【毎日配信】こっそりAI教室 全エピソード索引
第1章 AIってそもそも何？（AI基礎概念）
【ディープラーニング】
人間の脳神経を模した多層構造でデータを学習する手法
【生成AI】
学習した知識を組み合わせて、白紙から新しい答えを作り出すAI
【AGI】
人間と同じように、自分で考えて気を利かせてくれる万能AI
【ニューラルネットワーク】
ディープラーニングの土台となる、脳の神経細胞を模した計算構造
【アルゴリズム】
コンピュータが問題を解くための「手順書」。AIの動きはすべてアルゴリズムで成り立っている
【機械学習】
データから規則やパターンを自動で学ぶ技術の総称。AIの親概念
【自然言語処理】
人間の言葉をコンピュータが理解・処理・生成する技術。LLMの土台
【データセントリックAI】
モデルより「データの質」を優先するAI開発思想。「良いデータが良いAIを作る」
【コンパウンドAIシステム】
複数のAIモデル・ツール・検索を組み合わせた統合型システム。単体LLMの限界を超える
【画像認識】
AIが写真や映像を見て「何が写っているか」を判断する技術。顔認証・自動タグ付け・医療診断の土台
【自律性レベル】
AIがどこまで人間なしで動けるかの段階指標。自動運転の「レベル5」と同じ発想
【弱いAI vs 強いAI】
特定タスクしかできない「弱いAI」と、何でもできる「強いAI（AGI）」の違い
第2章 AIに話しかける技術（プロンプト・インターフェース）
【マルチモーダル】
文字だけでなく、画像や音声など「五感」を使って理解するAI
【ゼロショット】
例を一つも見せずに、いきなりAIにタスクをこなさせる指示法
【フューショット】
少数の例を見せてからAIに学ばせる指示法。ゼロショットの応用版
【チェーン・オブ・ソート】
「順番に考えて」と指示してAIの推論精度を上げるテクニック
【プロンプトエンジニアリング】
AIから最高の答えを引き出すための、指示文の設計・改善技術
【ワンショット】
例を1つだけ見せてからAIに指示する手法。ゼロショットとFew-Shotの中間
【システムプロンプト】
ChatGPT等の「裏設定」。AIの人格やルールを事前に仕込む隠し命令
【コンテキストエンジニアリング】
「何を聞くか」ではなく「何を見せるか」。AIに渡す背景・資料・記憶の設計技術。プロンプトEの進化版
【GEO】
AIの回答に自社コンテンツが引用されるよう最適化する技術。SEOの後継として急浮上
【AIO】
AIに「おすすめ」として紹介されるための施策。GEOの日本語文脈版。マーケ担当者の必須語
第3章 AIが賢くなる仕組み（学習・データ）
【ファインチューニング】
基礎知識を持つAIに、自社専用のルールを教え込む追加学習
【クローラー】
ウェブ上のページを自動で巡回しデータを収集するプログラム
【クリーンデータ】
表記ブレや欠損を修正した、AIが正しく処理できるきれいなデータ
【シンセティックデータ】
本物のデータから傾向だけを学んで人工的に作った「本物そっくりのデータ」
【過学習】
訓練データに最適化しすぎて、現実の問題に対応できなくなる現象
【汎化】
学習していない新しいデータにも正しく対応できる能力。過学習の対概念。AIが「本当に賢い」かの基準
【データセット】
AIが学習するために使う、整理された「資料の束」
【アノテーション】
データに「これは犬」「これはクレーム」と意味の値札を貼る人間の作業
【アノテーション】
データに「これは犬」「これはクレーム」と意味の値札を貼る人間の作業
【強化学習】
「正解ならご褒美、失敗なら罰」を繰り返してAIが自ら賢くなる仕組み
【事前学習】
大量のデータを使ってAIの基礎知識を叩き込む、学習の第一段階
【RLHF】
