# 用語集

プロンプトやモデル、人工知能の世界でよく使われる用語を素早く確認できるリファレンスです。

## 基本コンセプト

- **大規模言語モデル（LLM） / Large Language Model (LLM)**: 大量のテキストで学習され、人間の言語を理解し生成するAIモデル。
- **人工知能（AI） / Artificial Intelligence (AI)**: 通常は人間の知能を必要とするタスクを行うように設計されたコンピュータシステム。
- **プロンプト / Prompt**: AIモデルに与える指示または入力。
- **プロンプトエンジニアリング / Prompt Engineering**: より良く信頼できるAIの出力を得るためにプロンプトを設計する技術。
- **コンテキスト / Context**: モデルがタスクや状況をよりよく理解するための追加情報。
- **トークン / Token**: 単語や単語の一部など、モデルが処理する小さなテキスト単位。
- **ハルシネーション / Hallucination**: AIが生成する、もっともらしく聞こえるが誤った、または作り上げた回答。
- **思考の連鎖（Chain of Thought） / Chain of Thought**: モデルが途中の思考ステップを説明する推論スタイル。
- **マルチモーダルモデル / Multimodal Model**: テキスト、画像、音声など複数のデータタイプを扱えるAIモデル。
- **エージェント / Agent**: 自律的に行動し、ツールを使ってタスクを完了できるAIシステム。
- **ツール呼び出し / Tool Calling**: AIモデルがタスク中に外部のツール、API、サービスを利用できる機能。

## ディープな技術解説

- **システムプロンプト / System Prompt**: AIの振る舞い、ルール、性格を定義する隠れた指示。
- **コンテキストウィンドウ / Context Window**: AIモデルが一度に処理し記憶できるテキストの最大量。
- **コンテキスト注入 / Context Injection**: モデルの応答を改善するために、外部情報をプロンプトに追加すること。
- **トークン上限 / Token Limit**: 1回のやり取りでモデルが扱えるトークンの最大数。
- **学習データ / Training Data**: モデルの学習に使われる大量のテキストや情報のコレクション。
- **推論 / Inference**: 学習済みのAIモデルを使って出力を生成するプロセス。
- **コンプリーション / Completion**: AIモデルが生成するテキスト応答。
- **次トークン予測 / Next-Token Prediction**: モデルが系列の中で最も可能性の高い次のトークンを予測する中核メカニズム。
- **Transformer**: GPTなど現代の言語モデルが使うニューラルネットワークアーキテクチャ。
- **アテンション機構 / Attention Mechanism**: モデルが入力のうち最も関連性の高い部分に注目できるようにする仕組み。
- **重み / Weights**: モデルの知識を保持する、学習された内部パラメータ。
- **温度（Temperature） / Temperature**: モデルの応答がどれだけ創造的か、または予測可能かを制御する設定。
- **推論モデル / Reasoning Model**: より深い論理的思考と段階的な問題解決に最適化されたモデル。
- **ハルシネーション率 / Hallucination Rate**: モデルが不正確または捏造された情報を生成する頻度。
- **グラウンディング / Grounding**: 精度を高めるために、AIの出力を実データや信頼できる情報源と結びつけること。
- **アラインメント / Alignment**: AIシステムを人間の目標、価値観、安全規則に沿わせるプロセス。
- **ガードレール / Guardrails**: 有害または望ましくないAIの挙動を防ぐための安全制約。
- **ジェイルブレイク / Jailbreak**: AIモデルに組み込まれた制限や安全機構を回避しようとする試み。
- **Few-Shotプロンプト / Few-Shot Prompting**: モデルの挙動を導くために、プロンプトにいくつかの例を含めること。
- **One-Shotプロンプト / One-Shot Prompting**: 望ましい出力を示すために、プロンプトに1つの例だけを含めること。
- **Zero-Shotプロンプト / Zero-Shot Prompting**: 例を与えずにモデルにタスクを実行させること。
- **プロンプトチェイニング / Prompt Chaining**: 複雑なタスクを複数の連続するプロンプトに分割すること。
- **構造化出力 / Structured Output**: JSON、XML、テーブルなど決まった形式で生成される応答。
- **Few-Shot学習 / Few-Shot Learning**: 少数の例だけでモデルがタスクに適応できる能力。
- **エンベディング / Embeddings**: 意味的な情報を捉えるための、テキストの数値ベクトル表現。
- **ベクトルデータベース / Vector Database**: エンベディングの保存と検索に最適化されたデータベース。
- **セマンティック検索 / Semantic Search**: 正確なキーワードではなく、意味や文脈に基づく検索。
- **検索拡張生成（RAG） / Retrieval-Augmented Generation (RAG)**: モデルが応答を生成する前に外部情報を取得する手法。
- **ファインチューニング / Fine-Tuning**: 特定のタスクや分野向けに、専門的なデータで追加学習を行うこと。

[プロンプトガイド](https://prompt-coach.pro/ja/guide)

© 2026 Slivaro GmbH. All rights reserved.

[AIシステム](https://prompt-coach.pro/ai-systems) · [プライバシーポリシー](https://prompt-coach.pro/privacy) · [利用規約](https://prompt-coach.pro/terms) · [運営者情報](https://prompt-coach.pro/impressum) · [お問い合わせ](https://prompt-coach.pro/ja/contact)

Canonical: https://prompt-coach.pro/ja/glossary