用語

LLM-as-a-Judgeは、大規模言語モデルにAIの回答や生成物を評価させる手法です。初心者の比喩、よくある誤解、実例と試験勉強へのつながりをやさしく解説します。

ファインチューニングとは、学習済みのAIモデルを自分の業務に合わせて微調整する技術です。RAG・プロンプトエンジニアリングとの使い分け、G検定やデータサイエンティスト検定での出題パターンまで、比喩でやさしく解説します。

非定常性とは、データの平均やばらつきが時間とともに変わってしまう性質のこと。なぜAIの予測が途中で的外れになるのか、通勤時間や店舗の売上の例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まとめます。

モード崩壊は、GANなどの生成AIが学習の過程で「出力の種類が狭まり、同じものばかり生成してしまう」現象です。原因・日常の具体例・G検定での出題ポイントも、初心者でもわかる比喩で解説します。

RNN（再帰型ニューラルネットワーク）は、文章や時系列データを「順番に読みながら記憶を引き継ぐ」深層学習技術です。LSTM・Transformerとの違いや、データサイエンティスト検定・G検定での出題ポイントをわかりやすく解説。

蒸留（知識蒸留）とは、巨大なAIモデルの能力を小さなモデルへ「移し替える」技術です。スマホや車載端末で動くAIの裏側にも使われており、G検定の「AI活用・最適化」分野で出題されます。出汁の比喩で5分で解説します。

状態空間モデル（SSM）とは、過去の全履歴を覚え続けるのではなく「今の状態」を要約して保持し、そこから未来を予測するAIの数学的枠組み。ナビの"現在地"に似た仕組みで、Transformer・LSTM・Mambaの違いが1分で整理できます。

MCP（Model Context Protocol）とは、AIが外部ツールやデータに接続するための「標準規格」です。USB-Cがケーブルを統一したように、AIと外部ツールの接続方法を一括で整える仕組みを、初心者にも伝わる比喩でやさしく解説します。

RAGは、関連文書を検索して生成AIの回答に反映する技術です。ファインチューニングとの違いや、社内ナレッジ活用の具体例、G検定・データサイエンティスト検定での出題ポイントを、初心者向けに分かりやすく解説します。

時系列分析の土台となる「定常性」を、電車の運行間隔にたとえてやさしく解説。なぜAIの予測が急に外れるのかの理由、今日からできる確認方法、データサイエンティスト検定の出題パターンまで、初心者向けに整理しています。