生成AIパスポートの用語集

人の認識・推論・予測など、知的な活動をコンピューターで実現しようとする技術や仕組みです。人と同じ気持ちや意識がある、という意味ではありません。

人が判断の規則を用意し、コンピューターがその規則に従って処理する方法をルールベースと呼びます。

機械学習は、データから分類や予測に使える傾向・関係を学ぶ方法です。

教師あり学習は、入力と正解の組を使って、入力から答えを予測する関係を学ぶ方法です。

教師なし学習は、正解ラベルを与えず、データの特徴や構造を学ぶ方法です。人が何もしないという意味ではありません。

汎化は、学習に使った例だけでなく、学習に使っていない例にも対応できることです。

過学習（オーバーフィッティング）は、学習用データの細かな特徴や偶然のばらつきにまで適合し、新しい例への対応が悪くなることです。

CNN（畳み込みニューラルネットワーク）は、畳み込みという計算を使う層を持つニューラルネットワークです。

畳み込みでは、小さな範囲の数値へ重みを掛けて足し合わせます。

Attention（注意機構）は、今の出力や判断に使う情報を、どの部分からどれくらい受け取るか計算する仕組みです。

ダートマス会議と呼ばれる1956年の研究の集まりは、AIの研究史の出発点の一つとして位置付けられています。もとになる提案書は1955年に書かれ、人工知能を研究する計画が示されました。

AIの冬は、期待に対して成果や実用化が十分に伸びず、関心や期待などが冷え込んだ時期を表す言葉です。

自然言語処理は、日本語や英語など、人が使う言葉をコンピューターで解析したり生成したりする分野です。

大規模言語モデル（LLM）は、大量の言語データなどから学んだモデルです。

事前学習は、用途ごとの調整に先立って、広いデータから基礎となる表現や予測の傾向を学ぶ段階です。

ファインチューニングは、事前学習したモデルに追加のデータで学習を行い、用途に合うよう調整することです。追加学習という広い言い方でも、利用時に資料を添えるだけの処理と、学習によるパラメータの更新を分けます。

Top-pは、確率の高い候補から順に足し、合計が指定値p以上になる最小の候補集合を残す方法です。

ハルシネーションは、事実や与えた情報と合わない内容を、もっともらしい回答として生成する問題です。

誤った内容や入力に合わない内容などを、もっともらしく生成する現象。

生成AIが、事実と違う内容や入力と整合しない内容を、もっともらしく生成する現象。

ここではLLMを使うAIエージェントを、目標に向けた作業を、道具や結果の確認と組み合わせて進めるシステムとして捉えます。案を作るだけでなく、必要な情報を集め、結果を見て次の作業へ進む役割があります。

目標に向け、調査や道具による操作等を進める仕組み。

RAG（検索拡張生成）は、質問に関係する外部の資料を検索し、その内容を生成AIへ渡して回答づくりに利用する方法です。

質問に関連する外部資料を検索し、その内容を生成モデルへ渡して回答を作る構成。検索だけで網羅・算術・利用権限を保証しない。

MCP（Model Context Protocol）は、AIを組み込んだアプリから外部の資料や道具などへつなぐための共通の方式です。

最小権限の原則は、仕事に必要な最小の範囲だけを許す考え方です。

不正競争防止法は、公正な競争を守るため、一定の不正な行為を規律する法律です。同法第2条第6項の営業秘密には、秘密として管理されること（秘密管理性）、事業活動に役立つこと（有用性）、公然と知られていないこと（非公知性）の三つの要件が必要です。情報の分類だけで不正行為や処罰が決まるわけではなく、法的な救済や責任にはそれぞれ別の要件があります。

秘密保持契約は、NDA（Non-Disclosure Agreement）とも呼ばれます。情報を受け渡す当事者が、秘密として扱う対象、使用目的、開示できる範囲、期間、返還・削除などの扱いを取り決める契約です。具体的な義務や例外は実際の契約によって異なります。

