伴菜と美月のAI用語集
美月の「これってどういう意味？」
美月：「ねえ、ハンナ。AIの勉強をしていると『モデル』って言葉がよく出てくるんだけど、モデルって何なの？」
伴菜：「簡単に言うと、入力されたデータをもとに、予測や判断などを行うための仕組みのことなの。例えば、猫と犬の写真を見分けるAIを考えてみようか」
美月：「写真を見せるだけで、猫か犬か分かるの？」
伴菜：「そうよ。たくさんの猫と犬の写真を使って学習したモデルなら、新しい写真を見せたときに、猫なのか犬なのかを予測できるの」
美月：「へえ！ じゃあ、モデルって、見せられた写真を全部覚えているってこと？」
伴菜：「そういうわけではないのよ。学習では、写真に含まれる特徴やパターンを捉えられるように、モデルの内部にある数値を調整していくの。だから、初めて見る写真でも判断できることがあるのよ」
美月：「なるほど！ じゃあ、ChatGPTにもモデルがあるの？」
伴菜：「もちろん。ChatGPTも大規模言語モデル、つまりLLMと呼ばれる種類のモデルを使っているの。文章の続きを予測する仕組みを利用して、質問への回答や文章の作成をしているのよ」
美月：「そっか！ モデルって、AIが予測や判断をするための中心的な仕組みなんだね！」
伴菜：「そのとおり。ただし、モデルにもいろいろな種類があって、何を予測するか、どんなデータを扱うかによって仕組みも違うのよ」
図で理解しよう
学習済みのAIモデルに新しいデータを入力すると、モデルがそのデータを処理し、予測結果を出力する。
例えば、猫と犬を分類するモデルでは、次のような流れになる。
ニューラルネットワークを使ったモデルでは、入力された情報が複数の層を通じて処理され、最終的な予測結果が計算される。
ニューラルネットワークはモデルを実現する方法の一つであり、すべてのAIモデルがニューラルネットワークを使用しているわけではない。
もう少し詳しく
技術的な定義
モデル（Model）とは、入力データから予測、分類、生成などの結果を出力する数学的・計算的な仕組みです。
機械学習では、学習データを使ってモデルのパラメータを調整し、データに含まれるパターンや関係性を捉えます。学習済みモデルは、新しいデータに対して推論を実行できます。
モデルとアルゴリズムは同じではない
モデルとアルゴリズムは、似ているようで異なる概念です。
アルゴリズムとは、問題を解決するための手順や計算方法のことです。
一方、モデルは、入力されたデータから予測や判断などを行うための仕組みです。
例えば、猫と犬を見分けるAIでは、学習アルゴリズムによってモデルのパラメータを調整します。
そして、学習が終わったモデルに新しい写真を入力すると、その写真が猫なのか犬なのかを予測します。
つまり、アルゴリズムは処理の手順、モデルは予測や判断を行う仕組みと考えると理解しやすいでしょう。
学習と推論は別の処理
AIモデルを理解するうえで重要なのが、「学習（Training）」と「推論（Inference）」の違いです。
学習（Training） は、データを使ってモデルのパラメータを調整する処理です。
推論（Inference） は、学習済みモデルに新しいデータを入力し、予測や分類などの結果を得る処理です。
例えば、猫と犬の写真を大量に使ってモデルを学習させるのが「学習」です。
そのモデルに初めて見る写真を入力して、猫か犬かを予測させるのが「推論」です。
なお、モデルは必ずしも正しい結果を出すとは限りません。学習データの品質や量、モデルの構造、学習方法などによって予測精度は変わります。
関連するAI用語
- 機械学習（Machine Learning）
- アルゴリズム（Algorithm）
- 学習（Training）
- 推論（Inference）
- ニューラルネットワーク（Neural Network）
- パラメータ（Parameter）
この用語が登場する記事
美月：「モデルって、AIが学習したことを使って、新しいデータを予測したり判断したりする仕組みなんだね！」
伴菜：「そうよ。そして、モデルがどうやって学習するのかを理解すると、AIの仕組みがもっとよく分かるようになるわ。次は『学習』についても見ていこうね」
