最近、私はオフラインで元同僚や友人と会う機会が増えています。彼らは私が AI 関連のコンテンツを扱っていると知ると、皆とても興味を持ち、会話は自然と AI の話題になることがよくあります。
しかし、話しているうちに、ある問題に気づきました。
私は自然に Agent、Skill、MCP といった用語を使い、誰もが聞いたことがあるだろうと思い込んでいました。ところが、相手は「Agent って具体的に何？」「Skill ってどういう意味？」と聞き返してくるのです。
その瞬間、私は「知識の呪い」にかかっていたことに気づきました。ある言葉を何度も見たり使ったりしていると、自分が初めて見た時に混乱したことさえ忘れてしまうのです。
数ヶ月前の私も、これらの英語の略語に圧倒されていました。その時期、私は「初心者のための毎日の AI 基礎」を投稿し、約 30 日間、毎日一つずつ言葉を学び、よく使われる AI 用語を一つひとつ整理していきました。
最近、質問してくる人が増えてきたので、今回はさらに充実した内容にすることにしました。
私が高頻度だと考える AI 用語 66 個を厳選し、わかりやすい言葉で解説しました。 それぞれの言葉について、それが何か、どこで出会うか、そして最も覚えやすい実際のシチュエーションをお伝えします。
一度にすべてを暗記する必要はありません。一度目を通すだけで構いません。次に LLM、RAG、Agent、MCP、API、CLI といった言葉を見た時に、AI の世界でそれらがおおよそどの位置づけにあるのかがわかるようになります。
I. まずは AI と大規模言語モデルを理解する
このグループは、次の 2 つの質問に答えます。AI とは何か、そして大規模言語モデルは話すときに何を処理しているのか。この地図を理解すれば、以降の用語はぐっと理解しやすくなります。
AI とは、人間の理解、判断、予測、創造を必要とするタスクを機械に実行させることです。スマートフォンの顔認証、地図アプリの交通予測、プラットフォームの動画レコメンド、チャットボットの質問応答などはすべて AI に該当します。これは広い意味での総称であり、チャットツールはその応用の一つに過ぎません。
アルゴリズムとは、問題を解決するための明確な手順の集まりで、レシピのようなものです。レシピでは、まず野菜を切り、次にフライパンを熱し、最後に味付けをします。アルゴリズムでは、コンピュータが最初に何を読み、どのように比較し、最終的に何を出力するかを指示します。従来のアルゴリズムの多くはチャットができません。AI アルゴリズムはアルゴリズムファミリーの一部に過ぎません。
NLP は、コンピュータが人間の言語を処理できるようにする技術分野です。翻訳、要約、検索、音声認識、チャットなどはすべてこれに関連しています。口語的な質問を入力し、AI がおおよその意味を理解して回答する場合、それは自然言語処理機能を使用しています。
LLM は、膨大なテキストと計算量で学習された言語モデルで、テキストの理解と生成を専門としています。一般的なモデルやモデルファミリーとしては、OpenAI の GPT、Anthropic の Claude、Google の Gemini、そして DeepSeek や Qwen などがあります。製品とモデルを区別することが重要です。ChatGPT はあなたが開いて使用する製品であり、GPT はその背後で呼び出される可能性のあるモデルファミリーです。
SLM は、サイズが小さく、計算要件が低い言語モデルです。現在、世界的に統一されたパラメータの境界はありません。一般的な例としては、Microsoft の Phi シリーズや、Gemma、Qwen などのモデルファミリーの小規模パラメータ版があります。知識の範囲は狭いかもしれませんが、要約、分類、オンデバイスアシスタントなどの固定タスクでは、より高速で低コストであり、スマートフォンや一般的なコンピュータで実行しやすいという利点があります。
トークンとは、モデルがテキストを読み書きする際に使用する小さなチャンクです。これは、漢字一文字、英単語一つ、句読点一つと完全に一致するわけではありません。モデルは計算を行う前に、文章を多数のトークンに分割します。課金やコンテキスト容量も、多くの場合トークン単位でカウントされます。AI がテキストを処理するための「ブロック」のようなものだと考えてください。
コンテキストとは、AI が現在参照できるすべての情報であり、あなたの質問、以前の対話、アップロードされたファイル、システムルール、ツールの結果などが含まれます。医者の診察と同じで、「気分が悪い」という同じ言葉でも、年齢、症状、検査結果があるかどうかで判断が異なります。AI に提供するコンテキストが明確であればあるほど、その回答はより具体的で信頼性の高いものになります。