作品の利用に関わる権利。複製/翻案等の権利を分けて考える。

文章・写真・音楽などの創作的表現を利用することに関わる権利。

著作者等の権利と著作物の公正な利用の関係を定める法律。

考えや感情を創作的に表現し、文章・美術・音楽等の分野に属するもの。

公表・作者名・意に反した改変等、作者の人格的な利益に関わる権利。

作品を写して増やすことに関わる権利。

元の創作的表現に基づき別の表現へ作り変えること等に関わる権利。

著作権を侵すこと。表現・経緯・利用方法・許諾/例外等を分けて検討する。

著作権を侵すこと。AI利用や無料入手だけで他人の表現を自由に使えると決めない。

既存作品の表現上の本質的な特徴を直接感じ取れるか等による着目点。

既存の著作物に基づいて作られたかということ。

一定条件で権利者の許諾なしに利用できると法が定める規定。

自分以外の者が作った文章や画像など。

自分の内容を伝えるために他人の作品を取り込んで使うこと。法の条件を確認する。

既存の文章や画像等を再掲載すること。

内容の要点を短くまとめること。名称だけで許諾不要としない。

主要な点を選び、短くまとめること。

元の創作的表現に基づいて別の表現へ作り変えること等。

法の条件を満たす職務上の著作物について法人等を著作者とする仕組み。

何を作ろうとしたか。

具体的な表現へ人がどのように創作的に関わったか。

AIを使って生成した文章や画像など。

作った人の工夫や個性が表現として現れたもの。

AI生成物が著作権法の著作物に当たるかということ。

作品を創作した者。

著作権を持つ者。著作者と異なる場合もある。

権利者などが利用を認めること。

認める利用方法や条件を定めるもの。

ソフトや素材などの利用・改変・再配布等を認める条件を定める許諾。

利用を認める方法や条件を定めた許諾。

ソフトや素材の利用・改変・配布を認める範囲と条件を示す許諾。

未公表の作品を公表することに関わる権利。

著作者名をどう表示するかに関わる権利。

作者の意に反した改変を受けないことに関わる権利。

作品の表現を味わい、その表現の価値を楽しむこと。

大量の情報を比較・分類などすること。

生成への指示。

作業の指示や、そのための材料をAIへ伝える入力。

創造的な活動から生まれるもの、商品等を示す標識、有用な秘密の情報など。権利の名称そのものと区別する。

知的財産に関して法令で定める権利や、法律上保護される利益に係る権利。

創作・発明・商品等の表示などに関わる権利の総称。

登録された目印を指定商品・サービスについて使うことに関わる権利。外形や技術の保護と一括にしない。

登録された視覚的な意匠と、それに類似する意匠の実施に関わる権利。

特許を受けた技術的な発明を業として実施することに関わる権利。

利用を認めること。認める相手・対象・方法・条件を確かめる。

権利者などが定めた範囲で利用を認めること。関与や推薦の事実とは別。

ここでは、人の姿をみだりに利用されない人格的な利益として学ぶ。個別の違法性は文脈を含めて判断する。

人の顔や姿をみだりに撮影・公表・利用されないことに関わる人格的な権利・利益。

人が個人として尊重されることに関わる利益。

氏名・肖像などの人気が商品の購入等を促す力。

肖像等それ自体の顧客吸引力という商業的価値を排他的に利用する権利。

氏名・肖像等が持つ顧客を引き付ける力の排他的利用に関わる権利。

本人が説明された利用について了承すること。具体的な説明と了承の対応を確認する。

サービスの提供元と利用者との利用条件などを定めるもの。

販売や事業広告など営利の活動に用いること。個別条件の定義も読む。

コードを見られるだけでなく、自由な再配布等の配布条件の基準も満たすソフトウェア。条件がないという意味ではない。

関係する人が判断できるよう、必要な情報を適切に提供すること。

相手の知識や影響に応じ、AIの利用・能力・限界などを理解して判断できるようにする観点。

提供元が用途・能力・限界・条件等の判断材料を示すこと。全権利の許諾や全コードの公開と同一にしない。

利用者が条件を理解するために提供元が情報を開示すること。

商標権・意匠権・特許権などの総称。

商品やサービスを区別する目印となる文字・図形等。

ここで扱う商標権・意匠権・特許権を発生させる登録。出願受付とは区別する。

出願前に知られたもの等との関係で新しいこと。自社がまだ公開していないというだけでは決まらない。

発明が、既知の技術に基づいて通常の知識で容易に考えられないこと。

ここでは本人をそのまま撮影した記録と区別し、加工・生成して作った姿の画像をいう。

人がプログラムを読み、直すための元の記述。

内容を変更すること。許諾された条件を読む。

受け取ったものを他へ配ること。表示等の条件も確認する。

受け取った素材などを、さらに他の人へ渡すこと。完成動画で使う許可と、音源単体を渡す許可は別。何が再配布に当たり何を認めるかは、対象の契約・ライセンス条件による。

学習で調整されたモデル内の数値。コードとは別のもの。

