Wiki
ベンチマーキングとは？ - AI百科事典
ベンチマーキングとは、システム性能を評価・比較するための手法です。一連の標準化されたテスト手順を通してシステム性能を測定します。このテストは、特定の条件下におけるシステム性能を判断するのに役立ちます。
ベンチマーキングとは、システム性能を評価・比較するための手法です。一連の標準化されたテスト手順を通してシステム性能を測定します。このテストは、特定の条件下におけるシステム性能を判断するのに役立ちます。
人工狭義知能（ANI）、別名「弱いAI」とは、特定のタスクまたは狭い範囲内のタスクを実行するように設計および訓練されたAIシステムを指します。これは、人間のようなシステムとは異なります。
順伝播はニューラルネットワークの中核となるプロセスであり、入力データがネットワーク層を通過して出力を生成する仕組みを記述します。入力データはニューラルネットワークの入力層に入力されます。入力データ...
熟慮型アライメントは、OpenAIが提案した新しいトレーニング手法であり、大規模言語モデルの安全性と信頼性を向上させるために設計されています。この手法は、プロセスベースと結果ベースの監視を組み合わせることで、モデルが…
指示チューニング（IT）は、大規模言語モデル（LLM）のトレーニング手法の一つであり、モデルが自然言語の指示に従い、現実世界のタスクを完了する能力を向上させることを目的としています。
視覚言語モデル（VLM）は、画像処理とテキスト処理の機能を組み合わせて、視覚的な質問応答などの高度な視覚言語タスクを実行する、マルチモーダル人工知能システムの一種です。
アンダーフィッティングとは、機械学習モデルが訓練データに対して低い性能を示し、その結果、テストデータに対しても低い性能を示すことを指します。これは、モデルが単純すぎて、データ内の複雑なパターンを捉えられない場合に発生します。アンダーフィッティングとは…
堅牢性とは、システム、モデル、または実体が、入力データにおける外乱、ノイズ、外れ値、または設計パラメータの変更に直面した場合でも、意図された機能、安定したパフォーマンス、および正確な結果を維持できる能力を指します。
AIアライメントとは、人工知能システムの挙動が人間の意図や価値観と一致するようにすることを保証する分野を指します。その中核となる目標は、堅牢性、信頼性、そして…という4つの主要原則に集約されます。
チューリングテストは、機械が人間と同等、あるいは人間と区別がつかない知能を示すことができるかどうかを判断するために、1950年にイギリスの数学者であり論理学者でもあるアラン・チューリングによって提案された実験である。
隠れ層は、人工ニューラルネットワークにおける入力層と出力層の間にある中間層です。その機能は、入力データから特徴を抽出し変換することで、最終出力層に高レベルの特徴を提供することです。隠れ層は…
Transformerモデルは、2017年にGoogleの研究チームが論文「Attention is All You Need」で初めて提案した深層学習モデルです。このモデルの核心となるアイデアは、自己注意機構です。
モデル量子化は、深層学習モデルの最適化における重要な技術です。パラメータのビット幅を小さくすることで、モデルのストレージ容量と計算負荷を軽減し、様々なハードウェアプラットフォーム上でのモデルのパフォーマンスを向上させます。
NeRF（ニューラル・ラディアンス・フィールド）は、高品質な3D再構成モデルを生成するためのコンピュータビジョン技術です。深層学習技術を用いて、複数の視点から見た画像から物体の幾何学的形状とテクスチャ情報を抽出し、その後…
3Dガウススプラッティングは、新興の3Dシーン再構築およびレンダリング技術です。シーン内の点を表現するために3Dガウス関数を使用し、これらのガウス関数を2D画像平面に投影します。
文脈埋め込みは、単語をベクトル空間にマッピングし、各単語の文脈に基づいて表現を生成する手法です。これらの表現は、異なる文脈における単語の多様性を捉えます。
正則化は、機械学習において過学習を防ぐために用いられる手法です。これは、モデルの損失関数にペナルティ項を追加することで実現され、このペナルティ項はモデルパラメータの複雑さに関連しています。正則化は、過学習を抑制するのに役立ちます。
データ拡張は、機械学習や深層学習でよく用いられる手法であり、コンピュータビジョンや自然言語処理で広く利用されています。その主な目的は、既存のデータを変換したり、新しいデータを生成することです。
基盤モデルは、近年人工知能分野で急速に発展してきたモデルの一種です。大規模で広範囲にわたるデータセットで事前学習されており、さまざまな一般的なタスクを実行できます。これらのモデルは、…に基づいています。
合成データとは、人工的に作成されたデータではなく、計算アルゴリズムやシミュレーションによって現実世界のデータを模倣して生成されるデータのことです。実際のデータと同じ数学的特性を持ちますが、同じ具体的な詳細情報は含まれていません。
敵対的生成ネットワーク（GAN）は、生成器と識別器から構成される深層学習モデルです。ゲームのような相互作用を通してデータを生成することを学習します。生成器の役割はランダムノイズからデータを生成することであり、識別器は…