解説
さらに詳しく解説
モデルとは
AI・機械学習における「モデル」とは、データから学習したパターンや知識を持つ数学的表現です。入力を受け取り、学習した知識に基づいて出力（予測・生成）を行います。
モデルの種類
| 分類 | 種類 | 用途例 |
|---|---|---|
| 言語モデル | GPT、Claude、Llama | テキスト生成 |
| 画像モデル | Stable Diffusion、DALL-E | 画像生成 |
| 音声モデル | Whisper | 音声認識 |
| マルチモーダル | GPT-4o、Gemini | 複数モダリティ |
モデルの構成要素
モデルの構成:
├── アーキテクチャ（構造設計）
│ ├── Transformer
│ ├── CNN
│ └── RNN
├── [パラメータ](/glossary/parameter)（学習された重み）
│ └── 数十億〜数兆個
├── ハイパーパラメータ（設定値）
│ ├── 学習率
│ ├── バッチサイズ
│ └── レイヤー数
└── 学習データ
└── 数TB〜数PBモデルサイズと性能
オープン vs クローズドモデル
| 観点 | オープン | クローズド |
|---|---|---|
| 例 | Llama、Mistral | GPT-4、Claude |
| 重み公開 | あり | なし |
| カスタマイズ | 可能 | 限定的 |
| 運用 | 自己管理 | API経由 |
| コスト | 計算資源必要 | 従量課金 |
モデルの評価指標
評価観点:
├── 精度（Accuracy）
├── 推論速度（Latency）
├── メモリ使用量
├── エネルギー効率
└── ベンチマークスコア
├── MMLU（知識）
├── HumanEval（コード）
├── MT-Bench（対話）
└── Arena Elo（総合）モデルのライフサイクル
- 設計: アーキテクチャ選定
- 学習: 大規模データで訓練
- 評価: ベンチマークテスト
- **最適化**: 量子化、蒸留
- デプロイ: 本番環境への展開
- モニタリング: 性能監視
- 更新: 継続的改善
選択の観点
- タスク適合性: 用途に合ったモデル選択
- 性能要件: 必要な精度・速度
- コスト: API料金または計算資源
- プライバシー: データの取り扱い
- カスタマイズ性: ファインチューニング可否
この用語が登場した記事(36件)
【AI論文解説】AIの「トークン」はモデルで長さが違う！コストと性能の正しい比較法
AIの利用料金や性能の基準となる「トークン」が、実はモデルごとに大きく異なることを実証し、コスト試算やモデル選定における「定説」が通用しないリスクを指摘した研究です。 この記事では、AIの「トークン」はモデルで長さが違う！コストと性能の正しい比較法の技術的ポイントと、ビジネスへの影響を解説します。
Copilot ProでOfficeが進化！中小企業が個人プランで業務効率化する方法
MicrosoftのAIツール「Copilot Pro」なら、月額3,200円でWordやExcelに最新AIを搭載できます。法人契約不要で1名から導入できるため、中小企業や個人事業主の「最初の一歩」に最適。機能の概要から具体的な使い方、法人版との違いまでわかりやすく解説します。
【製造業DX】数百万円の投資は不要！タブレット1台で始める「AI外観検査」導入ガイド
「検品の属人化」や「人手不足」に悩む町工場の経営者へ。高額な専用機や専門知識なしで導入できる、タブレット完結型のAI外観検査（gLupe）について解説します。初期投資を10分の1に抑え、良品画像1枚から始められる実践的なDX手法をご紹介します。