モデルの重みを入手できる形で公開することを表す呼び方。無条件利用やOpen Source AIと同義ではない。

人や社会にとって望ましいAIの扱いを考えること。適法性だけで影響の検討を終えない。

倫理的・法的・社会的な課題。重なりもある三つの視点から整理する。

AIの開発・提供・利用に関わる事業者の取組を示す指針。ここでは第1.2版を参照し、法律の義務と区別する。

人の尊厳や多様な生き方を大切にし、AIの都合だけに人を合わせない考え方。

生命・身体・財産、精神・環境への危害を生まないようにする観点。

人の身体や財産などへの危害に備え、使う条件や止める方法を考えること。

不当な差別を避け、多様な人の利用条件や事情に配慮する観点。同じ形式だけでは足りない場合がある。

異なる事情を持つ人が、不当な不利益を受けないように考えること。

個人の私生活や本人に関する情報の扱いを大切にすること。閲覧制限だけで記録の必要性まで決まらない。

情報やシステムへの不正アクセス・改変・停止などに備えること。

指針1.2では、AIに関する事実上・法律上の責任と、その責任を負うための前提条件を整える考え方。説明や記録だけに限らない。

AIの便益と限界を理解し、確かめて使う力を育てること。成果物の品質と本人の理解を分ける。

不当に競争が妨げられない環境を大切にすること。

新しい方法や組合せなどで価値を生み出すこと。無条件公開や権利確認の省略と同じではない。

新しい方法や組合せから価値を生み出すこと。

指針の用語では、最も先端的な基盤モデルや生成AIを含む先端的なシステム。人の意思や無条件の安全性を意味しない。

ここでは、欺いたり害を与えたりする意図で発信される虚偽・誤解を招く情報。意図が不明なら画面だけで断定しない。

ここでは、誤りを正しいと信じて共有するなど、欺く・害する意図なしに伝えられる誤った情報。

事実と違う情報。故意の攻撃なしでも生じる。

ここでは、事実と合っていない内容。発信の意図による区別はGA407につなぐ。

意図した相手や公開範囲とは違うところへ情報を送ってしまうこと。内容の真偽とは別の確認。

似た意見を持つ人の間で同意が反復し、考えが強まる現象。反復の回数は独立した裏付けではない。

好みや履歴に応じた情報の選別で、異なる見方に触れにくくなる状態。推薦の便益もあり、全推薦を害とはしない。

公開情報が複製・保存されて残り、再び広がる問題を表す言葉。元投稿の削除で全て消えるとは限らない。

一人ひとりが人として尊重されること。AIの分類や点数を人の価値として扱わない。

本人が情報を理解し、自分で考えて選べること。変更・別案・人への相談も実際に選べる条件を見る。

利用者への便益だけでなく、周囲の人の負担、生活や機会などに生じる変化も考えること。

人が働きや結果を確かめ、必要なら介入・修正・停止できるようにすること。名前やボタンの存在だけでは足りない。

データや判断などに生じる偏り。AIにも人の確認にも入り得る。

データ・仕組み・人の見方などにある偏り。

資料の集め方や問い、判断が一方へ偏ることをここでは指す。

入力などの指示によって、AIの振る舞いが意図しない方向へ変わる問題。漏えいだけに限定しない。

入力へ混じった指示などで、本来の依頼やルールから外れたAIの動作へ誘導すること。

説明・指摘への対応・修正判断などを誰が担い、必要な相手へどう渡すかを具体化した体制。

AIを疑わず採用したり、必要な判断や練習まで任せきりにしたりする状態。利用回数だけでは決めない。

学習・調整・利用などに伴う電力や環境への影響。一定の一回当たりCO₂量に固定しない。

処理装置、メモリ、保存領域、使用時間など、計算に使う資源。

計算に使う処理装置などの資源。データや電力、通信等とともにAIの利用基盤に関わる。

利用者だけでなく、直接・間接に影響を受ける人などの関係者。

AIの仕組みを開発する側。ここでは指針の事業者の役割を学ぶ。

AIシステムやサービスを提供する側。開発者や利用者と役割が重なることもある。

この指針では、事業の活動でAIを利用する側。一般の消費者と指針の対象を混同しない。

望ましくない事態の起こりやすさや影響から捉えるもの。

目的に照らして望ましくない影響が起こる可能性やその大きさ。

望ましくない事態の起こりやすさと影響から捉えるもの。

許された人だけが情報を扱えること。

情報などが勝手に変えられないこと。

必要なときに情報や仕組みを使えること。

データの出所や途中の判断などを、必要で合理的な範囲で後からたどれること。

幅広い用途の土台となるモデル。

様々な用途の土台として調整・利用できるモデル。特定の仕事をするアプリそのものではない。

開発、提供・利用、その後の変更などに続く一連の段階。

利用環境や能力などの違いから生じる機会の差。費用・端末・通信・支援も考える。

新たな役割などに必要な技能を学び直すこと。

新しい役割や仕事に必要な知識・技能を学び直すこと。

人が機械の答えを過信する偏り。

多くの計算を並列に扱う処理装置。

AIでは、データからモデルを調整する段階。

モデルを使って結果を得る段階。

機器がそのとき電気を使う大きさ。

