会話型AIと生成型AI

B

ボット（チャットボットも参照）

人、デジタル・システム、インターネット対応モノの間でインテリジェントな仲介役を務めるコンピューター・プログラムの略称。

ボットビルダーツール

Kore.aiのウェブベースのBot Builderは、企業がチャットボットのユースケース、チャネル、タスク、セキュリティなどをカスタマイズすることを可能にします。また、開発者が一貫したプロセスでチャットボットを大規模に設計、テスト、デプロイできるフレームワークも提供します。

ボットフレームワーク

フレームワークとは、チャットボットを構築するための基本的なビルディングブロックや汎用的な機能（ML/ NLPやダイアログビルダーのような）を提供するスケルトンのことですが、（実際のプラットフォームの機能に合わせて）ユーザーが書いたコードやその他のサードパーティのサービスを追加する必要があります。フレームワークは多くの場合、異なるベンダーの断片的なコンポーネントで構成されています。

ボット・プラットフォーム

Kore.aiのプラットフォームは、SaaSとして提供される唯一のエンタープライズグレードのチャットボットプラットフォームであり、AIリッチなチャットボットの設計、開発、導入、管理に必要なすべてのコンポーネントを企業に提供する。

ボットコネクター

ファイアウォールの内側にシステムを持つ企業にとって、ボットコネクターは、ボットで使用するためにそれらのシステム内のデータに安全にアクセスすることを可能にするツールである。

C

カジュアルAI

コーザルAIとは、変数間の因果関係を理解しモデル化できるAIの一種である。これは、一般的に変数間の統計的相関関係を見つけることに関心がある従来の機械学習とは対照的である。

チャンネル

チャネルとは、SMS、電子メール、モバイルアプリ、ウェブサイト、メッセージングアプリなど、ボットが生活することができるさまざまなコミュニケーションプラットフォームの別の言葉です。

チャットGPT

GPT-3.5の上に構築されたチャット・インターフェース。GPT-3.5はOpenAIによって開発された大規模な言語モデルで、膨大なインターネット上のテキストデータで学習され、幅広い自然言語タスクを実行するように微調整されています。例GPT-3.5は、言語翻訳、テキスト要約、質問応答などのタスク用に微調整されています。

シスコ・スパーク

シスコのオールインワン・コミュニケーション・プラットフォームであるKore.aiは、Kore.aiボットのサポート・チャネルでもあり、チャットボット開発のインテグレーション・パートナーでもある。

クラウドコネクター

オンプレミスシステムとKore.aiのクラウドベースのインフラストラクチャ間の安全なデータ交換を促進するためのブリッジとして機能する、企業ファイアウォールの背後で動作するエージェントを提供します。

コンポーネントの再利用性

開発者は、API、シノニム、タスクなど、すでにボットビルダーで構築したコンポーネントを使用し、他のボットに適用することができます。

制御性

制御可能性とは、AIシステムの意思決定プロセスを理解し、規制し、管理する能力であり、その正確性、安全性、倫理的行動を保証し、望ましくない結果の可能性を最小限に抑える。

Conversational AI

人間のような言語を理解・生成し、前後の会話を行うことができるシステムの開発に重点を置くAIのサブ分野。例顧客からの問い合わせを理解し、人間のような自然な態度で応答できるチャットボット。

カンバセーショナル・コマース

2016年にクリス・メッシーナによって作られた造語で、デジタル経済がテキストや音声ベースのインターフェースや体験によってどのように推進されるかを説明する別の方法である。

会話型UI

アマゾンのアレクサやアップルのSiriのように、グラフィカルな要素を必要としない、テキストや音声ベースのインターフェースを表す別の言い方。

コグニティブ・サービス（別名：会話型サービス、コグニティブ・サービス）

開発者がアプリにインテリジェンスを組み込んだり、AI機能を活用したチャットボットを構築したりするために使用できる、個別のAPI、SDK、サービス（Azureのようなクラウドインフラ上で実行される）の集合体。プラットフォームとは異なり、通常、各サービスや作成されたボットごとに課金される。

