わかりやすく解説したAI・ロボティクス用語集
RAG、トークン、幻覚といったAI関連の流行語に戸惑っていませんか?このわかりやすいガイドでは、シンプルな解説、実例、覚えやすい例えを用いて、AIやロボティクスにおける最も重要な用語をわかりやすく解説しています。初心者から専門家まで、どなたにも最適です。

誰もが話題にしている流行語を、誰でも理解できるガイド
人工知能(AI)とロボティクスは急速に進化しており、それに伴い、圧倒されてしまうような専門用語が次々と登場しています。
RAG、トークン、あるいは「幻覚」といった用語を耳にして、「これ、知っておいたほうがいいのかな……」と思ったことがあるなら……このガイドはあなたのためのものです。
ここでは、最も重要な概念を平易な言葉で解説し、身近な例や覚えやすいコツを交えて、しっかりと理解できるようお手伝いします。
🧠 1. 大規模言語モデル(LLM)
概要:
膨大な量のテキストデータを用いて学習され、人間のような言語を理解・生成するAIシステムです。
例:
ChatGPTが質問に答えたり、コードを書いたりするものです。
こんな風に考えてみてください:
📚 何百万冊もの本を読み込み、ほぼどんな質問にも即座に答えられる「超人的な司書」のような存在です。
🧩 2. トークン
定義:
AIが処理するテキストの最小単位(単語、単語の一部、または文字)。
例:
「ChatGPTは素晴らしい」 → 次のようにトークンに分割される可能性があります:
Chat + GPT + is + amazing
重要性:
- 料金体系は多くの場合、トークン数に基づいて設定される
- AIが一度に処理できる量に制限がかかる
次のように考えてみてください:
🧱 言語のレゴブロック
🪟 3. コンテキストウィンドウ
概要:
AIが1回の会話で「記憶」できるトークンの最大数です。
例:
コンテキストウィンドウが8,000トークンの場合、それを超える部分はすべて忘れられてしまいます。
次のように考えてください:
🧠 AIの短期記憶
🤯 4. 幻覚
概要:
AIが自信を持って、誤った情報やでっち上げた情報を提示する場合
情報。例:
AIが偽の研究論文を作成したり、実在しない出典を引用したりする。
次のように考えてみてください:
🎭 AIが「当てずっぽう」で、それが正しいふりをしている
🔍 5. 検索拡張生成(RAG)
概要:
AIが応答を生成する前に、実際のデータ(文書やデータベースなど)を取得する手法。
例:
自社の内部文書に基づいて回答するチャットボット。
次のように考えてみてください:
📖 記憶を頼りに推測するのではなく、参考書を開いて解答する試験のようなもの
🔌 6. MCP(Model Context Protocol)
概要:
AIモデルが外部のツール、データ、システムと連携できるようにする標準規格。
例:
AIがデータベース、カレンダー、またはAPIに構造化された方法でアクセスすること。
次のように考えてみてください:
🔗 AI用のUSBポート――現実世界へと接続する
⚙️ 7. プロンプト
定義:
AIに与える入力や指示のことです。
例:
「リストをソートするPythonスクリプトを書いてください。」
次のように考えてください:
🗣️ AIとの対話方法によって、そのパフォーマンスが決まります
🎯 8. プロンプトエンジニアリング
概要:
AIからより良い結果を引き出すために、効果的なプロンプトを作成するスキル。
例:
「AIについて説明して」という代わりに
こう言う:「簡単な例えを使って、10歳の子供にAIを説明して。」
次のように考えてみてください:
🎨 より良い結果を得るための指示の設計
🧬 9. 微調整
概要:
特定のデータを用いてAIモデルをさらに学習させ、そのモデルを特化させること。
例:
法律文書を用いてモデルを学習させ、それを
法務アシスタント。次のように考えてみてください:
🏋️ 一般教育の後に専門的な訓練を受ける
🔄 10. 推論
定義:
学習済みのモデルを使用して出力を生成するプロセス。
例:
質問をする → AIが応答する → これが推論です。
次のように考えてみてください:
⚡ AIが「考えて答える」瞬間
🧠 11. エンベディング
定義:
意味を捉えたテキストの数値表現。
例:
「犬」と「子犬」は似たような埋め込みを持つ。
次のように考えてみてください:
📍 意味を表すGPS座標
🤝 12. エージェント(AIエージェント)
概要:
自律的に行動してタスクを遂行できるAIシステム。
例:
会議の予約、メールの送信、スプレッドシートの更新を行うAI。
こんなイメージ:
🧑💼 眠らないデジタルアシスタント
🔁 13. フィードバックループ
概要:
出力結果を活用して、将来のパフォーマンスを向上させること。
例:
ユーザーが回答を評価する → AIは時間の経過とともに改善される。
次のように考えてみてください:
🔄 経験から学ぶ
🤖 14. ロボティクス(AIの文脈において)
概要:
物理的な世界と相互作用する機械へのAIの統合。
例:
- 自動運転車
- 倉庫用ロボット
- 手術用ロボット
次のように考えてみてください:
🦾 身体を持ったAI
🧭 15. 自律システム
概要:
人間の介入なしに動作するシステム。
例:
ドローンが自律航行し、荷物を配達する
独自のものです。次のように考えてみてください:
🚗 自動運転の知能
📊 16. トレーニングデータ
概要:
AIモデルを学習させるために使用されるデータ。
例:
書籍、ウェブサイト、画像、動画など。
次のように考えてみてください:
📚 AIの知識を形成するもの
⚠️ 17. バイアス(AIにおける)
定義:
AIが学習データに含まれる不公平なパターンを反映してしまうこと。
例:
AIが意図せず特定の人口統計的グループを優遇してしまうこと。
次のように考えてみてください:
🪞 AIが人間の不完全さを反映している
🧪 18. マルチモーダルAI
概要:
複数の種類の入力(テキスト、画像、音声、動画)を処理できるAI。
例:
画像をアップロードし、AIにその画像を説明してもらうこと。
こんな風に考えてみてください:
👀👂 「見る」ことも「聞く」こともできるAI
🧠 最終的なメンタルモデル(覚えやすい方法)
AIシステムを学生のように考えてみてください:
- 学習データ = 勉強した本
- トークン=読んだ言葉
- コンテキストウィンドウ = 現時点で覚えていること
- プロンプト = あなたの質問
- 推論=その生徒の答え
- 幻覚 = 彼らがごまかすとき 😅
- RAG = 答える前にメモを確認する時
- エージェント = 自らタスクを遂行し始めたとき
🚀 なぜこれが重要なのか
これらの用語を理解することで、以下のことが可能になります:
- 開発者やAIチームとのコミュニケーションが円滑になる
- AIツールに関するより賢明な意思決定ができる
- 急速に進化するテクノロジー環境において先手を打つ
テクノロジー、ビジネス、さらにはガバナンス(特にデジタルトランスフォーメーションに関わる分野)に携わっている方なら
(取り組みなど)において、この語彙は急速に不可欠なものになりつつあります。