一定時間に使う電気の量。消費電力と時間などから捉える。

電力を何のエネルギー源から作るかの組合せ。

二酸化炭素の排出量。電気の利用では電力量や電源構成などにも左右される。

AIの研究開発・活用を総合的・計画的に進める基本理念や計画、本部などを定める国内法。

AI法の正式名。令和7年法律第53号。

政府がAIについて総合的・計画的に進める施策の基本的な方針などを示す計画。

内閣に置かれ、AI基本計画案の作成・実施の推進、重要施策の企画・総合調整を担う本部。

AI法13条に基づき、全ての主体の自主的・能動的な適正実施を促す指針。

2023年G7広島サミットを起点とする、生成AIなどの課題について国際的に議論する枠組み。

安全・安心で信頼できるAIに向け、関係者の行動の考え方を示すもの。広島AIプロセスでは主体別の指針を区別。

広島AIプロセスで、高度なAIを開発する組織のリスク把握や安全対策等の自主的な取組を具体化する規範。

EUがAIについて対象・役割などを定めて法的なルールを設ける規則。自主規範とは効力や確認方法が異なる。

危害の大きさや起こりやすさなどに応じて、対策を考える方法。

国や人々の安全、社会を支える機能などを守ることに関わる考え方。AIはこの観点でも重要な技術。

電力、通信、水道など、社会や生活を支える重要な基盤。

日本国内での開発などを軸に捉えるAIの呼び方。国産という名だけで品質や個別利用条件を判定するものではない。

様々な用途の土台になる基盤モデルを、国内で開発する取組などに関わる語。完成済みの個別業務アプリと区別。

研究開発、現場への実装、適切な管理、活用など、AIを社会で生かす多様な役割の担い手。

障害や困難の影響を受けても、必要な機能を保ち回復させる力。

法律のような法的拘束による直接の強制によらず、指針や原則などで行動を促す規範。

情報システムやデータを不正な操作や攻撃などから守り、安全に使えるようにする取組。

内閣として行う決定。AI基本計画の決定と、本部が案を作る役割を区別する。

法として従う義務を持つ性質。自主的な指針の推奨と区別する。

AIを用いた製品等の開発・提供をしようとする者など、事業活動でAIを活用しようとする者。

欧州連合。EU AI規則の対象や役割は正式な規定に照らして確認する。

国際的な法の文書などが効力を生じること。個々の規定の適用開始日と同一とは限らない。

誰のどの行為や時点に、規定が及ぶかということ。

新しい制度へ移る際の扱いを定めるもの。

障害時にも重要な業務を続け、早期に戻すための取組。

技術を実際の場面で使える仕組みとして組み込むこと。

AIを適切に管理するための仕組み。人材の役割としても研究開発や現場への実装と区別して考える。

活動を適切に方向付けて管理する仕組み。

制度を作ったり変えたりするための案。公布済み・施行済みと同一にしない。

案などについて広く意見を求める手続。それだけで案が法律になるわけではない。

成立した法律などを公に知らせること。

法令を実際に効力あるものとして実施すること。公布と別の日や、規定ごとに別の日の場合がある。

Webページの内容が更新された日。説明される全ての制度の施行日と同一ではない。

自分が資料を取得・確認した日。制度の変更日や適用日とは別に記録する。

守るべき情報が、許されていない相手や範囲へ渡ること。

生存する個人を識別できる情報等。容易な照合や法の定める個人識別符号による場合もある。

生きている個人を記述等から識別できる情報や、個人識別符号を含む情報。他情報との容易な照合で分かる場合もある。

生存する個人に関する情報のうち、記述等で特定人を識別できるもの（容易な照合を含む）、または個人識別符号を含むもの。

生きている個人に関する情報で、記載や容易な照合で本人を識別できるもの、または個人識別符号を含むもの。

私生活上の事柄をみだりに明かされたり、干渉されたりしないことに関わる利益。

人や組織の社会的評価を傷つけることに関わる問題。犯罪や民事責任の成立は個別条件による。

商品・サービスや事業者の経済的な信用を傷つけることに関わる問題。成立要件の詳説は含まない。

投稿などをきっかけに批判や非難が大量に集まり広がる状態を指す日常語。権利侵害と同義ではない。

属性などに基づく不当な区別や不利益な扱いに関わるもの。

十分な根拠なしに、ある集団などへ一方的な見方をすること。

AI技術で作成・加工した、本人や実際の出来事らしく見える画像・動画・音声等。

別人が本人であるかのように装う行為。

実在する組織等を装ったメールやサイト等で、認証情報などをだまし取る手口。

情報窃取など不正な動作をするソフトウェア。

システムの安全性を損なうおそれのある弱点を探すこと。許可された点検と不正な悪用を分ける。

人や組織の利益を法などが守るもの。ここでは確認する利益の種類を分ける。

事実についての主張を原資料等へ照合すること。

事実に関する主張を、根拠となる資料と照らすこと。

組織などが公開や利用の範囲を制限して扱う情報。法定営業秘密の条件とは分ける。

非公開で管理する業務上の情報など。要約や整文した出力にも残る場合がある。