人間の「これが良い回答」という評価を使ってAIを磨く強化学習の応用
【転移学習】
ある分野で学んだ知識を、別の分野に流用して効率よく学習させる技術
【グラウンドトゥルース】
AIの正解判定に使う「絶対的に正しいとされる答え」。アノテーション作業で人間が付けた正解ラベルのこと
【アップサンプリング】
学習データが少ないとき、加工・水増しして量を増やすテクニック
【データリネージ】
データがどこから来てどう加工されたかの来歴追跡。木の年輪のように処理のたびに記録が積み重なる
【データポイズニング】
AIの学習データに悪意ある「毒」を混ぜてモデルの判断を狂わせる攻撃手法
【フェデレーテッドラーニング】
データを外部に出さず各拠点でローカル学習・結果だけ共有する分散型学習。医療・金融の個人情報保護に革命的
第4章 AIの頭の中（モデル・アーキテクチャ）
【トークン (Token) 】
AIが言葉を理解し組み立てるための「最小のブロック単位」
【コンテキストウィンドウ】
AIが一度に見ていられる「情報の作業スペース」の限界
【SLM】
LLMを小型・軽量化し、スマホやPCでも動くようにしたAI
【モデル蒸留】
大きなAIの知識を小さなAIに圧縮して転写する技術
【推論モデル】
答えを出す前に「考える時間」を取り、複雑な問題を解く高性能AI
【パラメータ】
AIが学習した知識の量を表す数値。多いほど賢いが重くなる
【ベクトルデータベース】
意味の近さ（距離）でデータを検索できる、AIに最適化されたデータベース
【エンベディング】
言葉や文章を数値の座標に変換し、意味の近さを計算できるようにする技術
【チャンキング】
バラバラな情報を意味のある塊にまとめて、覚えやすくする処理技術
【重み】
AIが学習した結果として積み重なる無数の数字。意味は読めないがちゃんと機能する
【温度パラメータ】
AIの回答の「ランダム性」を調整するつまみ。低いと堅実、高いと創造的
【AIメモリ】
AIが過去の会話・好み・文脈を記憶し次回に活かす機能。コンテキストウィンドウの「短期記憶」に対する「長期記憶」
【アテンション機構】
文章中の重要な単語に「注目度」を割り当てる、トランスフォーマーの心臓部
【MoE】
一つのAIの中に複数の「専門家」が存在し、質問の種類によって担当が切り替わる構造
【テスト時コンピュート】
回答を出す前に「考える時間」を意図的に増やすことで精度を上げる技術。推論モデルの核心
【量子化】
AIのパラメータの数値精度を意図的に下げ、モデルを軽量化・高速化する圧縮技術。SLMとセットで語られる
【ハイパーパラメータ】
AIの学習方法そのものを決める「学習の設定値」。パラメータ（学習結果）とは別物で、人間が事前に決める
【エマージェント動作】
大規模AIが学習中に予測できなかった能力を突然発揮する現象。「気づいたら算数ができていた」
【リフレクション】
AIが自分の回答を見直し改善する能力。人間でいう「見直し作業」
【推論（Inference）】
学習済みのAIが実際に動いて答えを出す処理。「学習」が勉強なら「推論」は本番のテスト
【ワールドモデル】
AIが「世界の仕組み」を内部でシミュレートする能力。フィジカルAIやロボット制御の基盤技術
【フロンティアモデル】
「今この瞬間、世界最高水準」のAIモデルを指す概念。GPT-4oやClaudeなどが該当し、規制議論でも中心語
第5章 AIを自分専用にする（応用・カスタマイズ）
【AIエージェント】
目的を伝えると、計画から実行まで自動で終わらせてくれるAI
【RAG（ラグ）】
AIに自社の機密資料を持ち込ませて、嘘を防ぎ精度を上げる仕組み
【API】
中身を知らなくてもお願いだけして結果をもらう、システム同士の窓口
【コパイロット】
主導権は人間のまま、隣で作業を手伝ってくれる相棒AI
