g-kentei-kei

量子化 (Quantization) 解説：データの「解像度」を落として軽くする 量子化（クオンタイゼーション）は、AIモデルのパラメータ（重み）や計算に使われる数値の「表現精度（ビット数）」をあえて落とすことで、モデルを軽量化・高速化する...

プルーニング (Pruning) 解説：AIの「贅肉」を削ぎ落とす プルーニング（剪定：せんてい）は、学習済みのニューラルネットワークから、「結果にあまり貢献していない（重要でない）重みやニューロン」を削除して、モデルをスカスカ（疎）にする...

宝くじ仮説 (The Lottery Ticket Hypothesis) 解説：巨大モデルは「くじ引き会場」である 2018年、MITの研究者らが提唱した「宝くじ仮説」は、ニューラルネットワークの常識を覆す面白い考え方です。 通常、ディー...

蒸留 (Knowledge Distillation) 解説：名教師の「暗黙知」を受け継ぐ 蒸留（知識蒸留）は、性能は高いが計算量が巨大な「教師モデル（Teacher Model）」の知識を、軽量でコンパクトな「生徒モデル（Student ...

エッジAI (Edge AI) 解説：現場で即断即決する「端末上のAI」 エッジAIは、インターネットの向こう側にある「クラウド（巨大なサーバー）」ではなく、ユーザーの手元にある「エッジデバイス（スマホ、自動車、監視カメラ、ロボットなど）」...

説明可能AI (XAI: Explainable AI) 解説：AIの頭の中を「翻訳」する技術 説明可能AI（XAI）は、ディープラーニングなどの複雑なAIが出した答えに対して、「なぜそうなったのか」という根拠や判断プロセスを、人間が理解で...

Guided Grad-CAM 解説 Guided Grad-CAMは、「Grad-CAM」のヒートマップ（大まかな注目領域）と、「Guided Backpropagation」という手法（高解像度だがクラス識別性の低い勾配情報）を掛け合わ...

マルチモーダルAI：視覚とコトバを繋ぐ技術の最前線 解説：「目」と「耳」を同時に持つAI 人間は、目で見た情報（視覚）と、耳で聞いた言葉（言語）を脳内で瞬時に結びつけて世界を理解しています。「マルチモーダルAI」とは、まさにこの人間のように...

破壊的忘却 (Catastrophic Forgetting) 解説：AIの「上書き保存」問題 破壊的忘却（カタストロフィック・フォゲッティング）は、ニューラルネットワークが新しいタスクを学習すると、それまで覚えていた以前のタスクの知識が「...

事前学習と学習済みモデル 解説：AIの「義務教育」期間 事前学習（Pre-training）とは、AIモデルに対し、特定のタスク（例えば「犬と猫の分類」など）を解かせる前に、あらかじめ大規模なデータセット（ImageNetやWikipedi...