用語

ローカルLLMとは、自社のPCやサーバー上で大規模言語モデルを動かす技術です。クラウドLLMとの使い分け、データが社外に出ない理由、G検定・ITパスポートでの出題アングルまで、初心者向けにやさしく解説します。

マルチヘッドアテンション（Multi-Head Attention）とは、Transformerの中核技術。複数の「ヘッド」が文章内の異なる関係を同時に捉え、組み合わせる仕組みを、読書会の比喩で初心者にもわかるように解説します。

TPU（Tensor Processing Unit）は、AIの計算を効率よく高速に行うためにGoogleが開発した専用チップ（ASIC）です。GPUとの違いや役割をわかりやすく解説します。

セルフアテンション（Self-Attention）は、文の中の各語が全体を見て「どの情報が大事か」を重みとして持つ仕組みです。Transformerの基盤であり、G検定や自然言語処理の学習でも理解しやすい基礎概念です。

AI-Native Developmentは、後からAIを足すのではなく、AIの能力と制約を前提に開発を設計する考え方です。初心者でもわかる例と、AI-Assistedとの違いを解説します。

GAN（敵対的生成ネットワーク）とは、"描く側"と"見抜く側"の2つのAIが対立しながら学習し、画像や動画を生成する仕組み。比喩でわかりやすく解説し、G検定・データサイエンティスト検定の出題ポイントも紹介します。

エコーチェンバーは、同じ意見や情報が何度も反響して「正しい」と感じやすくなる状態です。SNSや検索で起きやすい理由と、初心者ができる確認方法をやさしく解説します。

Contextual Precisionとは、RAG（AI検索）において「本当に必要な情報」が上位に正しく並んでいるかを測る指標です。なぜRAGの精度向上に重要なのかを分かりやすく解説します。

Agent Cardは、AIエージェント同士が「私は何ができるか」を安全に伝えるための情報カードです。日常の比喩と具体例で、仕組みと関連用語をやさしく整理します。

A2A（Agent to Agent）とは、AIエージェント同士が意思疎通してタスクを完遂するプロトコルです。初心者にもわかる比喩で、MCPとの違いや今後の展望までやさしく解説します。