コンテキストウィンドウとは、モデルが一度に処理できる最大情報量で、通常はトークンで表されます。これは、限られたサイズの机のようなものです。一度に広げられる書類の数には限りがあります。コンテンツがこれを超えると、システムは切り詰め、要約、バッチ処理を行うか、以前の情報をウィンドウの外に出す必要があります。
コンテキスト長には、モデルが許可する最大トークン数と、特定のリクエストで実際に使用されるトークン数という 2 つの意味があることがよくあります。前者は机の最大面積のようなもので、後者は今回実際に広げた書類のようなものです。製品が「超長コンテキスト」を宣伝する場合、通常は最大容量を指しています。
MLLM は、テキスト以外の情報、例えば画像、音声、動画などを処理できます。冷蔵庫の写真を与えると、中の食材を認識し、テキストの要件に基づいて夕食を提案できます。会議の録音をアップロードすると、聞いた後に要点を整理してくれるかもしれません。ここでの「マルチモーダル」は、複数の形式の情報を指します。
VLM は特に視覚と言語を結びつけ、主に「画像を見て理解し、テキストで回答する」といったタスクを処理します。写真にキャプションを付けたり、グラフの内容を識別したり、スクリーンショットに基づいてボタンを見つけたりすることができます。VLM は視覚と言語の連携を重視しており、その範囲は通常、一般的なマルチモーダルモデルよりも具体的です。
MoE は、モデル内部に複数の「専門家」セットを配置し、毎回その一部だけを計算に参加させます。これは病院のトリアージのようなものです。皮膚の問題は皮膚科へ、骨の怪我は整形外科へ、というように、すべての医師が一度に診察するわけではありません。これにより、モデルの能力を拡大しながら、実行ごとに必要な計算量を制御します。
このグループを読んだ後は、次の点を区別できれば十分です。LLM は主に言語を処理し、VLM は画像と言語を結びつけ、MLLM は複数の種類の情報を処理できます。トークンはテキストブロックであり、コンテキストはモデルが今回参照できる資料です。
II. AI とチャットする際の最も一般的な用語
このグループは毎日使用されます。プロンプトはタスクの割り当てを担当し、コンテキストは資料を提供し、AI はこれらの情報に基づいて回答を生成します。
プロンプトとは、AI に与える入力全体であり、文章、質問、文書、画像などが該当します。「この契約書を 5 つのリスクに要約して」というのはプロンプトです。プロンプトは魔法の呪文のように書く必要はありません。目標、資料、制約、出力要件が明確であれば、AI は正しく動作する可能性が高くなります。
プロンプトエンジニアリングとは、プロンプトを設計、テスト、改善する方法です。これは同僚に仕事を割り当てるのとよく似ています。最初の結果が間違っていた場合、タスクが明確だったか、資料が完全だったか、フォーマットが指定されていたかを確認し、指示を調整します。その価値は、コミュニケーションエラーと手戻りを減らすことにあります。
システムプロンプトとは、AI アプリケーションの背後で設定される優先度の高いルールセットであり、アイデンティティ、トーン、能力範囲、安全性の境界を定義します。これは会社の従業員ハンドブックのようなもので、ユーザーは通常そのすべてを見ることはありません。あなたのリクエストがシステムルールと競合する場合、モデルは通常、システムプロンプトを優先します。
ユーザープロンプトとは、ユーザーが入力した現在の要件であり、チャットボックスに送信する内容です。システムプロンプトは店舗の運営ルールのようなものであり、ユーザープロンプトは「温かい飲み物を、砂糖少なめでください」のようなものです。両方が結果に影響を与えるため、同じ文章でも異なる AI 製品では異なる回答が得られる可能性があります。
指示とは、プロンプト内で AI に実行させる明確なアクションであり、要約、翻訳、比較、分類、チェックなどが含まれます。完全なプロンプトには、背景情報や制約も含めることができます。例えば、「以下のメールを読み、日付を抽出し、原文にない情報は追加しないでください」というのは、2 つの指示を含んでいます。
Markdown は、シンプルな記号を使ってテキストを整形するフォーマットです。
- # は見出しを表します。
- - はリストを表します。
- \\テキスト\\ は太字を表します。
多くの AI の出力が見やすく階層化されているのは、Markdown を使用しているからです。記事、文書、プロジェクトの説明を書く際によく遭遇します。
