人工知能用語集

エージェントAIとは、単にコマンドに応答するだけでなく、コンテンツを生成し、自律的にタスクを実行し、目標を達成する高度なAIシステムを指します。これらのシステムは、推論機能、記憶機能、フィードバックループを組み合わせて、独立して行動を計画して実行します。多くの場合、さまざまなデジタルツールを活用し、学習を通じてアプローチを調整します。従来のAIとは異なり、エージェントAIは独立して動作することも、他のAIエージェントと協力して動作することもでき、複雑なタスクを完了するためにさまざまなプラットフォームやシステムと連携しながら自律的な意思決定を行うことができます。

産業の文脈では、エージェントAIには、予知保全、品質管理、在庫管理、生産プロセスの最適化など、産業運営のさまざまな側面を個別に監視、分析、制御できるAIシステムを導入することが含まれます。

人工知能（AI）とは、学習して適応する能力を持つソフトウェアを指します。AIは、入力データの意味を解釈し、要件に適応する必要があるタスクを解決できます。通常、これらは以前は自然の知能でしか解決できなかったタスクです。AIの手法にはいくつかの種類があり、適用分野、可能性、それに伴うリスクの点で大きく異なります。AIの基本原則は20世紀に開発されました。すべてのAI手法は大量のトレーニングデータを必要とするため、デジタル化とビッグデータによってこのテクノロジーの重要性が高まっています。

デジタル情報を現実世界の環境や物体に重ねることができる技術で、通常は没入型の3Dバーチャルリアリティを使用します。ARは、デジタル、ビジュアル、サウンド、その他の感覚要素を追加することで、現実世界の拡張版を可能にします。

自動運転車やドローンなど、人間の介入なしに動作できるシステム。

自動運転車やトラックなど、人間の介入なしに運転できる車両。

偏ったトレーニングデータやアルゴリズムが原因で、AIシステムで発生する可能性のある意図しない偏見や好意。

大規模で複雑なデータセット。多くの場合、（産業用）センサーによって生成されますが、企業、組織、人によっても生成されます。このデータは構造化されていない、不完全な、または正しくないことが多いため、AIを搭載していないソフトウェアでは通常、意味のある方法で処理できません。

テキストまたは音声通信を通じて人間と対話できるAI搭載プログラム。

知覚、推論、意思決定など、人間の認知プロセスを再現することを目的としたAIの一種です。

コンピューターが画像や動画などのビジュアルから情報を抽出し、理解して解釈できるようにするAIのサブセットです。

外部の攻撃者からデジタル情報を守るのに役立つ戦略、測定、ツール。AIは、サイバー攻撃の検出と防止、およびセキュリティ違反の特定と対応に使用できます。

データを分析・解釈して洞察を引き出し、情報に基づいた意思決定を行うプロセス。

関連する情報と分析を提供することにより、人間が意思決定を行うのを助けるように設計されたコンピューターシステム。

機械学習のサブセットで、複数のレイヤーを持つニューラルネットワークを使用して機械がデータから学習できるようにします。

物理的な物体やプロセスの挙動を説明する数学モデル。シミュレーション環境では、digital twin を使用して、システムのパラメータが変更された場合に現実の世界で何が起こるかをシミュレートできます。デジタルツインは、設計、製造、運用、サービスの各段階を含む製品ライフサイクル全体で使用できます。デジタルツインの視覚的表現は、実際のデジタルツインと同じように見え、動作し、現実の世界を反映し、そこで起こっていることにリアルタイムで適応します。

エッジコンピューティングは、クラウドコンピューティングとは異なり、コンピューティングとデータストレージをデータソース（「エッジ」）に近づけるシステムアーキテクチャの一種です。応答時間とデータ転送に必要なエネルギー量を削減するのに役立ちます。エッジAIシステムは、実際の実行デバイスの近くに物理的に実装できます。これらのデバイスは、クラウドに接続しなくてもAIアプリケーションを実行できます。