D

データ補強

データ補強とは、既存のデータを修正したコピーを作成することで、学習セットのサイズと多様性を人為的に増加させるために使用されるテクニックである。画像の反転、サイズ変更、明るさの調整など、細かな変更を加えることで、データセットを強化し、モデルのオーバーフィッティングを防ぎます。

データ保持

コンプライアンスやビジネス上の問題のために、組織のデータを継続的に保管すること。

ディープラーニング

データから学習するために複数の層を持つニューラルネットワークを使用するMLのサブフィールド。例深層学習モデルは、ニューラルネットワークの複数の層を通して画像を処理することにより、画像内のオブジェクトを認識することができます。

Deployment

ボットをコミュニケーションチャネルに公開し、ユーザーとエンゲージするプロセス。

決定論的モデル

決定論的モデルは、因果関係に基づいて動作し、明確な結果に到達するための特定のルールと条件のセットに従っています。

デベロッパー・エクスペリエンス（DevX）

デベロッパーエクスペリエンス（DevX）とは、開発者がソフトウェアを構築、保守、テストする際に経験することである。これは、開発者が使用するツールから、彼らが従うプロセス、彼らが働くチームの文化に至るまで、開発者のワークフローのあらゆる側面を包含する。

対話タスク

ダイアログタスクは、開発者がロジック主導のビジネスプロセスと事前に確立されたワークフローで設計する高度なタスクです。ボットは目の前のタスクを達成するために主要なリクエストインテントをキーにして、サブインテントや追加のワークフローを実行するためにそれ以上のことを行います。

Dialog Builder

Kore.aiダイアログビルダーは、デザイナーと開発者にボットとの対話のダイアログプロセス全体を操作し、GUIベースのツールで複雑なワークフローをつなぎ合わせる柔軟性を提供します。

拡散モデル

生成モデルの一種で、真っ白なキャンバスに徐々にノイズを加え、制御された方法でノイズを取り除くことによってデータを生成することを学習する。

識別モデル

データ例を分類し、ラベルを予測するモデル。例えば、ある写真が犬か猫かを識別するモデル。

E

暗号化

特に不正アクセスを防ぐために、情報やデータをコードに変換するプロセス。

エンド・ツー・エンド

Kore.aiボットプラットフォームは、チャットボット開発プロセスの初期段階から、展開、管理まで、企業を支援するすべてのコンポーネント機能を含んでいます。

企業分析

Kore.aiプラットフォーム内の中央ダッシュボードで、管理者は主要メトリクスを可視化し、詳細なレポートを引き出し、ボットの使用状況（実行タスク数、最も人気のあるチャンネル、最もアクティブなユーザー、ユーザー登録数など）を追跡できます。

エンタープライズボットストア

ボットストアは、企業がカスタムビルドされたボットにアクセスするために、選択されたユーザーグループのために設定します。

エンティティ

エンティティとは、チャットボットがユーザーのリクエストを完了するために必要な、開発者が指定するフィールド、データ、単語のことです。エンティティは、日付、時間、場所、説明、または任意の数のものである可能性があります。

エンティティ抽出

これは、Kore.aiのNLエンジンがユーザーの発話から単語を識別し、利用可能なすべてのフィールドが手元のタスクと一致することを確認するプロセスです。最初の抽出の後、チャットボットがタスクを完了するためにエンティティを必要とする場合、チャットボットはユーザーにそれを要求します。

F

よくあるご質問

チャットボットは、知識タスクを完了するために情報を引き出すために使用する主要なデータソースです。このプラットフォームは、ウェブサイトやデータベースのナレッジ、ドキュメントベースのナレッジに対応する予定です。