JSON は、プログラムで一般的に使用される構造化データフォーマットで、通常は中括弧、フィールド名、および対応するコンテンツで構成されます。これは、固定フィールドを持つ電子スプレッドシートのようなもので、人間が読むことができ、プログラムも簡単に処理できます。AI に「JSON で出力して」と依頼するのは、多くの場合、別のソフトウェアが結果を自動的に使用できるようにするためです。
会話履歴とは、現在のチャットで以前に表示されたメッセージを指します。AI が 5 分前の話題を続けられるのは、通常、アプリケーションが以前のチャット記録をモデルに再送信するためです。チャットが長くなりすぎると、初期のコンテンツは切り詰められるか要約される可能性があるため、AI が最初に言ったことを忘れてしまうことがあります。
ハルシネーションとは、AI がもっともらしく聞こえるが、実際には間違っているか存在しないコンテンツを生成することです。例えば、本のタイトル、リンク、データ、個人の経験などを捏造することです。これは、「知らない」ことを認めずに空白を埋めてしまう、言語能力に優れた人のようなものです。日付、数字、引用、重要な決定については、常に元の情報源を確認してください。
このグループで最も重要なことは次の点です。プロンプトはどのように質問するかを決定し、コンテキストは AI が参照できるものを決定し、ハルシネーションは回答がまだ検証を必要とすることを思い出させてくれます。
III. AI にデータを読ませる：RAG と検索
「AI に会社のファイルを読ませる」や「個人の知識ベースを構築する」といった記述を見かけたら、このグループの言葉に出会う可能性が高いです。全体の流れは、最初に関連資料を見つけ、次にモデルに回答させるという一文に集約されます。
RAG は、AI が回答する前に指定された資料から関連コンテンツを検索し、見つかった断片をモデルに渡して回答を整理させます。これは、教科書を持ち込める試験のようなものです。学生はまず教科書を調べ、それに基づいて回答します。RAG は捏造を減らすことができますが、間違った資料を検索する可能性もあるため、引用は依然として人間のチェックが必要です。
知識ベースとは、集中管理され、整理され、システムがクエリできるように準備された資料のコレクションです。会社の製品マニュアル、ポリシードキュメント、FAQ をまとめると、カスタマーサービス知識ベースになります。個人のメモ、記事、読書記録も知識ベースを形成できます。資料が正確で最新であるかどうかは、回答の品質に直接影響します。
検索とは、大量の資料から最も関連性の高いコンテンツを見つけることです。図書館員があなたの質問を聞いて、何万冊もある中から最も適切な 3 冊の本を持ってくるのが検索です。RAG では、モデルは通常、データベース全体を最初から読むのではなく、いくつかの断片を検索して回答します。
キーワード検索は、主に特定の単語が直接出現するかどうかを調べます。「返金期限」を検索すると、「返金」と「期限」を含むコンテンツを優先的に見つけます。この方法は高速で、製品番号、名前、固定用語を確認するのに適しています。質問のスタイルと元の表現が大きく異なる場合、回答を見逃す可能性があります。
セマンティック検索は、2 つの文章の意味が近いかどうかに重点を置きます。「これはもういらない、どうやって返品するの？」と検索すると、「返品ポリシー」というタイトルの文書も見つかる可能性があります。自然言語の質問に適していますが、理解がずれる可能性があるため、重要なシナリオではキーワード検索と組み合わせて使用されることがよくあります。
ハイブリッド検索は、キーワード検索とセマンティック検索を一緒に使用します。ID 番号や契約番号は完全一致に適しており、「経費精算の申請方法」は意味の理解が必要です。両方の結果がマージされてランク付けされ、文字通りの一致と類似した意味の両方を考慮します。多くの RAG システムが採用している方法です。
IV. Agent、ツール、MCP
これは、最近最も人気があり、しばしば最も混乱を招く言葉のグループです。友人との会話で私が最も頻繁に口にした Agent、Skill、MCP は、すべてこの章に含まれています。
まず、最もシンプルな流れを見てみましょう。
1あなたが目標を提案する2→ Agent が次のステップを決定する3→ ツールを呼び出してデータを読んだりアクションを実行したりする4→ 結果に基づいて処理を続行する5→ 人間が重要なステップを確認する
チャットボットは、主に対話を通じて質問に答えるソフトウェアです。初期のチャットボットは、固定されたキーワードに基づいて返信するだけかもしれません。現在では、多くのチャットボットが大規模モデルに接続され、より自然な回答を提供します。その焦点は依然として「あなたが質問し、それが答える」であり、通常は外部操作の長い連鎖を独立して完了することはありません。
