AI用語集──ニュースを読むのに必要な30語を、実務者の言葉で

索引ページを作りました（2026年9月17日）：用語・製品・仕組みを名前から引くならAI用語・仕組み・製品の索引（〜とは）へ。「〜とは」から始まる解説記事100本超を頭文字で並べています。

AIのニュースを読むのに必要な用語を、約30語まとめた用語集です。学術的な厳密さより「ニュースが読める・道具が選べる」実務目線で書いています。新しい用語が話題になるたびに、このページに追記していきます（更新履歴は末尾）。深掘りが必要な語は個別記事にリンクしています。

• AIニュース頻出の約30語を、実務者向けの短い言葉で解説
• 台帳型ページ：新語が出るたび追記して育てます
• 深掘りは各語のリンク先の個別記事へ

モデルの基本

LLM（大規模言語モデル）：ChatGPTやClaudeの中身にあたる、大量のテキストで訓練されたAI。次に来る言葉を予測する仕組みの積み重ねで、文章生成・要約・翻訳・コード生成などをこなす。

パラメータ：モデルの中身を決める調整値の数。「2.8兆パラメータ」のように、モデルの規模を表す単位として使われる。多いほど複雑なことを学べるが、多い＝賢いとは限らない。

トークン：AIが文章を扱う際の最小単位。日本語ではおおむね1文字〜1語が1〜数トークンになる。API料金は「100万トークンあたり◯ドル」の形で決まることが多い。

コンテキストウィンドウ：モデルが一度に扱える情報量（トークン数）。「1Mトークン」なら長編小説シリーズを丸ごと1回で読める規模。長いほど資料仕事に強い。

MoE（Mixture of Experts）：モデル内部を多数の「専門家」に分割し、処理するトークンごとに一部だけを動かす構造。巨大なモデルを比較的安く動かすための設計で、近年の大型モデルの主流。

マルチモーダル：文章だけでなく、画像・音声・動画など複数の形式を扱えること。「ネイティブマルチモーダル」は後付けでなく最初から複数形式で訓練された設計を指す。

基盤モデル：さまざまな用途の土台になる汎用モデル。この上に、各社が自分の業務向けのAIを作る。

オープンモデル／オープンウェイト：モデルの重み（訓練済みの中身）が公開され、誰でも自前で動かせるもの。「オープンソース」と呼ばれることも多いが、訓練データやコードまで公開されているとは限らない。

蒸留（ディスティレーション）：大きなモデルの能力を、小さなモデルに写し取る技術。オープンモデルが公開されると、これを土台にした小型モデルが作られやすくなる。

推論と思考

推論（インファレンス）：訓練済みモデルを実際に動かして答えを出すこと。「推論コスト」はAIを動かす運用費の話。

思考モード（リーズニング）：答える前に内部で長く考える動作。思考量を増やすほど難問に強くなるが、時間とコストがかかる。思考量を段階で選べる設定を持つモデルが増えている。

ハルシネーション：AIが事実でないことを、もっともらしく生成してしまう現象。出典の確認が必要な理由。

プロンプト：AIへの指示文。指示の書き方で出力の質が大きく変わる。

RAG（検索拡張生成）：AIが答える前に外部の資料を検索して参照する仕組み。社内文書に基づいて答えさせる用途などで使われる。

エージェント

AIエージェント：一問一答でなく、目標に向けて複数ステップの作業（調べる・作る・確認する・直す）を自律的に回すAI。定義の揺れも含めて個別記事で解説。

長時間タスク（ロングホライズン）：数時間〜数日単位の作業をやり切る能力。エージェント評価の新しい主戦場で、途中で迷子にならない持久力が問われる。

MCP（Model Context Protocol）：AIエージェントが外部ツール（カレンダー、データベース等）に接続するための共通規格。

コンピュータユース：AIが人間のように画面を見てクリック・入力し、パソコンを直接操作する能力。

フィジカルAI・ロボット

フィジカルAI：画面の中でなく、物理世界で認識・判断・行動するAI。ロボット・自動運転・工場が現場。個別記事で詳説。

ワールドモデル：言葉でなく「世界の次の状態」（物理・空間・因果）を予測するモデル。ロボットの訓練や動画生成の土台。個別記事で詳説。

デジタルツイン：現実の工場や街をデジタル空間に再現したもの。ロボットをデジタル側で訓練してから現実に持ち込む使い方が広がっている。

エッジAI：クラウドに送らず、機器そのもの（ロボット・車・スマホ）の上でAIを動かすこと。通信が不安定な現場で重要。

ビジネス・政策

ソブリンAI：国家が自国のAI基盤（計算資源・モデル・データ）を自国管理で持とうとする考え方。個別記事で詳説。

AIファクトリー：AIの訓練・運用に特化した大規模データセンターの呼び名。「工場」の比喩は、知能を生産する設備という位置づけから。

GPU：AIの訓練・推論の主役となる半導体。大量の計算を同時にこなすのが得意。供給を握るNVIDIAが業界の中心にいる理由。

API：プログラムからAIを呼び出す窓口。API料金は通常、入力と出力のトークン量で課金される。相場の読み方は料金早見表へ。

プロンプトキャッシュ：同じ内容を繰り返し送る場合に、2回目以降の入力を割引する仕組み。エージェント運用ではコストを大きく左右する。

ベンチマーク：モデルの性能を共通の問題で測るテスト。公式発表のスコアは条件（思考量・比較相手の選び方）まで見るのが読みこなしのコツ。

GEO／LLMO：AI検索（AI Overviews、ChatGPT検索など）に引用されるための最適化。Google公式は、Google検索のAI機能については「特別な最適化は不要、従来のSEOがそのまま効く」と明言している（ChatGPT検索など他社のAI検索はこの明言の対象外）。個別記事で詳説。

スケーリング則：モデル・データ・計算量を増やすほど性能が上がるという経験則。AI投資競争の背景にある考え方。

この用語集の位置づけについて

• 定義は実務目線の平易さを優先しており、研究上の厳密な定義とは異なる場合があります
• AI分野は用語の意味自体が動きます。本ページは随時更新し、大きな書き換えは更新履歴に残します

更新履歴

• 2026-07-17: 初版公開（30語）