LLM– tag –

システムプロンプトは、AIの役割やルールを事前に定義する「指示の土台」です。適切に設定することで、回答のズレをなくし、特定の専門家になりきらせるなど、AIとの対話の質を根本から向上させることができます。

RLHFは、AIが生成する回答を人間の価値観に沿うよう微調整する技術です。単なる模倣（SFT）を超え、AIが「より良い回答」を自ら判断できるようにすることで、安全で有益な対話を実現します。

トランスフォーマーは、ChatGPTなどの基盤となるAIの設計図です。「Attention」という仕組みで言葉同士の関連性を同時に計算し、長い文章の文脈を正確に読み解くことを可能にしました。

ベクトルデータベースは、データの「意味」を数値化して検索する技術です。ChatGPTなどの生成AIに最新知識や社内データを与える「RAG」の核として注目されており、従来型DBでは難しい曖昧な検索を可能にします。

ディープラーニングは、人間の脳をモデルにした技術で、データから特徴を自動で抽出・学習します。従来の機械学習では難しかった複雑な判断を可能にし、生成AIや画像認識などの最先端技術を支える中核となっています。

ファインチューニングは、学習済みの汎用AIモデルを特定の用途向けに「専門家」へと調整する手法です。知識の追加よりも、振る舞いや回答形式の最適化に強みを持ち、自社専用AIの開発に欠かせません。

マルチモーダルとは、テキストや画像など種類の異なる複数のデータを統合して処理する技術です。人間の五感のように情報を多角的に捉えることで、AIによる高度な理解や判断が可能になり、ChatGPTなどの最新AIを支える中核技術となっています。

AIエージェントは、目標達成のために自ら考え、ツールを使い、自律的に行動するプログラムです。従来の「答えるだけのAI」から「タスクを完遂するAI」へと進化した、次世代の労働力としての仕組みをわかりやすく解説します。

ハルシネーションは、生成AIが事実に基づかない情報を真実のように回答する現象です。確率で言葉を繋ぐ仕組みゆえに起こる「幻覚」の正体と、実務で嘘を見抜くための具体的な対策を解説します。

RAG（検索拡張生成）とは、AIに外部の信頼できる情報を参照させて回答させる仕組みです。AI特有の嘘（ハルシネーション）を抑制し、最新情報や社内データに基づいた正確な回答が可能になります。