微調整

事前に訓練されたモデルを、より小さなデータセットで訓練することにより、特定のタスクに適応させるプロセス。例えば、すべての交差点の写真で訓練された画像分類モデルは、車が赤信号を無視していることを検出するために微調整することができます。Moveworksでは、長年にわたり企業サポートのためにLLMを微調整してきました。

財団モデル

ファウンデーション・モデルとは、大規模な言語モデルや、コンピュータ・ビジョンや強化学習モデルなどの他のタイプのモデルを含む、AIモデルの幅広いカテゴリーである。幅広いドメインやユースケースに対応し、アプリケーションを構築するベースとなるため、「基盤」モデルと呼ばれています。

フレームワーク

フレームワークとは、チャットボットを構築するための基本的なビルディングブロックや汎用的な機能（ML/ NLPやダイアログビルダーのような）を提供するスケルトンのことですが、（実際のプラットフォームの機能に合わせて）ユーザーが書いたコードやその他のサードパーティのサービスを追加する必要があります。フレームワークは多くの場合、異なるベンダーの断片的なコンポーネントで構成されています。

G

生成AI

ジェネレーティブAIモデルは、データ入力や学習データからパターンを発見することで、新しいデータを作成する。例えば、既存の出版された短編小説を分析してオリジナルの短編小説を作成する。

生成的敵対ネットワーク（GAN）

GANは強力なニューラルネットワークの一種で、学習データによく似た、見たこともない新しいデータを生成することができる。

グリップ

Kore.aiのBots Platformで構築されたチャットボット用のサポートチャンネル。

GPT Generative Pre-trained Transformer（世代的事前学習済み変圧器

GPTはGenerative Pre-trained Transformerの略。OpenAIによって開発された大規模な言語モデルのファミリーです。GPTモデルは、テキストとコードの膨大なデータセットで訓練され、テキストを生成したり、言語を翻訳したり、さまざまな種類の創造的なコンテンツを書いたり、有益な方法で質問に答えたりするのに使用できます。

グラフィック・ユーザー・インターフェース（GUI）

ボタン、画像、ウィンドウ、アイコン、メニューフォームなど、アプリやシステムと対話するための視覚的な方法。

接地

グラウンディングとは、人工知能（AI）システムを実世界の経験、知識、データに固定するプロセスのことである。その目的は、AIが世界に対する理解を深め、ユーザーの入力、クエリー、タスクを効果的に解釈して応答できるようにすることである。グラウンディングを行うことで、AIシステムはより文脈を認識できるようになり、より良い、より親和性の高い、適切な応答やアクションを提供できるようになる。

ガードレール・フレームワーク

ガードレイル・フレームワークは、責任ある倫理的な方法でAIシステムを開発・導入するための原則と実践方法のセットである。組織がAIに関連するリスクを特定・軽減し、AIシステムが社会に利益をもたらす形で使用されることを確実にするためのものである。

H

幻覚

幻覚とは、AIシステム、特に自然言語処理を扱うシステムが、提供された入力に基づいて、無関係、無意味、または不正確な出力を生成する状況を指す。この現象は、AIシステムが文脈を理解していなかったり、学習データに頼りすぎていたり、対象を正しく理解していなかったりする場合によく起こる。

ホスティング

企業はKore.aiボットプラットフォームをオンプレミスでホスティングするか、AWS経由でクラウドでホスティングするかを選択できる。

I

情報通信技術（ICT）

ICTとは、電気通信を通じて情報へのアクセスを提供する技術を指す。情報技術（IT）と似ているが、主に通信技術に焦点を当てている。これには、インターネット、ワイヤレスネットワーク、携帯電話、その他の通信媒体が含まれる。

情報タスク

情報タスクは、特定のパラメータに基づいてデータを検索したり、レポートを引き出したりし、ユーザーにとって便利で簡単に利用できる結果をすばやく返します。

インストラクション・チューニング

インストラクション・チューニングは、事前に訓練されたモデルが、望ましい操作の概要を示す一連のガイドラインや指令を提供することで、特定のタスクを実行するように適合させるアプローチである。