組織や相手との約束などにより、扱う人や渡す先を限る非公開情報。

AIへ渡す文章・画像・添付等。連携先からの読み込み範囲も含めて考える。

何をどの目的・範囲で行うかについて、本人などが了承すること。

人の信頼や焦り等を利用して、情報を聞き出したり行動させたりする手口。

知識・所持・身体的特徴という異なる種類の要素を二つ以上組み合わせる認証。

知っているもの、持っているもの、本人の特徴など、異なる種類の認証要素を組み合わせる方法。

人が対象・内容等を確かめ、決められた担当者が具体的な操作を認めること。

身体の特徴を識別用に変換した符号や法で定めた番号など。対象となる法の条件がある。

法が定める、個人を識別するための符号。詳しい分類はGA403へつなぐ。

本人を識別するための符号のうち、法令で定めたもの。

学習で得た傾向を使って応答するAIの中核。

操作しようとする人などが本人であることを確かめる手続。

読む・変更・送信等を行える操作の範囲。

誰に、どの対象への、どの操作を認めるかという範囲。

誰がどの操作や判断をしてよいかの範囲。

学習用などのデータへ不正な内容を混ぜ出力や動作をゆがめること。

学習済みのモデルへさらに学ばせること。

既に学習したモデルへ学習処理を加えること。

分類の正解などを表す印。

分類の種類を表す名前。ラベルの延べ件数と元の記録件数は分ける。

資料などを無断で書き換えること。

生成した出力を次の仕組みへ渡す前に十分に検査せず扱うこと。

用途と影響に応じて決める、確認の深さ。

調査・実施・公表した主体による元の記録など。今回の主張を支持する中身かも読む。

調査実施者、出来事の当事者、制度を定める機関などが直接示す元の資料や記録。

調査した人や組織、制度を定める機関等が直接示す元の記録や資料。一次であることと、偏りや誤記がないことは別。

前提、論理のつながり、必要な点がそろっているかを目的に照らす点検。

目的と確認した条件に合う出力を、使うと決めること。

誤りや不足を直すこと。関連する結論や条件も再確認する。

今回の目的の根拠にする案から外すこと。

自分の判断範囲を超える点を、適切な専門の人へ確かめること。

担当者が対象と根拠を実際に照らし、使えるかを判断すること。何を確認したかを分ける。

他の人や組織が持つ権利を、認められない形で損なうこと。個別の結論は条件に応じて判断する。

誤りを使ったとき、人や業務へどれほど不利益が及ぶかという大きさ。

答えや結論を出すために置かれる条件。期間・数量・必要なサービスなどをそろえる。

目的に必要な情報や手順が欠けていること。

相手や目的に合い、根拠のない意味を付け足さない言い方。丁寧さだけでは決まらない。

自分たち以外の人や組織が持つ著作権などの権利。

偏見は十分な根拠のない人や集団の決め付け、差別は不当に区別して不利益を与える扱い。

誰が見たり受け取ったりできるようにするかという範囲。

何をできるようにしたいかという到達点。

出力を何のために、何に使うか。

何の仕事のために使うかということ。

目的に合うかを確かめる観点や条件。

欠かせない条件。短さなどの希望と分ける。

満たせなければ比較する候補に残せない条件。

定められた範囲で利用などを認めること。

根拠や条件と照らして確かめること。

情報を得た元の資料。存在に加えて、今回の主張を支える内容かを見る。

根拠として参照した資料。

使った情報がどの資料や記録に基づくかを示す手掛かり。

ウェブ上の候補を探す手段。結果に出たこと自体を裏付けにはしない。

ある性質を定めた方法で確かめること。何を測ったのかを分ける。

正しいと判定した答えが、全回答に占める割合。

その目的に必要な費用の合計。基本額だけとは限らない。

あることが原因となって別の結果を生む関係。

二つの量が一緒に変わるなどの関連。因果の証明とは別。

元の量からどの割合減ったか。（元の量−後の量）÷元の量×100。

専門的な立場などから内容を確かめ、指導すること。許諾だけでその事実を確定しない。

今回の分野の知識や経験などを持つ人。回答が今回の条件を扱ったかも読む。

AIの便益と不利益を踏まえ、組織として決定・実施・確認・改善を結ぶ仕組み。

環境やリスクの変化を捉え、目標や管理の仕組みを柔軟・継続的に見直す考え方。

組織がAIを仕事へどのような条件で使うかを示すルール。

APIの呼出側の確認やアクセスの許可に使われる秘密の値。方式や権限はサービスによる。

一定の時間内に許す要求の回数や量などの制限。累積金額の上限とは別。

誰やどの仕組みが、いつ、何を利用したかなどの記録。目的に必要な内容と保護を定める。

利用、不具合、費用、ルールの実施状況などを継続して観察すること。

事故やそのおそれを連絡し、調査・共有制限・停止等を役割と権限に沿って進めること。

情報を置く場所と、それを使って計算等をする場所。工程ごとに確認する。

情報がどの接続先や仕組みを通るかという道筋。

情報を別の場所や組織等へ渡すこと。渡る先の組織や国・地域も確認する。