多くの場合、ロボットや自律走行車を使用して、現実の世界と相互作用し、ナビゲートするように設計されたAI。

偏見、プライバシー、説明責任などの問題を含む、AIの開発と利用における道徳的原則の研究と適用。

透明で説明できるように設計されたAIは、機械が特定の決定を下した方法と理由を人間が理解できるようにします。

は、複数の別々のデバイスが独自の（別の）データセットを使用して機械学習モデルをトレーニングする機械学習のトレーニング方法です。最終結果だけがネットワークの主役と共有されます。

既存のコンテンツを組み合わせて学習することで、画像、動画、音楽などの新しいコンテンツを生成するように設計されたAI。

CADソフトウェアなどのアプリケーションで、一連の制約があっても多数の設計代替案を自律的に生成する機能。AI、最適化、シミュレーションなどの技術を使用します。

Industrial AI とは、経済のバックボーンを形成する業界、つまり産業、インフラ、モビリティ、ヘルスケアにおけるAIの応用を指します。

産業基盤モデル（IFM）は、エンジニアリング、自動化、製造の「言語」を深く理解し、AIソリューションをより迅速かつ正確に展開できるように、業界固有のデータに基づいて事前にトレーニングされています。標準化された出発点を提供し、スケールメリットによって時間、資源、エネルギーを節約します。IFMは、現実世界の産業上の課題を解決するように調整されています。彼らはインダストリアルコパイロットの背後にあるインテリジェンスレイヤーとして機能し、セクター間の知識移転とコラボレーションを促進します。テキスト、画像、音声だけでなく、3Dモデル、2D図面、および業界固有の時系列データなどの他の複雑な構造（マルチモーダルLLMも参照）もサポートしています。

産業グレードのAIとは、最も要求の厳しいプロフェッショナル環境の厳しい要件と基準を満たすように設計された、信頼性が高く、安全で、信頼できる品質レベルのことです。

AI、IoT、その他の先進技術を製造業や産業に統合することを含む、第4次産業革命を表すのに使われる用語。

データ交換を可能にするセンサー、ソフトウェア、接続が組み込まれた技術デバイスのネットワーク。IoTはデジタル化とビッグデータの主要な推進力の1つです。

知識を相互に接続されたノードとエッジのグラフとして表すデータベースで、NLPや検索などのAIアプリケーションに使用されます。

GPT-3などの大量のデータでトレーニングされ、人間のようなテキストを生成するAI言語モデルの一種。

アルゴリズムと統計モデルを使用して機械が経験やデータから学習できるようにするAIのサブセット。

カメラが取り付けられた機械が視覚情報を抽出して周囲の状況を理解したり解釈したりできるようにするAIのサブセット。

マルチモーダルLLMは、テキスト、画像、音声、センサーデータなど、複数の種類のデータを同時に理解して処理できます。それらはコンピュータービジョン、自動運転車、ロボット工学などのアプリケーションに統合されています。物体認識やシーン理解を向上させ、機械が複雑な指示に従うことを可能にします。マルチモーダルLLMは、従来のLLMがテキストや音声処理に影響を与えたのと同じように、時系列、2D、3Dモデル、マシンビジョンのデータなど、業界固有のデータの処理と生成に影響を与える可能性があります。

コンピューターと人間の言語との相互作用に焦点を当てたAIのサブセット。

人間が自然なジェスチャー、スピーチ、その他の表現方法でコンピューターと対話できるようにするインターフェース。

人間の脳の構造をモデルにした機械学習アルゴリズムの一種で、データ内のパターンを認識するために使用されます。

複数のサブデバイスを構成する建物や機械の電圧と電流の変化を分析して、システム内の各デバイスの個々の寄与度を推定するプロセス。

フィジカルAIとは、環境を感知してその中で行動できる機械（ロボットなど）に人工知能を組み込むことです。人間の感覚運動サイクルに触発されたフィジカルAIは、感覚入力（3Dカメラや触覚センサーなど）を処理し、それらから制御コマンドを生成して、機械が物理的な3D環境で適応的かつ自律的に複雑なタスクを実行できるようにします。