インターフェース

コンピュータ・システムの2つ以上の別々のコンポーネントが情報を交換するための共有境界。

インテリジェンス プラットフォーム・インテリジェンス）

Kore.aiプラットフォームを使用してAI搭載チャットボットを作成する開発者に提供されるすべての機能には、コンテキストデータの使用方法、メモリ、NLP、機械学習（教師ありおよび教師なし）、センチメント分析などが含まれます。

意図

ユーザーがチャットボットに何をさせたいかを説明する数少ない必須単語で、通常は以下のような動詞と名詞が使われます：ATMを探す、イベントを作成する、など。

K

ナレッジ・タスク

ナレッジ・タスクは、ユーザーの質問を受け、あらかじめ定義された情報のセットを照会し、営業時間や特定のポリシーに関する質問など、適切な答えを迅速に見つけます。

Kore.ai

2014年にフロリダ州オーランドで設立され、企業が様々なユースケースで会話型のインテリジェントなチャットボットを構築し、使用する ことを支援しています。 Kore.aiについてもっと知る

L

ラングオプス

言語運用は、言語エンジニアリングとも呼ばれ、言語モデルやその他のNLPテクノロジーの開発とデプロイメントを扱うコンピュータサイエンスの分野です。LangOpsエンジニアは、言語モデルが高品質のデータでトレーニングされ、スケーラブルで信頼性の高い方法でデプロイされ、実世界の問題を解決するために使用されることを保証するために働きます。

ラージ・ランゲージ・モデル（LLM）

自然言語の理解や生成タスクを実行するために、大規模なデータセットで訓練されたディープラーニングモデルの一種。BERT、PaLM、GPT-2、GPT-3、GPT-3.5、そして画期的なGPT-4など、多くの有名なLLMがある。これらのモデルはすべて、サイズ（調整可能なパラメータの数）、タスクの幅（コーディング、チャット、科学的など）、学習対象が異なります。

ライブ・エージェントのハンドオフ

チャットボットがあらゆるチャネルからの会話をシームレスに取り込み、人間のエージェントを呼び込む機能。この機能は、サービスやサポート、ITSMなどの分野で特に役立ちます。

LLMオーケストレーション

LLMオーケストレーションは、複数の大規模言語モデル（LLM）の使用を調整して共通の目標を達成するプロセスです。これは、タスクの精度やパフォーマンスを向上させたり、複雑なタスクで複数のLLMが一緒に作業できるようにするなど、さまざまな理由で行うことができます。

ローコード

ローコードとは、ソフトウェア開発における視覚的なアプローチであり、最小限のハンドコーディングによってアプリケーションの迅速な提供を可能にする。

ロジック・プログラミング

主に形式論理に基づくプログラミングの一種で、複雑なチャットボットのダイアログやワークフローを構成するブロックである。

M

マネージド・サービス・プロバイダー（MSP）

多くの場合、MSPは、定義された一連のサービスを管理し、顧客に提供する責任を負うITプロバイダーである。通常、ネットワーク・メンテナンス、ハードウェア修理、ヘルプデスク、電子メール管理、その他日常的に管理者が必要とするあらゆるサービスを提供する。MSPは、サードパーティ・プロバイダーから技術を購入する必要がある場合もあるが、その費用はMSPのサービスにバンドルされ、エンドユーザーに還元される。MSPは、より長期的な年間契約または複数年契約で運営され、その関係期間はオープンエンドである。

メモリー

ボットは行動、データ、文脈の詳細を記憶して、会話の継続性を維持し、役に立つ行動をとることができる。開発者は、ボットが情報を記憶する期間を短期記憶と長期記憶のいずれかに指定できます。

多層認証

データへのアクセスを許可する前に、ユーザーが複数の認証要素を提供する必要があるアクセス制御の方法。Kore.aiプラットフォームは、ボットアクセスのためのマルチレイヤー認証をサポートしています。