AI アシスタントまたは Copilot は、人々がタスクを完了するのを支援する AI 製品であり、例えば、文章作成の補助、会議の整理、スプレッドシートの作成、プログラミングなどを行います。「Copilot」という比喩は覚えやすいです。観察、リマインダー、支援はできますが、ハンドルは依然として人間の手にあり、最終結果は人間が確認する必要があります。
ワークフローとは、事前に配置された一連の固定ステップです。請求書を受け取った後、最初に金額を識別し、次にそれをテーブルに書き込み、最後に経理に通知する、というのはワークフローです。各ステップは通常事前に決定されており、安定していてチェックしやすいです。Agent のように、予期しない状況に遭遇した際に柔軟に次のステップを決定することはありません。
AI Agent とは、目標に向かって次のステップを決定し、ツールを呼び出し、結果を観察し、アクションを継続できるシステムです。通常のチャットではチケットの購入方法を教えてくれます。Agent は、許可された範囲内で予約サービスを開き、フライトを照会し、情報を入力することができます。アクションを実行できるため、権限、エラー、人間による確認が非常に重要です。
Agentic AI とは、AI が継続的に計画し、ツールを使用し、マルチステップタスクを実行する能力を強調する、システムまたは設計アプローチのクラスを指します。この用語の範囲は広く、企業によって異なる名前が使用されています。「Agentic」とラベル付けされた製品を見かけたら、次の 3 つのことを引き続き質問できます。どのようなツールを使用できるか、何ステップを自律的に実行できるか、どこで人間が確認しなければならないか。
自律性とは、システムが人間の段階的な指示なしに、自ら決定し行動できる度合いを指します。ファイルのコピーを自動的に整理することは、自律性とリスクが低いです。自動的にメールを送信したり、支払いを行ったり、データを削除したりすることは、リスクを大幅に高めます。タスクが重要であればあるほど、権限を絞り、確認ポイントを追加する必要があります。
計画とは、目標を順次実行可能なステップに分解することです。旅行の準備と同様に、最初に日付を確認し、次に交通手段を確認し、宿泊施設を予約し、持ち物リストを作成します。Agent も複雑なタスクに遭遇した際に計画を立てます。優れた計画が必ずしも成功した実行を保証するわけではなく、完了した各ステップは実際の結果を確認する必要があります。
ツールとは、AI が呼び出すことができる外部機能であり、例えば、ウェブ検索、電卓、データベース、カレンダー、メールなどがあります。モデル自体は判断を担当する脳のようなものであり、ツールは手と目を与えます。ツールがなければ、モデルは既存のコンテキストに基づいて回答することしかできません。ツールに接続した後は、クエリとアクションを実行する機会が得られます。
ツール呼び出しとは、モデルが指定されたフォーマットに従ってツールを選択し、必要なパラメータを入力し、プログラムがそれを実行して結果をモデルに返すことです。これは、マネージャーがスタッフに作業指示書を記入して操作を依頼するようなものです。モデルは「何を呼び出すか」を判断する責任を負い、特定のコードがクエリ、計算、または書き込みを完了する責任を負います。
プラグインとは、ソフトウェアにインストールして機能を追加する拡張パッケージです。ブラウザは翻訳プラグインをインストールするとウェブページを翻訳できます。AI アプリケーションは、プラグインをインストールすると、ファイル、カレンダー、サードパーティサービスに接続できる可能性があります。プラグインは通常、特定の製品に依存しており、実行できる内容は、製品が提供するインターフェースと権限に依存します。
スキルとは、Agent が特定のタイプのタスクを安定して完了できるように教える、再利用可能な指示、スクリプト、リソースのセットです。これは、従業員のための標準操作マニュアルのようなものです。最初にどの資料を読むか、どのステップに従うか、結果をどのように確認するかが明確に書かれています。プロンプトは多くの場合、一度限りのタスクを解決しますが、スキルは同じタイプの作業を繰り返し実行するのに適しています。
MCP は、AI アプリケーションが外部のデータやツールに接続できるようにするオープンプロトコルです。最も適切な比喩は、AI 世界の USB-C です。以前は、すべてのツールを個別に適応させる必要がありましたが、現在は同じ接続標準に従って機能を提供できます。これは「どのように接続するか」を解決しますが、Agent のタスク目標を決定するわけではありません。