サービスの水準、提供者と利用側の責任や対応などの取決め。Service Level Agreement。

ISMSは情報セキュリティを組織として管理する仕組み。ISO/IEC 27001はその要求事項を定める国際規格。

サービス組織の統制を独立した監査人が検証・報告する枠組み。報告の対象・時点や期間・前提等を読む。

一つのアカウントとその認証の仕組みで複数のアプリを利用できるようにする方法。

特定の拠点や限られた利用者などに接続を絞ったネットワーク。

組織の設備でハードウェアやソフトウェア等を配置し管理する形。

大規模言語モデルを手元の機器等で動かす使い方。周辺の全機能の外部通信の有無とは別に確かめる。

誰が何を閲覧、変更、送信等できるかを管理すること。

特定の道具・アカウント・用途等の条件で渡してよい情報の範囲。

組織が定めた用途や条件で利用を認めた道具。全用途への無条件の許可ではない。

単価、利用量、累積期間、再試行等を把握し、予算や警告・停止条件を管理すること。

公開済み、社内に限る、機密性が高いなど、取扱いに応じた情報の分類。

新しい道具や使い方について、必要情報を誰へ出し、何を確認して決めるかの流れ。

学習済みモデルを使って結果を得る処理。

ソフトウェア同士が機能やデータをやり取りする窓口。

復元等に備えたデータの控え。

目的に沿って活動を管理する仕組みや手続。

公認会計士。SOC 2では独立した公認会計士事務所の報告という点を見る。

Type 1はある時点、Type 2は一定期間の報告という違い。両方とも対象や条件を読む。

利用しようとする人が本人かを確かめること。

閲覧、変更、削除、送信等の、行ってよい操作の範囲。

大規模言語モデル。ここでは配置と周辺のデータの流れを分けて考える。

アクセスなどを示す情報の値。秘密や利用範囲は方式に応じて管理する。

文章やコードをモデルで処理するときの小さな単位。

目的の実施に必要な範囲へ権限を絞ること。

提供側等でキーを使えなくすること。手元の記録の削除とは別。

利用した回数や量などに応じて生じる料金。

運用や安全に影響する事故や、そのおそれのある出来事。

変化へ柔軟に対応するという意味。確認なしに恣意的なルール変更をする意味ではない。

目的に合う結果へ近づけるため、指示・材料・条件・例の伝え方を組み立て、結果を見て改善する。

返った結果から足りない点や直す箇所を伝え、やり取りしながら依頼と成果物をよくする。

その作業の望ましい入出力見本を添えず、指示から回答を求める。

少数の望ましい入出力例を入力に添え、作業や形式の手掛かりにする。

答えまでの中間手順を例示するなどして、段階を追った処理を促す工夫。

今回の入力の指示や例を手掛かりに、作業へ合わせて応答する。通常のFew-Shotは重み更新そのものではない。

AIへ渡す指示や材料など。

AIから返るもの。

出力を使って何ができるようにしたいかという狙い。

その文章を読む相手。経験や知識に応じて説明を選ぶ。

今回の作業の基になる文章や数値など。

何の場面で使うかを理解するための事情。

その事項が決まっていること。

まだ決まっていないこと。

まだ決まっていないこと。未記入や未確認から推定せず、そう分かった場合に表示する。

正しいかどうかをまだ確かめていないこと。

正しさや状態をまだ確かめていないこと。資料にない事項は、未定だと決まったことにもならない。

どの立場や観点で作業するかを指定する。現実の資格や権限を与えることではない。

出力が満たすべき約束や制限。

ここでは出力形式。手順・箇条書き・表など結果の並べ方。

文章や値をどんな並び・形で表すか。

何をどこまで詳しく決めるかという細かさ。

文章などを決めた区分へ分けること。

決めた種類へ記録を割り当てること。種類の定義と、一件へ複数付けてよいかも決める。

入力と、その望ましい出力を対にして示す例。

今から分類結果を求める文章。正解付きの見本と別。

結果を入れる区分の名前。

その回答を作るために渡される文脈。

その時の応答や判断に使われる指示・会話・資料・道具の結果など。

学習で調整されるモデル内部の数値。

答えを出す途中で、条件の整理や計算を段階へ分けたもの。

人数分とは別に加える、余分に準備する枚数。

結果のどこが目的と合い、どこをどう変えたいかを返す情報。

丁寧、親しみやすいなど、文章から受ける調子。

内容を原資料や確認できる事実と照合すること。詳しい説明はs1-p06。

誤字・脱字・表記の不一致などを点検して直す作業として扱う。

読み手と目的に合うよう、言い方や構成を見直す作業。

見出し・表・箇条書きなど、並べ方や形式をそろえる作業。

目的に関係する重要な点を資料から取り出すこと。

意味や用件を保ち、別の言語で表す作業。

音声で話された内容を文字の記録へ変える作業。

会議の重要な内容、決定、残った課題などを記録する文書。

伝える順序を考え、画面ごとの見出し・文章・図へまとめる作業。

案を多く出す段階と、実行する案を評価する段階を分ける方法。

商品や企画の特徴を短く伝える文章。