物理情報を利用したAI（物理認識型AIとも呼ばれる）とは、物理法則をトレーニングプロセスに直接組み込む新しいクラスの人工知能手法を指します。行動を学習するために大規模なデータセットに大きく依存する従来のAIアプローチとは異なり、物理学に基づいたAIは物理ベースの制約を統合して学習を導きます。これにより、AIシステムは、現実世界の仕組みに関する既存の知識を活用して、現実世界のデータが限られている場合でも、推論して予測を行うことができます。これらのモデルは、例だけから学ぶのではなく、物理学の知識を使って、より最適で物理的に一貫したソリューションへと学習を導きます。

予測型AIは、統計分析と機械学習を活用して、機械や設備からのリアルタイムおよび過去の運用データのパターンを特定し、将来の動作を予測し、異常を検出し、潜在的な障害を予測し、メンテナンス作業を推奨できるようにします。これは、資産の健全性と信頼性を高め、計画外のダウンタイムを減らし、産業活動全体にわたるデータ主導の意思決定の迅速化に役立ちます。

AIと統計モデルを使用して、過去のデータに基づいて将来の出来事や傾向を予測します。

AIを使用して、リアルタイムのデータに基づいて、機械のメンテナンスや修理が必要になる時期を予測します。

AIを使用して欠陥を検出し、製品が品質基準を満たしていることを確認します。

機械学習の一種で、訓練を受けていないエージェントが、アクションを実行した後にシステムのペナルティや報酬を通じて戦略を学習します。

定められた倫理的および道徳的基準を満たすAIアプリケーション。

ロボットの設計、建設、操作に焦点を当てたエンジニアリングとAIの分野。

AIを使用して、テキストや音声で表現される感情や意見を分析して解釈します。

AIやその他の高度な技術を使用して発電、配電、消費を最適化する電力網。

グラフィックスプロセッシングユニット（GPU）や言語処理ユニット（LPU）対応のエッジデバイスなどの特殊なハードウェアは、産業用AIにおける新たなトレンドです。これらのデバイスはエッジで高性能の計算能力を提供し、AIアルゴリズムのリアルタイム処理を可能にします。それらの統合により、並列処理とパフォーマンスの向上が可能になり、複雑なAIタスクをより速く実行できます。このローカル処理はレイテンシーを減らし、クラウドリソースへの依存を減らすため、時間に敏感なアプリケーションにとっては非常に重要です。専用のハードウェアは高度なAIモデルもサポートしているため、洞察力の向上とパフォーマンスの向上につながります。さらに、広範なクラウドインフラストラクチャとデータ転送の必要性を最小限に抑えることでコストを削減します。

人間の音声を認識して解釈する機械の能力。

結果を予測するために、ラベル付けされた（既知の）データセットで機械学習モデルをトレーニングする学習方法。

サプライチェーン内の商品や材料の流れを最適化して、コストを削減し、効率を向上させます。AIは、プロセスの自動化、非効率性の検出、商品の品質保証、需要予測によく使用されます。

機械学習モデルのトレーニングと検証に使用される、現実世界の出来事ではなくアルゴリズムによって生成された人工データ。合成データの品質は非常に重要です。AIがトレーニング後に許容できる結果を生み出すかどうかを決定します。

機械学習モデルが、これまで知られていなかった（ラベルが付いていない）データ内のパターンやグループを発見する学習方法です。

バーチャルリアリティ（VR）は、実際の空間を再現したり、代替現実を作成したり、その2つを組み合わせたりできるデジタルレンダリングされた環境を提示します。ユーザーは、自宅、オフィス、または工場の床から仮想空間を探索することができます。