AI用語解説
勉強会で登場するAI関連の専門用語をわかりやすく解説します。予習や振り返りにご活用ください。
大規模言語モデル（LLM）
大量のテキストデータを学習し、人間のような自然な文章を理解・生成できるAIモデルの総称です。 質問への回答、文章の要約、翻訳、プログラミングの支援など、幅広いタスクに対応できます。
以下は代表的なサービスです。いずれもWebブラウザから無料で利用を開始できます。
最も広く利用されているAIチャットサービス。GPT-4oなどのモデルを搭載し、文章生成・画像理解・コード生成などが可能。
長文の読解・分析に優れたAIアシスタント。論文の要約や複雑な指示の理解に強みを持つ。
Google検索と連携したAIサービス。テキスト・画像・動画など複数の情報を統合して処理できる。
テキスト、画像、音声、動画などの新しいコンテンツを「生成」できるAIの総称です。 大規模言語モデル（LLM）は生成AIの一種で、特にテキストの生成に特化しています。 研究活動では、文献調査の補助、実験計画の検討、論文の校正など、様々な場面で活用が進んでいます。
AIツール
AIの能力を特定の作業に活用するためのソフトウェアやサービスです。
ターミナル（コマンドライン）上でClaudeのAI能力を活用できる開発者向けツールです。 プログラムの作成・修正、ファイル操作、Gitによるバージョン管理などを、自然言語（日本語や英語）の指示で実行できます。
Discord、Slack、Telegramなど複数のチャットアプリを、自分のマシン上で動作するAIエージェントに接続できるオープンソースのゲートウェイです。 1つのゲートウェイで複数のメッセージングプラットフォームを同時に利用でき、ツール利用・セッション管理・メモリ機能を備えたAIエージェントとして動作します。
AI活用の手法
AIモデルの性能を向上させたり、特定の用途に適応させるための技術です。
AIが回答を生成する際に、外部のデータベースやドキュメントから関連情報を「検索」し、その情報を参照しながら回答を作成する技術です。
通常のLLMは学習時のデータのみを基に回答しますが、RAGを使うことで最新の情報や専門的なデータを回答に反映できます。
既に学習済みのAIモデルに対して、特定分野のデータを追加で学習させ、そのタスクや領域に特化した性能を引き出す手法です。
例えば、汎用的なLLMに材料科学の論文データを追加学習させることで、材料科学の専門用語や概念をより正確に理解・生成できるモデルを作れます。
| RAG | ファインチューニング | |
|---|---|---|
| 仕組み | 回答時に外部データを検索して参照 | モデル自体を追加データで再学習 |
| データの反映 | リアルタイムで最新情報を反映可能 | 学習時のデータに依存 |
| 導入の手軽さ | 比較的容易（モデル変更不要） | 計算資源と専門知識が必要 |
| 適した用途 | 最新情報の参照、社内文書の検索 | 特定分野への深い特化 |
ファインチューニングを効率的に行うための技術です。 通常のファインチューニングではモデル全体のパラメータを更新する必要があり、膨大な計算資源が必要です。 LoRAは、モデルのごく一部だけを効率的に調整することで、少ない計算資源でファインチューニングと同等の効果を実現します。