【オープンソース】
中身のコードが公開されていて誰でも自由に使えるAI
【ローカルLLM】
インターネットにつながずPC上だけで動かせる自前のAI
【Human-in-the-loop】
AIの判断に人間の確認・承認を挟む設計。自動化と責任のバランスを取る仕組み
【ノーコード】
プログラミング知識なしにアプリやAIツールを作れる開発環境。非エンジニアの武器
【ローコード】
最小限のコードでアプリを構築できる開発環境。ノーコードより柔軟性が高い
【オーケストレーション】
複数のAIエージェントを指揮して、全体の流れを管理する仕組み
【コンピューターユース】
AIが人間の代わりにPC画面を見て操作する機能。「AIが自分でポチる」時代の入口
【アンビエントAI】
意識しなくても日常のあらゆる場面でAIが常時サポートしている状態。次世代のAI体験
【ガードレール】
AIが危険・不適切な回答を出さないようにする安全柵の仕組み
【プロンプトチューニング】
AIを丸ごと学習し直さず、入力の「前置き」だけを調整して特定タスクに最適化する軽量カスタマイズ手法
【チャットボット】
決められた選択肢のルール型と、自由な質問に答える生成AI型の2種類がある対話型AI
【Function Calling】
AIが外部ツールや自社システムを呼び出して実際に操作できる仕組み。エージェントの核心
【ナレッジグラフ】
人・モノ・出来事の関係性をネットワーク図で構造化したデータ基盤。Google検索の裏側
【ナレッジベースAI】
社内マニュアル・FAQをAIが参照して回答する仕組み。RAGの実装形態
【フォールバック戦略】
AIが判断できないとき自動で切り替える「保険の手順」。ATMが「窓口へどうぞ」と誘導するのと同じ
第6章 AIが出す答えの仕組み（出力・精度）
【知識のカットオフ】
AIの学習データに締め切り日があり、それ以降の情報を知らない問題
【ディープリサーチ】
AIが複数の情報源を自動で調べて、深い調査レポートを作る機能
【バイアス】
学習データに含まれた人間の偏見をAIが信じ込んでしまう現象
【ゼロクリック検索】
リンクを開かなくてもAIが代わりに読んで結論を直接教えてくれる仕組み
【プロンプトインジェクション】
悪意ある指示を混ぜ込んでAIを乗っ取る攻撃手法
【グラウンディング】
AIの回答を信頼できる情報源に紐付けて、ハルシネーションを防ぐ技術
【確証バイアス】
AIが自分の先入観を強化する情報ばかり出してしまう偏りの問題
【脱獄】
安全ルールを回避してAIに禁止行為をさせる操作。プロンプトインジェクションの応用
【ベンチマークの罠】
AIの性能を標準テストで数値化して比較する評価の物差し。偏差値のようなもの
第7章 AIと情報の罠（リテラシー・フィルター）
【フィルターバブル】
AIが作った「自分に都合のいい情報だけの見えない泡」の中に閉じ込められる現象
【エコーチェンバー】
似た意見の人だけで集まり、自分たちの価値観が正しいと思い込む現象
【ディープフェイク 】
AIで本物そっくりの偽の映像・音声・画像を作る技術
【AIウォッシング】
AI機能がほとんどないのに「AI搭載」と謳う誇大広告・見せかけのAI活用
【FOMO】
「自分だけ取り残されているかも」という不安。AIブームでも多発中
【クッキー】
サイトがブラウザに残す「見えない割印」。ログイン維持・カート保持・行動追跡に使われる
【C2PA】
写真や動画に「誰がいつどうやって作ったか」を刻む、デジタルの出生証明書
【ハイプサイクル】
新技術への「過剰な期待→幻滅→実用」という波のパターン。AIブームの今、自分がどの段階にいるかを知るリテラシー
【ナッジ】
AIが気づかれないうちにユーザーの選択や行動をそっと誘導する設計手法
