2472件の用語
ML Platform。Kubeflow 1.10 (CNCF・k8s)・Metaflow (Netflix・Outerbounds Cloud)・Flyte 1.14 (Union AI・Workflow)・Airflow 2.10 (Workflow)・Prefect 3 (Modern Orchestration)・Dagster 1.9・MLflow 2.18・SageMaker AWS・Vertex AI GCP・Azure ML・Determined AI HPE・Polyaxon・Valohai・¥0 OSS-¥¥¥¥¥¥/月、2026年Flyte+Metaflow急成長。
ML Lifecycle管理OSS(Databricks発・2018-)。MLflow 3.0(2025年Q4・LLM Ops統合・Deep Learning 2.0)・Tracking・Models・Registry・Projects・Evaluate・AI Gateway・Prompt Engineering UI対応、W&B/Neptune/Comet競合、2026年LLMOps用途拡大。
Machine Learning Research Milestone 15年史 2010-2026。ImageNet (2009 Fei-Fei Li Princeton→Stanford・1500万 Image+22000 Class Dataset公開)+ILSVRC ImageNet Challenge (2010-2017)・AlexNet (2012年9月30日 Alex Krizhevsky+Ilya Sutskever+Geoff Hinton Toronto・GPU NVIDIA GTX 580 ×2・Top 5 Error 15.3%・Deep Learning革命起点)→VGGNet (2014 Oxford 19 Layer)→GoogLeNet Inception (2014 Google)→ResNet (2015 Kaiming He Microsoft・Skip Connection 152 Layer・ImageNet Top 3.57%人間超え)→DenseNet→EfficientNet・Generative Adversarial Network GAN (2014年6月 Ian Goodfellow・Generator+Discriminator)→DCGAN+CycleGAN+StyleGAN+StyleGAN3 (2021 NVIDIA)・Variational Autoencoder VAE (2013 Diederik Kingma・Auto-Encoding Variational Bayes)・Word2Vec (2013 Mikolov Google)・GloVe (2014 Stanford)・Sequence to Seq+Attention (2014 Bahdanau)・Transformer (2017年6月12日 Vaswani+Polosukhin Google・Attention Is All You Need NeurIPS論文・Encoder-Decoder)・BERT (2018年10月 Google・Bidirectional・Pre-training+Fine-tuning Era)・GPT-1 (2018 OpenAI 1.17億 Param)→GPT-2 (2019 1.5B Too Dangerous to Release)→GPT-3 (2020年5月 175B Param・Few-shot+ChatGPT 2022年11月)→GPT-4 (2023年3月 Multimodal)・AlphaGo (2016年3月 DeepMind vs Lee Sedol 4-1)+AlphaZero (2017)+MuZero+AlphaFold 2 (2021タンパク質構造予測)・DALL-E (2021)+CLIP+Stable Diffusion (2022年8月 LMU Munich・Open Source LDM)・LLaMA (2023 Meta Open Weight)+LLaMA 2/3/4 (2024-25)・Mixtral MoE+Mistral (2023-24)・Sora Video Gen (2024 OpenAI)+Veo 3 (2024 Google)・Gemini Ultra/Pro/Flash (2023-24)+Claude 3.5 Sonnet+Opus (Anthropic 2024-25)・GPT-5 (2025年8月)+Claude 4 Sonnet 4.5/4.6/4.7 Opus 4.7 (2025-26)・¥0 OSS-¥¥¥¥¥¥¥¥¥¥/Token API 2026。
Mixture of Experts・エキスパート混合モデル。GPT-5/GPT-4o(1.8T total/280B active推定)・Mixtral 8x22B・DeepSeek V3(671B/37B active)・Llama 4 Maverick 400B/17B active・Grok 3・Qwen3-235B-A22B・Kimi K2が2026年代表、選択活性化で計算効率3-10x向上。
LLM疎活性化専門家混合アーキテクチャ。Mixtral 8x22B/8x7B・DeepSeek V3/R1(671B・37B active)・Qwen3-235B-A22B・Llama 4 Maverick(400B・17B active)・Grok-2・GLM-4.5 MoE・Switch Transformer派生、全パラ推論不要で2026年Frontier LLM定番、expertルーティング+負荷分散最適化。
Sparse MoE モデルの学習・推論時にエキスパート間のトークン割り当てを均等化する手法群の総称。負荷の偏りはエキスパート崩壊や計算資源の無駄遣いを引き起こすため、補助損失やキャパシティ制約で制御する。
MoEエキスパート並列（Expert Parallelism / EP）は、Mixture-of-Expertsモデルの各エキスパートを異なるGPU/アクセラレータに分散配置し、トークンをAll-to-All通信で適切なGPUに転送して処理する並列化手法である。データ並列やテンソル並列と組み合わせた3D/4D並列化が大規模MoEモデルの学習・推論に不可欠な技術となっている。
MoEゲーティングネットワーク（ルーター）は、Mixture-of-Expertsモデルにおいてトークンの隠れ表現から各エキスパートへの割り当てスコアを計算する小規模なニューラルネットワークである。線形変換＋Softmax方式が基本形で、Top-Kフィルタリングによりスパース活性化を実現する。
