用語集

小説・脚本・コンテンツ制作向けのAI統合ライティングプラットフォーム。プロジェクト管理機能・執筆目標トラッキング・AIによるコンテンツ生成を一体化したSaaSツール。

Screenshot Tool。ShareX (Win FOSS Multifunction)・Flameshot 12 (Linux/Win/Mac FOSS)・CleanShot X (macOS $29 Lifetime)・Greenshot (Win FOSS)・Lightshot (Win/Mac FOSS)・Windows 11 Snipping Tool (Win+Shift+S)・macOS Cmd+Shift+4・Snip & Sketch・Monosnap・Skitch (Maintenance)・Xnapper (Mac)・Annotate Pro・¥0-¥¥¥10k、2026年CleanShot X 3.x AI Annotate予告。

画面キャプチャ機能。Windows `Win+Shift+S`（Snipping Tool）・macOS `Cmd+Shift+3/4/5`・iPhone `Side+Volume Up`・Android `Power+Volume Down`が代表で、ShareX・Greenshot・CleanShot Xが専用ツール。

PC を一定時間操作しない時に起動する画面表示プログラム。CRT 時代の焼き付き防止が起源で、現在は OLED / プラズマでの焼き付き予防、セキュリティロック前提の表示として残る。

iOS/Android のデジタルウェルビーイング機能。アプリ使用時間制限・年齢制限・親子管理で2018年以降標準搭載、2026年は AI 健康分析と統合。

モニター上部に取り付けて手元やデスク面を照らす棒状のLEDライト。画面への映り込みを防ぐ非対称配光設計が特徴で、デスクスペースを占有しない省スペース照明として人気が高い。

BenQ ScreenBar Proを代表とする高機能スクリーンバーの上位モデル。背面間接照明・自動調光・無線リモコン・湾曲モニター対応・高演色（Ra95+）など、エントリーモデルにはない付加機能を搭載する。

画面情報を音声/点字で出力する支援技術。視覚障害者の PC 利用に必須、JAWS/NVDA/VoiceOver/TalkBack/Narrator が主要。WCAG 2.2 準拠 Web 対応で2026年は AI 連携拡大。

Webページを自動取得しデータ抽出する技術。Python + BeautifulSoup 4 / Playwright 1.45 / Scrapyが代表、LLM + Firecrawl/Jina Readerで2026年は構造化も容易化。

負荷増加に応じて処理能力を拡張できる特性。AWS Auto Scaling・Kubernetes HPA・Google Cloud Run・Vercel Edge Functionsが代表で、水平スケール（スケールアウト）と垂直スケール（スケールアップ）の2方式。

LLMが人間を超える能力を持つ領域でも人間が正確に監督・評価できるようにするAI安全研究フレームワーク。Debate・Amplification・Recursive Reward Modelingを含む概念群。

拡張容易な設計思想。Microservices・Serverless（AWS Lambda・Cloudflare Workers・Vercel Functions）・Event-Driven・CQRS・Event Sourcing・Actor Model（Akka）が代表で、K8s HPA/VPAで水平/垂直スケール。

人間が直接評価困難な高度なタスクでもAIを安全に監督するための研究領域。AIが人間より賢くなった後もアライメントを維持するための手法群を指す。

超高性能AIの出力を人間が効率的に監督・評価するためのアライメント手法。AIが人間の能力を超えた分野でも正確な評価を維持することを目指す技術フレームワーク。

LLMにおけるスケーリング法則とは、モデルのテスト損失L がパラメータ数N、データ量D、計算量Cのそれぞれに対してL ∝ X^(-α)のべき乗則で減少するという数学的関係式である。Kaplan et al. (2020)が初めて定式化し、Hoffmann et al. (2022)のChinchilla論文で修正・拡張された。

LLM Scaling Law。Kaplan Scaling Laws (OpenAI 2020・Loss vs Compute)・Chinchilla Scaling Laws (DeepMind 2022・Token:Param 20:1)・Compute-Optimal・Hoffmann et al・Mixture-of-Depths・Test-Time Compute Scaling (o1)・Inference Compute Scaling・Mosaic Scaling・Maximal Update Parametrization muP・Tensor Programs・¥0 知識・Scaling終焉論議 (Hyderabad Bottleneck)、2026年Test-Time Scaling主流。

水平拡張（Horizontal Scaling）。Kubernetes HPA（Horizontal Pod Autoscaler）・AWS Auto Scaling Group・Vercel Edge Function Autoscale・Cloudflare Workers無制限スケール・Google Cloud Runが代表で、負荷比例でインスタンス増減。

Meta（旧 Facebook）の研究チームが 2024 年に提案した、学習率スケジュールを必要としない最適化アルゴリズム。従来の Cosine Decay や Linear Decay といった事前設計のスケジュールなしに、AdamW + Cosine Decay と同等以上の性能を達成する。ハイパーパラメータチューニングの工数を大幅に削減できる実用的な利点がある。

LLMの回答を並列生成で高速化するフレームワーク。まず回答の骨格（箇条書き）を生成し、各項目を並列に拡張することでレイテンシを大幅削減する。

DeepMindが2024年に提案したLLMの自己修正能力を強化学習で訓練する手法。外部フィードバックなしに誤答を自力で修正できるモデルを育てる。Gemini 1.5 Proで数学・コード正答率を大幅改善。