生成AI（Generative AI）は、文章・画像・音声・動画・プログラムコードなどを新たに生成する能力を持つAI技術の総称です。
近年は、OpenAIが提供するChatGPTをはじめとした大規模モデルの登場により、ビジネスやクリエイティブ分野での実用が急速に進んでいます。
本記事では、生成AIを正しく理解するために必要な用語を、誤解が生じやすい点に注意しながら体系的に解説します。
生成AIの基礎概念に関する用語
生成AI（Generative AI）
生成AIとは、学習したデータの分布をもとに、文章・画像・音声などの新しいデータを生成するAIを指します。
従来の機械学習では、
- 分類
- 回帰（数値予測）
- 異常検知
といった判別・予測系タスクが中心でした。
一方、生成AIは「正解を当てる」のではなく、確率的にもっともらしい新規データを生成する点が大きな特徴です。
※「創造するAI」と表現されることもありますが、厳密には学習済みデータ分布からのサンプリングであり、人間の創造性とは異なります。
学習データ（Training Data）
AIモデルがパターンや構造を学ぶために使用するデータ群です。
生成AIでは、以下のような多様なデータが用いられます。
- テキスト（Webページ、書籍、会話ログなど）
- 画像・音声・動画
- プログラムコード
学習データの量・質・偏りは、生成結果の精度やバイアスに直結します。
モデル（Model）
学習データをもとに構築された数理的構造そのものを指します。
生成AIでは、特に大規模なニューラルネットワークが使われることが多く、これを総称して「大規模モデル」と呼びます。
言語生成AI・LLM関連の重要用語
LLM（Large Language Model）
LLM（大規模言語モデル）とは、膨大なテキストデータを用いて学習された、自然言語処理に特化した生成モデルです。
特徴として、
- 文脈理解
- 要約・翻訳
- 質問応答
- 文章生成
- コード生成
などを、単一のモデルで横断的に処理できます。
パラメータ（Parameters）
モデル内部に存在する学習によって調整される数値の集合です。
一般に、パラメータ数が多いほど表現力は高まる傾向がありますが、
- 学習コスト
- 推論コスト
- 運用負荷
も同時に増大します。
性能はパラメータ数だけでなく、データ品質や学習手法にも大きく依存します。
トークン（Token）
生成AIがテキストを処理する際の内部的な処理単位です。
トークンは必ずしも単語とは一致せず、
- 単語の一部
- 文字
- 記号
などが含まれます。入力・出力のトークン数は、処理コストや制限に直接影響します。
コンテキストウィンドウ（Context Window）
モデルが推論時に参照できる入力トークン量の上限を指します。
会話履歴や長文資料を一度に扱える量は、この上限によって制約されます。
※これは「長期記憶」ではなく、あくまでその場で参照できる情報量です。
生成結果の制御と品質に関する用語
プロンプト（Prompt）
生成AIに与える入力指示文のことです。
目的、条件、出力形式を明確に指定することで、結果の品質が大きく変わります。
プロンプトエンジニアリング
望む出力を得るために、プロンプトを設計・最適化する技術や考え方です。
- 役割指定（例：「あなたはWebマーケターです」）
- 手順分解
- 制約条件の明示
などが代表的な手法です。
Temperature（温度）
生成結果のランダム性（多様性）を制御するパラメータです。
- 低い値：安定的・保守的な出力
- 高い値：多様で創造的だが、ブレやすい出力
用途に応じた調整が重要です。
ハルシネーション（Hallucination）
生成AIが、事実ではない内容を、あたかも正しいかのように生成してしまう現象を指します。
- 架空の統計データ
- 存在しない論文・制度
- 誤った専門知識
などが代表例であり、生成AI利用時の大きなリスクの一つです。
画像・音声生成AIに関する用語
拡散モデル（Diffusion Model）
主に画像生成で使われる生成モデルの一種です。
ノイズを加える過程と、それを少しずつ除去する過程を学習し、高品質な画像を生成します。
近年のテキストから画像を生成するAIでは、広く採用されています。
マルチモーダル（Multimodal）
テキスト・画像・音声・動画など、複数の情報形式を横断的に扱えるAIを指します。
近年の生成AIは、マルチモーダル化が急速に進んでいます。
実務・ビジネスで重要な用語
ファインチューニング（Fine-tuning）
既存の学習済みモデルをベースに、特定用途向けの追加学習を行う手法です。
ただし実務では、
- RAGで外部データを参照する
- プロンプト設計で対応する
といった選択肢もあり、「自社データを使う＝必ずファインチューニング」というわけではありません。
RAG（Retrieval-Augmented Generation）
外部データベースや文書を検索（Retrieval）し、その結果を入力として生成（Generation）を行う仕組みです。
- 学習時点以降の情報に対応しやすい
- 事実性を高めやすい
という利点がありますが、ハルシネーションを完全に防げるわけではありません。
あくまで「低減に役立つ手法」と理解するのが正確です。
ガードレール（Guardrails）
不適切・危険・不正確な出力を防ぐための安全設計・制御ルールの総称です。
- 出力制約
- フィルタリング
- 形式チェック
など、モデルの内外で実装されます。
以上、生成AIに関する用語についてでした。
最後までお読みいただき、ありがとうございました。