MoEスパース活性化とは、Mixture-of-Expertsモデルにおいて全エキスパートのうち一部（Top-K）のみを各トークンの処理に使用する計算方式である。総パラメータ数に対して実際の演算量（FLOPS）を大幅に削減でき、Mixtral 8x7Bでは8エキスパート中2つのみの活性化で推論コストを約1/4に抑制している。
MoEルーティングメカニズムは、Mixture-of-Expertsモデルにおいて各入力トークンをどのエキスパートに割り当てるかを決定する仕組みである。ゲーティングネットワークがトークンの隠れ表現からルーティング確率を算出し、上位K個のエキスパートを選択して出力を加重合成する。
MLLMが生成する表現力豊かな指示でDiffusionモデルを誘導する画像編集手法（MLLM-Guided Image Editing）。Apple ResearchとUCSBが2024年発表。曖昧な自然言語指示をMLLMが詳細な視覚表現に変換し、より正確な画像編集を実現する。
LLMの推論過程にMonte Carlo Tree Search（MCTS）を適用し、複数の推論経路を木構造で探索・評価して最良解を選択するTest-Time Compute手法。
Anthropic MCP Model Context Protocol。MCP 1.0 (Anthropic 2024-11 OSS)・JSON-RPC 2.0 ベース・Stdio/SSE/HTTP+SSE Transport・Server Side Tool/Resources/Prompts・Client (Claude Desktop/Cursor/Windsurf/Cline)・Server SDK (TypeScript/Python/Java/Kotlin)・MCP Server一覧 (filesystem・github・slack・PostgreSQL・Memory)・mcp-server-everything・GitHub Copilot対応・¥0 OSS、2026年MCP標準化加速 (OpenAI/Google対応予定)。
Anthropic Model Context Protocol(2024年11月発表・OSS)。JSON-RPC 2.0 based・Tools/Resources/Prompts 3 primitive・stdio/SSE/HTTP transport・Client(Claude Desktop/Cursor/Cline/Zed)・Server実装: Python/TypeScript/Go/Rust SDK・公式Server(GitHub/Slack/Google Drive/Notion/Sentry)・Community 数千server・Cursor Rules統合・LLM agent + external tool接続標準化・OpenAI ChatGPT 2025年Q1採用・Gemini CLI 2025年Q2対応、2026年AI agent標準。
Anthropicが2024年11月に公開したLLMとデータソース・ツール間の標準接続プロトコル。サーバー/クライアントアーキテクチャでツール統合を標準化し、N×Mの個別実装問題を解決する。
Model Context Protocol開発ツール。MCP Inspector(Anthropic公式・npx @modelcontextprotocol/inspector)・Stdio/HTTP/SSE transport test・JSON-RPC 2.0 call・Tool/Resource/Prompt list・MCP Hub(Smithery・2000+ MCP)・Cursor MCP integration・Claude Desktop .mcp.json・Glama.ai MCP directory・Playwright MCP・Serena MCP(Code Intel)・Puppeteer MCP対応、2026年MCP ecosystem成熟期。
MCP対応Client。Claude Desktop(Anthropic公式・Mac/Win・JSON config)・Cursor IDE(2024年12月-MCP・Cursor Settings)・Cline VS Code Extension(MCP対応・OSS)・Zed Editor(2025年・MCP native)・Continue.dev VS Code(2025年・MCP)・OpenAI Desktop未対応(独自API)・Goose CLI(Block製・MCP)・MCP Inspector(Debug Tool)・MCP CLI tools(Anthropic公式)・Smithery.ai Registry(community curated)・config共通化進行・mcp-language-server・mcp-tools・mcp-server-* npm paket・2026年 IDE/Editor MCP対応急速拡大。
Model Context Protocol(Anthropic・2024年11月策定)クライアント実装。Claude Desktop・Cursor・Zed・Windsurf(Codeium)・Claude Code CLI・Cline・Continue.dev・Goose(Block)・Cherry Studio・Raycast AI・VS Code agent mode対応、2026年Agent Tool標準拡張基盤。
Model Context Protocol Server実装。公式 Reference Server(Filesystem・GitHub・GitLab・Google Drive・Slack・PostgreSQL・SQLite・Brave Search・Sentry・Memory・Time・Fetch・Puppeteer)・Community Server数千(Notion・Linear・Stripe・AWS・Azure・Cloudflare)・MCP Inspector(Debug Tool)・FastMCP(Python framework)・Smithery.ai(MCP Registry)・MCP Composio(Hub)・Claude Desktop config(.claude/claude_desktop_config.json)・Cursor MCP integration・Cline MCP・Anthropic Quickstart Repo・2026年 Enterprise MCP server内製拡大、Tools+Agent標準。
MCPサーバーアーキテクチャとは、Model Context Protocolにおけるサーバー側の設計構造で、stdio・SSE・Streamable HTTPの3種類のトランスポートを介してツール・リソース・プロンプトをLLMクライアントに公開する仕組みである。