市場や競合する商品・サービスの公開情報を集め、目的に沿って比較する調査。

複数資料を探して読み、比較・分析し、根拠を付けてまとめるAIの調査方式として使われる言葉。

問いを分け、複数資料を探して読み比べ、不足を調べ直し、根拠を示してまとめる調査の進め方として扱う。製品機能の共通仕様ではない。

SNSへ載せる文章・画像などの発信内容。SNSは利用者が投稿・共有・やり取りするインターネット上のサービス。

広告や投稿などから来た人へ、商品・企画の要点と申込み等の行動を伝える着地点のページとして扱う。

作ったプログラムやWebページを、利用する環境へ配置して動かせる状態にすること。

確認・編集の対象となる文章や構成案。下書きは完成前の案。

ブラウザーで表示・閲覧する文書や画面。

目的や動作を確かめるため、本番前に作る案や実物。

確定は決まっている、未定はまだ決まっていない、未確認は正しさや状態をまだ確かめていないこと。

丁寧さ・親しみやすさなど、文章の調子。

決めた問いへの回答から情報を集める調査。

試験や調査などで確かめて示すこと。

読者が情報を見つけ、次の場所へ進む道筋。

プログラムやページを動かす場所や設定の組合せ。

たたき台を示し、質問や別の見方を受けて、案の前提や改善点を確かめる対話。

文章や画像などの条件をもとに、学習した傾向を使って画像を作るAI。画像認識は画像内の物を分類・検出するなどの処理。作れる画像や編集機能、入力条件はモデルやサービスごとに異なる。

条件をもとに、時間の流れを持つ映像を作るAI。静止画の生成では、動画としての前後の動作まで確認したことにはならない。長さ/解像度等の現行製品の値はこの教材で保証しない。使う区間とつなぎ目を確かめる。

条件から、話し声などの音声を作るAI。音声認識/文字起こしは音から文字へ変える。音の生成全体には音楽や効果音もある。この節では読み上げる声と曲を分けて説明。特定の人の声の複製を必須とする定義ではない。

文字から読み上げる音声を作る処理。文字起こしとは処理の向きが反対。TTSを使うことと実在する人の声を再現することは別。文字が合っていても、実際の読み/区切りを照合する。音声や素材の利用条件は別に確認。

完成前に、外見や配置などを検討するための見本。見本にある外見と、実物の品質や実際の機能を試した結果は別。何を作り、どの確認を行ったかによる。呼び名だけで全て動く/全て動かないと決めない。

入力/加工/利用/公開の方法と、素材や人物に関係する権利・条件を確かめる作業。サービス規約、組織承認、著作権/商標/肖像の条件を一つにしない。具体的な法律・契約判断は個別条件による。

守ると決めた設定や内容が、素材の中や前後で矛盾しないこと。全てを同じ構図にすることではない。カメラや物の動きに合う自然な変化がある。見えない所を推測合格にせず、観測できた範囲と未確認を分ける。

素材やサービス等の利用を認める範囲や、守る事項。無償/有料/AI生成などの分類だけでは、加工や公開の許可範囲は決まらない。対象/版/用途/媒体/表示/再配布等を実際の使い方と照合。架空ライセンスを実提供元へ転用しない。

入力画像の物を分類・検出するなど、画像から情報を取り出す処理。画像を作る生成との違い。両方の処理が一つのシステムに組み込まれる場合もある。

生成は候補を作ること、編集は既存素材の一部や構成などを直す作業。作業名と、出力が必要条件を満たした結果は別。編集の一部で生成を用いる場合もあり、排他的な全製品分類ではない。

動画を構成する一枚の画像。一枚の画質と、動画全区間の動作/時間の整合は別。代表一枚だけで全体の連続性を確認済みにしない。

素材を時間順に配置した並びを、この教材ではこう呼ぶ。素材それぞれの長さの合計と、重ねた配置の最初から最後の長さは別。重なり/空白/追加区間を実際の配置から読む。特定ソフトの操作名だけで計算しない。

音声を文字などの記録へ変える処理・作業。TTSは文字から音声へ変える。文字の正しさや話者の確認などは別の点検で、認識できたことを正確さの保証にしない。

映像や展示などの内容を声で説明すること。声の自然さと、原稿に沿う名称・意味の正しさは別。速さ/区切り/映像とのつながりを、実際の音と用途で確かめる。

場面の背景に流す音楽。音楽生成と既存の許諾音源の選択は別の方法。声との重なりや始終点、聞き取りやすさと利用条件を別に確かめる。

名称などを表す図形や文字の意匠。候補を生成できたことと、商標等の利用条件を満たすことは別。見た目の評価を、権利クリアランスや量産した発色の保証にしない。

元素材をもとに、サイズ/配色/用途などに合わせた別案を作ること。同じ案内に必要な名前・対象・期間等まで変更することではない。変える項目/残す項目と、新しい媒体や用途で使える条件を確認。

画像の一部を切り取ること。主役が残ったことだけで、注意書きや意味も残ったとはいえない。実際に使う形で、必要な文字/条件/対象/否定が欠けていないか確認。

使う言語や地域に合うよう、表現や表示を調整すること。単語の翻訳や画面全体の機械的な反転だけではない。言語/地域への一般化を避け、日付/単位/位置関係など必要な意味と読める形を照合。