MCP Host とは、ユーザーが実際に使用する AI アプリケーションであり、例えば、デスクトップアシスタント、コードエディタ、Agent プラットフォームなどです。ユーザー、モデル、セキュリティ権限、複数の接続を管理する責任を負います。Host をコンピュータと考えてください。それは使用環境全体であり、MCP Client が存在する場所です。
MCP Client は Host 内にあり、特定の MCP Server との通信を確立および維持する責任を負います。Server が提供するツールや資料を発見し、呼び出しリクエストを送信します。コンピュータがプリンタに接続するのと同様に、この接続を管理するために内部に専用の通信チャネルが必要です。
MCP Server は、MCP 仕様に従って AI アプリケーションにツール、資料、またはプロンプトテンプレートを提供するプログラムです。名前に「Server」と付いていても、遠くにある必要はなく、自分のコンピュータ上で実行することもできます。例えば、ローカルファイル Server は、AI が許可されたディレクトリ内のファイルを読み取れるようにします。
MCP Tool とは、Server が AI に実行を要求するために提供する特定のアクションであり、例えば、天気の照会、スケジュールの作成、データベースの読み取り、メッセージの送信などがあります。各 Tool は、必要なパラメータを指定します。クエリアクションはリスクが低く、送信、削除、支払いには明確な権限と確認が必要です。
MCP Resource とは、MCP を通じて AI が読み取るために提供されるコンテンツであり、例えば、ファイル、データベースレコード、プロジェクト構造、アプリケーションの状態などがあります。これは机の上に置かれた資料のようなものであり、Tool は押すことができるボタンのようなものです。リソースが読み取り可能かどうかは、Host と Server によって設定されたアクセス権限に依存します。
MCP Prompt とは、Server が提供する再利用可能なプロンプトテンプレートであり、ユーザーが固定された方法でタスクを開始するのに役立ちます。これは、事前にインストールされたテーブルテンプレートのようなもので、入力するフィールドとタスク構造を配置します。自動的にアクションを実行するわけではなく、ユーザーが選択し、モデルが処理する必要があります。
メモリとは、システムが保存し、後で再利用する情報であり、現在のチャットの要約、ユーザーの好み、履歴タスク、長期的なデータなどが含まれます。AI が「あなたを覚えている」場合、通常はこの情報が保存され、後続の対話でモデルに再度提供されることを意味します。メモリはエクスペリエンスに影響を与え、プライバシーと削除方法にも注意が必要です。
Human in the loop とは、重要なステップを人間がチェック、選択、または承認しなければならないことを意味します。AI は返金リストを整理し、ドラフトを作成できますが、実際の送金は経理が確認します。これにより、AI のスピードを活用しながら、情報不足や誤った判断による取り返しのつかない結果を回避できます。
マルチエージェントとは、複数の Agent を連携させることです。例えば、1 つはデータを取得し、1 つは記事を起草し、1 つは引用をチェックします。これはプロジェクトチームのようなものです。分業が合理的であれば、複雑なタスクを並行して処理できます。ただし、メンバーが増えると、コミュニケーション、重複作業、エラーの伝播も増加するため、Agent の数が多ければ良いというわけではありません。
A2A とは、Agent 間でタスク、ステータス、結果を交換するための通信方法を指します。MCP は Agent がツールやデータに接続する方法に重点を置いていますが、A2A はある Agent が別の Agent にタスクを引き継ぐ方法に重点を置いています。前者を「デバイスの接続」、後者を「同僚間の作業の引き継ぎ」と考えてください。
Computer Use とは、AI が画面を観察し、マウスを動かし、クリックし、タイピングすることでソフトウェアを操作できるようにすることです。これは、専用の API がなくてもウェブアプリケーションやデスクトップアプリケーションを使用できるリモートオペレーターのようなものです。インターフェースの変更により、間違った場所をクリックする可能性があります。支払い、削除、送信メッセージには人間の確認が必須です。