マルチモーダル言語モデル

大規模言語モデルと同様に、マルチモーダル言語モデルも大規模データセットで学習されるディープラーニングモデルの一種であるが、テキストデータのみで学習される大規模言語モデルとは異なり、マルチモーダル言語モデルはテキストデータと非テキストデータの両方で学習される。これにより、テキスト、画像、音声、動画などの複数の入力モダリティに対する応答を生成することができる。

複数のインテント

ユーザーがチャットボットに複雑なリクエストを行い、ボットが一度に2つ以上のインテントを処理し、優先順位をつける必要がある場合。

N

自然言語の曖昧さ

自然言語の曖昧さとは、単語、フレーズ、文章が複数の意味を持ちうる状況を指し、人間にとってもAIシステムにとっても、正しく解釈することが難しくなる。

自然言語生成(NLG)

自然な書き言葉や話し言葉を生成するAIのサブ分野。

自然言語トレーニング

NLリクエストを理解し処理するチャットボットの能力を向上させ、それに応じてテストを行うプロセスです。Kore.aiボットビルダーでチャットボットのボキャブラリーに同義語を追加したり、機械学習で完全な発話でトレーニングしたりすることができます。ボットのNLトレーニング方法については、How To Build A Chatbot In 5 Minutesをご覧ください。

ニューラルネットワーク

人間の脳の構造と機能にヒントを得た機械学習モデルで、相互に接続されたノードまたは "ニューロン "の層で構成されている。例手書きの数字を高い精度で認識できるニューラルネットワーク。

ノーコード

ノーコードとは、コーディングやプログラミング言語の知識を必要としない、アプリケーションの設計と利用のためのアプローチである。

Nショット・ラーニング

ゼロ／シングル／フューショット学習は同じコンセプトのバリエーションであり、新しいデータを分類し予測を導くために、ほとんど、あるいはまったく学習データを持たないモデルを提供する。ショット "は1つのトレーニング例を表します。面白い事実：GPTプロンプトでは、回答の精度を上げるために「N」個の例を求めることができます。

O

オムニチャネル（展開）

チャネルにとらわれない」（ボットがどのチャネルにも対応できることを意味する）1つのチャットボットを構築し、選択したコミュニケーションチャネルに展開するプロセス。オムニチャネルボットは、複数の場所でアクセスすることができ、チャネルをまたいで会話のコンテキストを運ぶことができます。

オープンAI

ChatGPTを開発した組織。より広く言えば、OpenAIは友好的なAIを責任を持って開発し、普及させることを目的とした研究会社です。例OpenAIのGPT-3モデルは、自然言語処理タスクで利用可能な最大かつ最も強力な言語モデルの1つです。

最適化

モデルの予測値と真の値との差を測定する損失関数を最小化するために、モデルのパラメータを調整するプロセス。例モデルの予測値と真の値との誤差を最小化するために、勾配降下アルゴリズムを使用してニューラルネットワークのパラメータを最適化すること。

P

パラメータ効率的ファインチューニング（PEFT）

PEFT（Parameter-Efficient Fine-Tuning）とも呼ばれるこのアプローチは、時間、エネルギー、計算能力などのリソースを最適化しながら、大規模なAIモデルのパフォーマンスを向上させるのに役立ちます。これを行うために、PEFTは、事前学習されたモデルの構造の大部分を維持しながら、少数の主要なパラメータを調整することに重点を置きます。

パターン

パターンとは、特定の意図や実体を示す言葉の組み合わせのこと。

パーベイシブクラウド

ユビキタス・クラウドとしても知られるパーベイシブ・クラウドは、クラウド・コンピューティングがユーザーやアプリケーションにとって透過的なほど浸透している未来のビジョンだ。パーベイシブクラウド環境では、ユーザーやアプリケーションは、基盤となるインフラを気にすることなく、いつでもどこからでもクラウドコンピューティングリソースにアクセスできるようになる。