表記や列、値の形を、意味を保ちながら処理しやすくそろえること。

決めた条件で記録をまとめ、件数・合計・平均などを求めること。

計算結果を別の計算や元の値との照合で確かめること。

設計した順序や分岐に沿って、LLMや道具による処理を組み合わせる構成。人の確認点も設計する。

数量や測定した値などを数で表したもの。受付IDの文字列を数量として扱うこととは分ける。

表の各行の値を区切って保存する文字の形式。形式が整うことと内容が正しいことは別。

コンマで列を区切って並べるテキスト形式。

どの記録かを区別する識別子。数字の形でも、計算に使う数量とは限らない。

必要な値が記録にない状態。0や未定と自動で同じにしない。

決めた基準に照らし、同じ記録が重ねて入っていること。値が同じ別記録とは限らない。

処理や計算の基になる元の表。結果からどの行を使ったかを追えるようにする。

数が何をどれだけ表すかの基準。異なる単位は意味をそろえて計算する。

割合や平均で何を一まとまりとして割るかを表す数。

同じ意味の数値の合計を、その数値の個数で割った値として扱う。

数や関係を、図やグラフなどの見える形で表すこと。

目的に必要な部分を資料から取り出すこと。元の位置や条件も対応させる。

資料の数値が、いつの出来事や状態を表すかという期間。

資料を外へ示した日。数値が対象にする期間と同じとは限らない。

自分がその資料を確かめた日。対象期間や適用日と分ける。

修正などで区別された資料のまとまり。確認記録もその版と結ぶ。

仕事を進める工程のつながり。入力から後の工程へ影響する関係も考える。

決めた間隔で繰り返し作る報告。毎回の対象期間・原表・出典などは改めて確かめる。

人が何を見て採用するかを決める工程上の場所。材料と権限もそろえる。

関連資料の調査、コード変更の提案、許された試験、結果に応じた修正などを進める仕組み。

一つのソフトを構成するコードのまとまり。

外から見える動きを保ちながら内部の構造を整える作業。

モデルが一度の処理で扱える文脈の範囲。

AIを使うアプリと外部の資料・道具のやり取りを共通化する規格。Model Context Protocolの略。

得た結果を次の判断や修正へ戻し、再度確かめる流れ。

処理の手順や判断を記したコードをAIに作らせること。

変更内容や影響を読み、問題を探すこと。

人が使う機能を考え、作り、動きを確かめ、必要な手続きを経て使えるようにする仕事。

許された操作の範囲を定め、情報の無断閲覧や改変などに備えること。

似た材料と規則で繰り返す仕事を、決めた条件に沿って機械で進めること。

Webの画面でページを開く、入力する、ボタンを押すなどの操作。

目標を小さな作業へ分け、順番や受け渡しを明らかにすること。

コンピューターへ手順や判断の規則を伝える記述。

入力に対する表示や保存など、守る動きを定めた約束。

実際の利用場所と切り離し、試作や変更の結果を確かめる場所。

指定した条件で実際の結果を期待結果と比べる試験。

指定の入力と条件ならどうなるべきか、先に仕様から定めた結果。

入力や処理が条件に合わない状態。起きた変更は観察して確かめる。

整数や文字列など、値の扱いを決める種類。

変更する前と後の内容の違い。

実際に相手に渡すファイルや書類の一式。

状態や障害を調べるためにデータを送る処理。

コード等のファイルとその変更履歴をまとめて扱う保管場所。

ある処理が別の処理や結果を必要とするつながり。

対象の処理を呼んで使う側。

今回の判断のために実際に渡した情報。

変更後にも、これまでの機能や約束が保たれるかを確かめる試験。

記録を変更せず、現在の状態を確認すること。

申込み番号など、対象を他と区別する目印。

終わらなかった可能性のある処理を改めて試すこと。

どんな結果を観察できたら作業が済んだとするかの約束。

AIを組み込み、判断や仕事の流れを見直すこと。資料によって、組織の仕事から社会全体まで対象の幅がある。

データとデジタル技術を使って、仕事の進め方や提供する価値を変えること。

適切な知識と担当範囲を持つ人が、目的、根拠、出力、使う条件を照らすこと。

文章、画像、音声など、誰かへ伝える内容を作る仕事。

目的に必要な仕事を、許された条件で行える道具を選ぶこと。

組織が目的を果たすための仕事や作業。

特有の知識や基準が必要な分野。

医療や製造など、その組織が主に行う仕事の種類。

対象と条件を限って試すこと。

機械の種類や仕様を区別する目印。

窓口、店頭、サイトなど、組織と利用者がやり取りするところ。

内容を一般の人や対象の人たちが見られる形で出すこと。

使う目的に必要な結果の確かさ。

決めた物差しで結果を見て、目的に合うか確かめること。