【インフォデミック】
誤情報がSNSやAIで爆速拡散し、社会に混乱を引き起こす現象
【テックストレス】
テクノロジーの急変化・情報過多によって生まれる疲労や不安。AI時代に急増している現代病
【デジタルウェルビーイング】
テクノロジーと健全な距離感を保ち、振り回されずに自分らしく使いこなすための考え方
【AIスラップ】
AIが量産した低品質・無個性なコンテンツが氾濫する現象。「とりあえずAI生成」の弊害
第8章 AIを支えるインフラ（技術基盤）
【GPU】
単純な計算を大量の頭数で一気に同時処理する、AI専用の計算機
【データセンター】
AIの計算機（サーバー）を安定稼働させるための専用の巨大建物
【キャッシュ】
よく使うデータを手元に一時保存しておく仕組み。「行きつけの店では注文を言わなくていい」のと同じ原理
【セッション】
ユーザーがサービスを使っている「1プレイ」の単位。開始から終了まで状態を記憶しておく仕組み
【トランザクション】
「全部成功か全部なかったか」を保証する、データ処理のひとまとまり
【レイテンシー】
データを送ってから返ってくるまでの「待ち時間」
【クラウド】
データやソフトをネット経由で使う仕組み。手元に置かない「預け先」
【スループット】
一定時間内にどれだけの量を処理できるかという「さばき能力」
【冗長化】
障害に備えて予備の仕組みを用意し、止まらないシステムを作る設計
【SaaS】
ソフトウェアをネット経由でサービスとして使う形態。インストール不要
【フォールトトレランス】
一部が壊れても全体が動き続けられる「故障耐性」の設計思想
【AIのカーボンフットプリント】
AI学習・運用に使う膨大な電力が生む環境負荷・CO2排出の問題
【エッジコンピューティング】
クラウドに送らず手元の機器でその場で処理する、低遅延のアーキテクチャ
【RPA】
定型業務を自動化するソフトウェアロボット。インテリジェントオートメーションの前身として対比に使える
【AIレッドチーム】
AIに意図的に意地悪な問いかけを行い、本番前に弱点を発見する安全点検チーム
【SBOM】
ソフトウェアに使われている部品の一覧リスト。食品の成分表示と同じ発想でサプライチェーン攻撃対策に必須
【LLMOps】
AIモデルの本番運用・監視・更新を継続的に管理する仕組み。AIを「作って終わり」にしない運用設計
第9章 AIと法律・社会（倫理・規制）
【ソブリンAI 】
他国に依存せず自前で開発・運用する「国産AI」。技術主権・安全保障の観点
【シャドーAI】
会社の許可なく従業員が個人的に使うAIツール。情報漏洩リスクの温床
【AIと雇用】
AIの普及で「なくなる仕事・生まれる仕事」はどれか、という社会問題
【ゼロトラスト】
「社内だから安全」という前提を捨て、すべてのアクセスを毎回検証するセキュリティの考え方
【AI著作権】
AIが学習したデータや生成物の権利は誰のもの？という未解決の問題
【プリエンプティブセキュリティ】
攻撃されてから対応する「守り」から、AIで予測して先手を打つ「先攻型セキュリティ」への転換
【AIアライメント】
AIが人間の意図・価値観に沿って動くよう設計する技術・思想。AGIへの備えとして世界中が注目
【説明可能AI・XAI】
「なぜその答えを出したか」をAIが説明できるようにする技術・概念
【AIガバナンス】
組織・国家がAIを安全・公正に管理するための方針・体制・ルールの総称
【ジオパトリエーション】
地政学リスクに備えてAIやデータの処理拠点を特定国・地域に移す動き。「データの国内回帰」とも
【責任あるAI】
公平・透明・安全にAIを開発・運用するための原則と取り組み
【サプライチェーン攻撃】
