索や分類を可能にします。

AI/IT用語のチャンクを初心者向けにやさしく解説します。RAG(質問に答える仕組み)との関係や、切り方によって変わる挙動、検定勉強の入り口もまとめました。

Human Feedback（人間のフィードバック）とは、AIが生成した答えの「良い／悪い」を人間が評価してAIを改善する技術です。料理の味見のように、人間の感覚を学習データに変える仕組みを初心者向けにやさしく解説します。

Human-in-the-Loopは、AIの提案や処理の流れに人の確認・修正・承認を入れる仕組みです。初心者が迷いやすい“どこまで人に任せるか”の境界を、日常の比喩でやさしく整理します。

フィルターバブルとは、あなたが「選んでいない」のに情報が見えなくなる仕組み。通勤の道筋にたとえて構造をわかりやすく解説し、今週から試せる5分のアクションと、検定対策の要点までまとめています。

Function Callingは、LLM(大規模言語モデル)が「答えを話す」だけにとどまらず、外部のツールやAPIを自分の意思で呼び出せる仕組みです。初心者向けに、日常の比喩と具体例でやさしく解説します。

GRU（Gated Recurrent Unit）とは、時系列データに特化した深層学習の仕組みです。ノートパッドの比喩でLSTMとの違いを直感的に理解し、G検定で「RNNの派生型」と出たときに対応できる要点をまとめました。

量子化（Quantization）とは、LLMの重みの計算精度を下げ、モデルを小型・高速化する技術です。GPUなしのMacBookやスマホで動くAIの裏にある仕組みを、文庫本の比喩で初心者向けにわかりやすく解説します。

Contextual Recallとは、RAG（AI検索）において「正解を作るために必要な情報」をどれだけモレなく集められたかを測る評価指標です。初心者にも分かりやすく解説します。