プラットフォーム・アーキテクチャ

プラットフォームのさまざまな機能と、それらが互いにどのように作用するかを視覚的に説明するもの。

パイロット

概念実証の後の段階で、チャットボットのタスクが公開され、テストのために選ばれたユーザーグループにボットがデプロイされる。

事前トレーニング

特定のタスクに合わせてモデルを微調整する前に、大規模なデータセットでモデルをトレーニングする。例ChatGPTのような言語モデルを、言語翻訳のような特定の自然言語タスクのために微調整する前に、テキストデータの大規模なコーパスで事前トレーニングする。

確率モデル

確率論的AIモデルは、確率や尤度に基づいて意思決定を行う。

プロンプト・チェイニング・プロンプト

チェイニングは、より有益で包括的な出力を作成するために生成AIで使用されるテクニックである。これは、あるプロンプトの出力を次のプロンプトの入力に与え、プロンプトと出力の連鎖を作ることを含む。これによりAIモデルは、前のプロンプトに関する知識と理解を活用し、より適切で有益な応答を生成することができる。

プロンプトエンジニアリング

意味のあるアウトプットをもたらすインプット、すなわちプロンプトを特定する。現在のところ、LLMにはプロンプト・エンジニアリングが不可欠である。LLMは何層ものアルゴリズムが融合したものであり、その結果、動作を制御したり上書きしたりする機会が少なく、制御性が限られている。プロンプト・エンジニアリングの例としては、コピーライティング・アプリケーションを指示するためのテンプレートやウィザードのコレクションを提供することが挙げられる。

R

推論

AIの推論とは、人工知能システムが問題を解決し、批判的に考え、利用可能な情報を分析・処理することで新たな知識を創造し、さまざまなタスクや領域にわたって十分な情報に基づいた意思決定を行えるようにするプロセスである。

再帰的プロンプティング

再帰的プロンプトは、OpenAIのGPT-4のようなAIモデルがより質の高いアウトプットを生成するように導くための戦略である。これは、モデルに一連のプロンプトや質問を提供することで、以前の応答に基づいて、コンテキストとAIの理解の両方を洗練させ、望ましい結果を達成するものです。

強化学習

機械学習の一種で、モデルが環境と相互作用し、報酬や罰則によるフィードバックを受けることで意思決定を行うことを学習する。GPTは、人間のフィードバックによる強化学習を利用している。GPT-3をチューニングする際、人間のアノテーターが望ましいモデルの動作例を提供し、モデルからの出力をランク付けしました。

責任あるAI

責任あるAIとは、従業員、企業、顧客、社会全体にポジティブな影響を与え、倫理的な意図を確保し、信頼を醸成することに重点を置いて、AIシステムを構築、実装、活用するアプローチを指す。

応答フォーマット

開発者が、対話中にボットが返す応答をカスタマイズするプロセス。応答は、自然言語のみにフォーマットすることも、ボタン、フォーム、画像などのGUI要素を含めることもできます。

ロボティック・プロセシング・オートメーション（RPA）

バックエンドのIT管理業務において、手作業で時間のかかる複雑なルールベースのワークフローや機能を自動化するためのツールです。AIチャットボットと似ているように聞こえるかもしれませんが、そのニュアンスや違いはホワイトペーパー「Robotic Process Automation Software Robots & Chatbots」で説明しています：何が違うのか、何が似ているのか、そして次は？

S

SAPソリューションズ

Kore.aiによって構築されたボットは、SuccessFactors、Concur、S/4Hana、SAP Hybrisなど、SAPの最も一般的なシステムとの統合に特化しています。

センチメント分析

Kore.aiが構築したボットは、タスクをこなすだけでなく、会話を通してユーザーの気分を理解することができます。Kore.aiのNLPエンジンは、意味合い、単語の配置、修飾語に基づいてセンチメントをスコア化します。開発者は、これらのスコアを使用してカスタムフローをトリガーし、ボットとユーザーのコミュニケーションを改善したり、必要に応じて人間のエージェントを導入することができます。