大企業ではなく「使っているツール・外部委託先」を狙って侵入する攻撃手法。IPAの10大脅威に7年連続ランクイン
【ランサムウェア】
データを暗号化して「身代金」を要求するウイルス。IPA 10大脅威5年連続1位
【スピアフィッシング】
特定の人物を狙ったカスタマイズフィッシング。「部長のPCだけ」を狙う精密版
【ビジネスメール詐欺（BEC）】
経営幹部や取引先を装ったメールで送金を指示する詐欺。スピアフィッシング（第129話）の「お金直結版」。管理職が最も当事者になる攻撃
【脆弱性】
システムの「穴」。パッチを当てないと攻撃者に侵入される
【多要素認証】
パスワード＋スマホ承認など複数の確認手段を組み合わせる本人確認技術。「知っているもの・持っているもの・身体的特徴」の3種を組み合わせる
【サイバーレジリエンス】
攻撃を「防ぐ」から「倒れても素早く立ち直る」へ。Gartner「2028年までに対応できない組織の90%以上が存続危機に」と警告。ゼロトラスト（第92話）の次世代版
【EU AI法】
EUが定めたAIのリスクレベル別規制。世界標準になりつつある法律
【AIのサイバーリスク】
IPA 2026年10大脅威に初登場・3位。①AIを使った攻撃 ②AIそのものへの攻撃 ③AI運用・法的リスク の3層で構成される複合的な脅威
第10章 AIビジネスの最前線（産業・トレンド）
【デジタルツイン】
現実の設備・都市・人体をデジタル空間に再現して未来のシミュレーションに使う技術
【アジャイル開発】
小さく試してこまめに軌道修正を繰り返す開発手法。AI時代のビジネス標準
【POC】
本格展開の前に小さく試す計画を最初から組み込む進め方
【DX】
ITを使って業務や組織の仕組みを根本から変革すること
【マルチエージェント】
複数のAIが役割分担して協力し、大きなタスクを処理する仕組み
【基盤モデル】
大量データで事前学習した汎用の大型AIモデル。LLM・画像生成AIの上位概念
【市民開発】
非エンジニアが自らノーコードツールでアプリやAI業務ツールを開発すること
【MCP】
AIエージェントが外部ツールと接続するための共通規格
【リスキリング】
新しい技術や業務に対応するため、社員が新しいスキルを学び直すこと
【AIネイティブ企業】
最初からAIを前提に設計されたビジネスモデルを持つ新世代企業
【バイブコーディング】
AIに「こんな感じで作って」と自然言語で指示してコードを生成させる開発スタイル
【レコメンデーション】
ユーザーの行動・好みを学習して「次に見るべきもの」を自動提案するAI。Netflix・YouTube・Amazonの裏側
【インテリジェントオートメーション】
単純なRPA（繰り返し自動化）にAIの判断力を組み合わせた次世代の業務自動化
【AIコンパニオン】
感情的なつながりや会話を提供するAI相棒。孤独対策にも使われる一方、依存リスクも注目
【デジタルレイバー】
AIエージェントが人間の代わりに行う仕事そのもの。「AIを正社員として雇う」という発想の転換
【フィジカルAI】
ロボットや機械が現実世界で自律的に判断・動く「体を持ったAI」。NVIDIAがCES 2025・2026で打ち出した次の大波
【AIバブル】
AI投資がどれだけ業績に貢献したかを測る指標と手法。2026年に経営層の最大関心事に
【AI×人事】
採用・評価・育成にAIが深く入り込む動き。「AIに評価される」「AIが採用を決める」時代の到来。管理職が評価する側から「AI評価を解釈する側」へ
【オーグメンテッドインテリジェンス】
AIは人間を「置き換える」のではなく「能力を拡張する」という思想。「AIは義眼ではなく眼鏡」。管理職の不安をほぐす最も重要なキーワードの一つ
【AI×医療】
画像診断・創薬・手術支援など、医療現場に革命をもたらすAI活用
