エージェントなど必須キーワード

▶

この記事の要点

AI の基礎概念のハブページ。生成 AI（ChatGPT / Claude / Gemini 等）を理解・活用するための 11 の核心概念をまとめている。
モデル基礎は LLM（大規模言語モデル）/ Transformer（2017 年登場の土台）/ Attention（注意機構）。
表現と検索は Embedding（意味を保つベクトル化）/ トークンとコンテキストウィンドウ（処理の最小単位と上限）。
使い方の技法は Prompt Engineering / RAG（検索拡張生成）/ ファインチューニング / AIエージェント。
マルチモーダル / 生成は マルチモーダルAI / Diffusion Model（拡散モデル）。
初学者は LLM → Transformer → Attention、業務担当者は Prompt → RAG → トークン、開発者は Embedding → ファインチューニング → エージェントの順がおすすめ。

本稿は AI の基礎概念（LLM 時代の必須キーワード集）のハブページです。ChatGPT / Claude / Gemini など現代の生成 AI を理解・活用するために押さえるべき11 の核心概念をまとめています。

このページの使い方
各概念は独立して読めるが、相互に関連している初学者は LLM → Transformer → Attention の順がおすすめ業務で AI を使う担当者は Prompt → RAG → トークンから開発者は Embedding → ファインチューニング → エージェント画像・動画 AI に関わる方は Diffusion Model、対話 AI ならマルチモーダル

このページの使い方

本ページの子ページ（11 概念）

分類	概念	一言
モデル基礎	LLM (大規模言語モデル)	大量データで学習した巨大 Transformer。GPT/Claude/Gemini の本体
	Transformer	2017 年に登場した、現代 AI 全部の土台アーキテクチャ
	Attention (注意機構)	「どこに注目するか」を学ぶ Transformer の中核
表現と検索	Embedding (埋め込み)	テキスト・画像を意味を保ったベクトルに変換
表現と検索	トークンとコンテキストウィンドウ	LLM が処理する最小単位と入出力上限
使い方の技法	Prompt Engineering	指示文の設計で LLM の品質を引き上げる
	RAG (検索拡張生成)	外部知識を検索 → LLM に渡して回答
	ファインチューニング	事前学習モデルを用途特化（LoRA / RLHF）
	AIエージェント	LLM が自分で道具を使い多段タスクを実行
マルチモーダル / 生成	マルチモーダルAI	テキスト + 画像 + 音声 + 動画を統一的に扱う
マルチモーダル / 生成	Diffusion Model (拡散モデル)	ノイズ除去で画像・動画を生成する方式

概要マップ
Transformer という土台アーキテクチャがあり、その中核に Attention がある Transformer を巨大化し、大量テキストで学習したのが LLM LLM の入出力はトークン単位で計算され、コンテキストウィンドウに上限テキストや画像は Embedding でベクトル化され、類似検索や RAG の土台に LLM を使うときの第一の改善手段は Prompt Engineering 外部知識が必要なら RAG、用途特化ならファインチューニング複数手順を自律実行させるのが AI エージェント（Tool Use 経由）テキストだけでなく画像・音声・動画も扱う方向がマルチモーダル画像・動画の生成側で主流なのが Diffusion Model

概要マップ

読者像	推奨順序
AI 初学者・全体像を知りたい	LLM → Transformer → Attention → Embedding → トークン
ChatGPT 等を業務で使う担当者	Prompt Engineering → トークン → RAG → AIエージェント
RAG / 社内 QA を作る開発者	Embedding → RAG → Prompt Engineering → ファインチューニング
LLM アプリ・エージェント開発者	LLM → Tool Use → AIエージェント → RAG → ファインチューニング
画像・動画 AI 開発	Diffusion Model → マルチモーダル → Transformer
研究・論文を読みたい	Attention → Transformer → LLM → ファインチューニング