用語

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。

AI/IT初心者向けに、Guardrails（ガードレールズ）とは何かを、高速道路の比喩でやさしく解説。AIの出力を安全な範囲に導き、利用者の意図に沿わせるための仕組みや、実際のユースケース、注意点、今日からできるアクションまでをわかりやすくまとめました。試験対策にも。

破滅的忘却とは、AIが新しいことを覚える際に過去の学習が壊れてしまう現象です。初心者向けの比喩と具体例で、なぜ起きるのか、どう防ぐのかを分かりやすく解説します。

SLM（Small Language Model）とは、スマートフォンや社内サーバーなどの限られたリソースで動く、LLMと対になる小型言語モデル。軽自動車という比喩で初心者でも直感的に理解でき、実例とLLMとの違いも整理します。

最近ニュースで目にする「NPU」って何だろう。スマホの動きや省電力とどう違うのか。初心者の疑問から試験に出るポイントまで、比喩でやさしく整理します。

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。