サンドボックスとは、プログラムの活動範囲を制限する隔離された環境です。これは、子供が遊ぶための柵で囲まれた砂場のようなものです。試すことができ、問題が発生しても重要なファイルやシステムに影響を与えません。Agent にコードを実行させたり、ファイルをダウンロードさせたり、プロジェクトを変更させたりする場合、サンドボックスは影響範囲を減らしますが、すべてのセキュリティチェックに代わるものではありません。
この章については、次の一文だけ覚えておいてください。Agent は決定と行動を担当し、Tool は特定の機能を提供し、Skill はその方法を教え、MCP は AI と外部機能の接続を担当します。
V. AI チュートリアルで出会うコンピュータ用語
これらの言葉はすべて AI 分野が発明したわけではありませんが、Agent、自動化、ローカルモデルについて学ぶ際によく登場します。これらを理解できれば、多くのチュートリアルが外国語のようには感じられなくなります。
API とは、ソフトウェアが合意に従って通信するためのエントリポイントです。レストランで厨房に侵入する必要はなく、ウェイターを通じて注文するだけです。API はソフトウェア世界のウェイターのようなもので、あなたのリクエストをバックエンドに伝え、結果を持ち帰ります。天気アプリ、決済サービス、大規模モデルはすべて、API を通じて他のプログラムから呼び出すことができます。
API Key とは、プログラムがサービスにアクセスする際に使用される秘密の認証情報であり、誰が呼び出しているかを識別し、使用制限や課金に関連付けられることがよくあります。これは銀行カードの暗証番号のようなもので、入手した人は誰でもあなたのクォータを消費できます。完全な Key を公開コード、スクリーンショット、チュートリアル、グループチャットに配置しないでください。
SDK とは、プラットフォーム向けのアプリケーションを開発する際に一般的に使用される、コード、指示、例、ツールのコレクションです。API が「注文方法」を教えるのに対し、SDK はメニュー、調理器具、デモ料理を準備し、開発者が多くの基本コードを書く手間を省きます。異なるプログラミング言語には、通常、独自の SDK があります。
CLI とは、テキストコマンドを入力してコンピュータを操作するためのインターフェースです。グラフィカルインターフェースでは「新しいフォルダ」をクリックしますが、CLI では同じことを行うためにコマンドを 1 行入力します。黒いウィンドウのように見えますが、実際には別の操作方法に過ぎません。AI オープンソースツールのインストールと実行には、CLI がよく使用されます。
ターミナルとは、コマンドが表示され入力されるウィンドウのことです。Mac の「ターミナル」や Windows Terminal などが該当します。これは、あなたとコンピュータの間のチャットウィンドウのようなもので、CLI コマンドがコンピュータに送信するメッセージに相当します。ターミナルはウィンドウであり、CLI はテキストで操作する方法です。この 2 つは一緒に使われることがよくあります。
リポジトリ（よく Repo と略されます）とは、プロジェクトのファイルと変更履歴を一元的に保存する場所です。バージョン記録付きのプロジェクトフォルダのようなもので、コード、説明書、画像、設定などを置くことができます。「Repo をクローンする」と言われたら、通常はこのプロジェクトとその履歴を自分のコンピュータにコピーすることを意味します。
Git は、ファイルのバージョン変更を記録するためのツールです。どの内容が誰によって変更されたか、また異なる段階のバージョンを保持することができます。これは、文章を書くときに毎回保存するようなものですが、より体系的です。Git はローカルで動作し、常にオンラインである必要はなく、GitHub とは異なります。
GitHub は、Git リポジトリをホストし、複数人でのコラボレーションをサポートする Web サイトです。開発者はここでコードを公開し、説明を書き、問題を報告し、共同でプロジェクトを修正します。Git はバージョン管理ツールであり、GitHub はオンラインホスティングとコラボレーションを提供するプラットフォームです。AI のオープンソースツールを学ぶときは、まず GitHub のリンクから始めることがよくあります。
初めて CLI を見るときは、緊張しないでください。コマンドをコピーする前に、それが何かを読み取り、変更、削除、またはアップロードするかどうかを確認し、重要なファイルが関係する場合は、コピーを使って練習してください。
VI. ローカルモデルとハードウェアに関する一般的な用語
このグループの単語を詳しく見る必要があるのは、自分のコンピュータでモデルを実行する準備ができたときだけです。普段オンラインの AI 製品を使っているなら、大まかな意味がわかれば十分です。