シーケンス・モデリング

テキスト、音声、時系列データなどの逐次データのモデリングに重点を置く自然言語処理（NLP）のサブフィールド。例文中の次の単語を予測したり、首尾一貫したテキストを生成できるシーケンスモデル。

スマートボット

Kore.aiプラットフォーム上に構築された機能別に特化したボット群で、迅速なデプロイとTime-to-Valueを念頭に置いて設計されています。これらのボットには、バンキング、サービス＆サポート、ITヘルプデスク、コマース、セールス、SAPが含まれ、NLに対応し、AIリッチなタスクがあらかじめ設定されています。また、カスタマイズも可能です。

ソフトウェア開発キット（モバイルSDK、ウェブSDKも参照）

開発者がウェブサイトやアプリを作成したり、UIの要素をカスタマイズしたりするのに役立つツールやリソース。

スタッキング

スタッキングとは、複数のアルゴリズムを組み合わせて全体的なパフォーマンスを向上させるAIの技術である。様々なAIモデルの長所をブレンドすることで、スタッキングは各モデルの弱点を補い、画像認識や自然言語処理などの多様なアプリケーションにおいて、より正確で堅牢な出力を実現する。

教師あり学習

機械学習の一種で、ラベル付けされたデータでモデルを学習させ、新しい未知のデータについて予測を行う。例ラベル付き学習データに基づいて手書き数字の画像を分類できる教師あり学習アルゴリズム。

合成データ

合成データとは、AIシステムの学習に使用できる人工的に生成されたデータのことである。合成データは、実世界のデータが乏しい、あるいは入手が困難なタスクについてAIシステムを訓練するために使用できる。

同義語

開発者がチャットボットの同義語ライブラリに追加することで、自然言語をより幅広く正確に理解できるようになります。

T

Testing

リクエスト・チェイニング、インテントとサブインテントの認識、エンティティの抽出、会話の流れなどを、ステップ・バイ・ステップでテストします。

トークン化

テキストを個々の単語やサブワードに分割して言語モデルに入力するプロセス。例私はChatGPTです」という文章を単語にトークン化する："I"、"am"、"Chat"、"G"、"PT"。

トレーニングデータ

通常、発話という形で、以下のことを行うためにボットに供給されるデータの量。

変圧器

テキストなどの連続データを処理するために設計されたニューラルネットワークアーキテクチャの一種。例自然言語処理タスク用のChatGPTのようなモデルで使用される。

信頼できるAI

トラステッドAIとは、信頼性が高く、安全で、公正なAIシステムを開発・導入することである。

Twitter

Kore.aiのボットに対応したチャンネル。

U

使用例

チャットボットを従業員や顧客対応業務に適用するさまざまな方法。チャットボットの使用例トップ30をご覧ください。

ユニバーサルボット

他のボットと通信し、自分の代わりにタスクを完了させる力を持つボット。

非構造化データ

構造化されていないデータや文書とは、この例では、一般的にテキストが多く、自由に流れるソースを指す。このような文書やデータには、日付、数字、事実が含まれることがありますが、事前に定義されたデータモデルや構造、全体的な一貫性がありません。Bots Platformは、非構造化データに対するセマンティック検索と、非構造化ドキュメントからのボットのトレーニングをサポートします。

教師なし学習

機械学習の一種で、ラベル付けされていないデータに対してモデルを学習させ、データのパターンや特徴を見つける。例手書きの数字の類似画像を視覚的特徴に基づいてクラスタリングする教師なし学習アルゴリズム。

V

付加価値再販業者（VAR）

付加価値再販業者は、サードパーティのソフトウェアやハードウェアを、調達コンサルティング、コンフィギュレーション、カスタマイズサービスなどの組み合わせとともに、マークアップでエンドユーザーに提供する。彼らは、ライセンスごとの定額料金と請求可能な時間の組み合わせによって収益を得るが、その契約は有限である。