ローカルデプロイメントとは、モデルやプログラムを自分のコンピュータ、スマートフォン、または会社のマシン上で実行することです。データは外部のサービスを経由する量が減り、オフラインでも使用できます。ただし、インストール、アップデート、パフォーマンス、セキュリティは自分で管理する必要があります。データ管理を重視する人や、固定された環境が必要な人に適していますが、それが自動的に絶対的に安全であることを意味するわけではありません。
クラウド API とは、モデルがサービスプロバイダーのリモートサーバー上で実行され、ユーザーがネットワーク経由でリクエストを送信し結果を受け取る方式です。これは、レストランに行って注文するようなもので、自分でコンロや食材を買う必要がなく、始めやすい反面、ネットワーク、価格、呼び出し制限、プラットフォームのルール、データポリシーの影響を受けます。
オープンソースとは、通常、ソースコードが特定のライセンスの下で公開され、ライセンスで許可された範囲内で他の人が閲覧、修正、配布できることを意味します。公開ダウンロードできるからといって、自由に商用利用できるわけではありません。ライセンスによって要件は大きく異なります。「オープンソース AI」とあっても、コード、データ、重みのどの部分が実際に公開されているかを確認する必要があります。
オープンウェイトとは、モデルトレーニング後のパラメータをダウンロードできる状態を指し、ユーザーは自分のデバイスで実行したり、さらに調整したりする機会を得られます。トレーニングデータ、完全なトレーニングコード、および商用利用権は必ずしも同時に公開されるわけではありません。したがって、オープンウェイトと完全なオープンソースは別物であり、具体的にどのように使用できるかはモデルライセンスによります。
GPU は元々グラフィック処理に優れていましたが、大量の類似した計算を同時に実行するのにも非常に適しているため、AI モデルのトレーニングと実行に広く使用されています。これは、問題を並行して解決できる大勢の人々のようなものです。ローカルモデルを実行するためにコンピュータを購入する場合、GPU モデルとビデオメモリ容量は、通常のオフィス用途よりも重要になることがよくあります。
VRAM は、GPU 自体が使用する高速メモリであり、動作中にモデルの重みと中間データを配置する必要があります。モデルは大きなブロックセットのようなもので、VRAM はテーブルの天板のようなものです。天板が小さすぎるとブロックが収まらず、モデルの読み込みに失敗したり、より遅くて省スペースな方法を使用する必要が生じる可能性があります。
モデル名にある 7B や 70B は、通常、約 70 億または 700 億のパラメータを表します。パラメータは、モデルがトレーニング後に学習した膨大な内部数値と考えることができます。数値が大きいほど、通常はより多くのメモリと計算リソースを必要とします。これは直接的に能力が高いことを意味するわけではなく、トレーニングの質や特定のタスクも同様に重要です。
VII. たった 10 の単語だけ覚えるなら
66 個の単語をすべて覚える必要はありません。初めて読んだ後は、まずこの 10 個を覚えてください：
- AI: 理解、判断、予測、または創造を必要とするタスクを機械に処理させること。
- LLM: 言語の理解と生成を担当する大規模モデル。
- Token: モデルがテキストを読み書きするときに使用する小さなチャンク。
- Context: 今回モデルが参照できる情報。
- Prompt: AI に与える要件と資料。
- Hallucination: AI が誤った内容を非常に現実的に聞こえるように生成すること。
- RAG: 指定された資料からまず検索し、その後回答を整理すること。
- Agent: 目標に向かって継続的に決定し行動できるシステム。
- MCP: AI を外部データやツールに接続するオープンプロトコル。
- CLI: テキストコマンドでコンピュータを操作するためのインターフェース。
数ヶ月前、私も 1 日 1 単語を理解することから始めました。今日 66 個すべてを覚える必要はありません。次に Agent、Skill、MCP を見たときに、頭の中に大まかなイメージが浮かべば、この辞書はすでにその役割を果たしています。
今後、見慣れない略語に出会ったら、まずそれがどのカテゴリに属するかを尋ねてみてください：モデル、対話、データ、エージェント、インターフェース、それともハードウェア？ 単語をこれらの 6 つの引き出しに戻すことができれば、ほとんどの AI 記事ははるかに読みやすくなります。
著者について
