TED日本語 - ジョセフ・レドモン: コンピューターはいかに物体を即座に認識できるようになったのか

品詞分類

主語
動詞
助動詞
準動詞
関係詞等

Data

内容

10年前には研究者達はコンピューターで猫と犬を見分けるのはほとんど無理だと思っていました。今日では、コンピュータービジョンシステムにより99%以上の精度で行えるようになっています。どうやってでしょうか?ジョセフ・レドモンはオープンソースの物体検出システム YOLO (You Only Look Once) に取り組んでいて、シマウマから一時停止の標識まで、映像や画像の中の物体を瞬時に識別できるようにしています。この目を見張るようなデモで、レドモンは自動運転車やロボットやガンの検出といった応用に向けた重要なステップを披露しています。

Script

10年前 コンピュータービジョンの研究者は コンピューターで 犬と猫を見分けるのは ほとんど無理だと考えていました 人工知能の大きな 発展にもかかわらずです 現在では99%以上の精度で 見分けられるようになっています これは「画像分類」と 呼ばれる問題で コンピューターに画像の ラベル付けをさせるものです コンピューターは何千種もの物を 識別できるようになっています

私はワシントン大学の大学院生で Darknetというプロジェクトに 取り組んでいます コンピュータービジョンのモデルを トレーニングしテストするための ニューラルネット・フレームワークです Darknetが あの犬の画像を 何だと思うか 見てみましょう あの画像を 私たちの 画像分類プログラムにかけると 犬か猫かだけでなく 具体的な犬種まで言い当てます そこまで細かいことが 分かるようになっています そして正しい答えを出しています 私の犬は確かにマラミュート犬です

画像分類は驚くほど進歩しましたが こういう複数の物が写った写真を 画像分類にかけたら どうなるのでしょう? 結果は ― 前とほぼ同じになっています それは正しくて 画像の中には 確かにマラミュート犬がいますが そのラベルだけでは この画像の中で どんなことが起きているのか あまりわかりません もっと強力なものが ほしいところです 私は「物体検出」と呼ばれる 問題に取り組んでいて それは画像を見て その中にある物体をすべて検出し それぞれの物を箱で囲って それが何か識別する という問題です この画像を物体検出プログラムにかけると どうなるか見てみましょう

得られる結果は こういうもので 色んなことができます 猫と犬がいることがわかり 相対的な位置や 大きさもわかります おまけの情報もあります 向こうに本があるとか コンピュータービジョンを 使ったシステム 自動運転車や ロボットを 作ろうとするなら これはまさに 欲しい情報でしょう 周りの世界と作用し合えるように してくれるものが欲しいのです 私が物体検出に 取り組み始めた頃は 1つの画像の処理に 20秒かかっていました この領域で なぜスピードが重要なのか 分かってもらうため 物体検出で画像の処理に 2秒かかると どんな具合か 見ていただきましょう これは画像1つにつき20秒かかる 画像検出プログラムより 10倍速いわけですが プログラムが答えを出したときには 状況は既に変わっているため あまりアプリケーションの役には 立ちません

さらに10倍 高速化してみましょう 毎秒 5フレーム 処理しています だいぶマシにはなりましたが 何か大きな動きがあると ズレが出ます このようなシステムに 自分の車を運転して欲しくはありません

これは私たちの物体検出システムで ノートPC上でリアルタイムで動いています 私が動き回っても スムーズに追尾します 様々な種類の変化にも対応できます 大きさとか ポーズとか 前向き 後ろ向き とてもいいです これこそコンピュータービジョンを 使ったシステムを作ろうというときに 欲しいものです

(拍手)

ほんの数年で 1画像あたり20秒から 20ミリ秒へと 1000倍 高速化しました どうやって実現したのか? 以前の物体検出システムは このような画像を受け取ると 沢山の領域に分割し それぞれの領域を 分類プログラムにかけ 高いスコアが出たところに 物体が検出されたと 見なしていました この方法だと1つの画像に対し 分類プログラムを何千回も走らせ ニューラルネットによる評価が 何千回も必要になります そうする代わりに 1つのニューラルネットで すべての検出を行うようトレーニングしました 境界の箱や 分類の確からしさの確率を すべて同時に生成するのです 我々のシステムでは 物体検出を行うために 画像を何千回も見る代わりに たった一度しか見ないのです それがYOLO(You Only Look Once)の 名の所以です これだけ速いと 画像だけでなく 映像もリアルタイムで処理できます 猫と犬を検出するだけでなく それぞれが動き回り 相手に反応しているのが分かります

この検出プログラムは MicrosoftのCOCOデータセットにある 80種の物に対して トレーニングしてあります スプーンやフォークといった 日常的な物もあれば もっと変わった物もあります 動物 車 シマウマ キリン ちょっと面白いことをやりましょう 客席からどんなものが検出できるか 試してみます ぬいぐるみの動物が欲しい人? そこかしこに テディベアがあります 検出器の閾値を少し下げて 客席の皆さんを 検出できるようにしましょう 「一時停止」の標識を検出できるでしょうか バックパックがいくつかありますね もう少しズームしましょう 素晴らしいです すべての処理がノートPC上で リアルタイムで 実行されています

重要なのはこれが 汎用物体検出システム だということで どのような領域の画像に対しても トレーニングできます 自動運転車が 一時停止の標識や 歩行者や自転車を検知するのに使うのと 同じプログラムを 組織生検でガンを 見つけるためにも 使えるのです すでに世界中の研究者達が この技術を使って 医学やロボット工学を 前進させています 今朝 新聞で読んだんですが ナイロビ国立公園では YOLOを検出システムとして使って 動物の個体数調査を しているそうです それというのもDarknetはオープンソースで パブリックドメインなため 誰でも無料で使えるからです

(拍手)

私たちは物体検出技術をさらに近づきやすく 使いやすいものにしたいと思い モデルの最適化や ネットワーク・バイナリぜーション 近似を組み合わせることで スマートフォン上で 動かせるようにしました

(拍手)

私はすごくワクワクしています いまやこの基本的なコンピュータービジョンの 問題に対して とても強力な解があり 誰でもそれを使って 何か作り出すことができるんです あとは皆さんや このソフトウェアを使える 世界中の人々にかかっています この技術を使ってみんなが どんなものを作ってくれるか楽しみです

ありがとうございました

(拍手)

Ten years ago, computer vision researchers thought that getting a computer to tell the difference between a cat and a dog would be almost impossible, even with the significant advance in the state of artificial intelligence. Now we can do it at a level greater than 99 percent accuracy. This is called image classification -- give it an image, put a label to that image -- and computers know thousands of other categories as well.

I'm a graduate student at the University of Washington, and I work on a project called Darknet, which is a neural network framework for training and testing computer vision models. So let's just see what Darknet thinks of this image that we have. When we run our classifier on this image, we see we don't just get a prediction of dog or cat, we actually get specific breed predictions. That's the level of granularity we have now. And it's correct. My dog is in fact a malamute.

So we've made amazing strides in image classification, but what happens when we run our classifier on an image that looks like this? Well ... We see that the classifier comes back with a pretty similar prediction. And it's correct, there is a malamute in the image, but just given this label, we don't actually know that much about what's going on in the image. We need something more powerful. I work on a problem called object detection, where we look at an image and try to find all of the objects, put bounding boxes around them and say what those objects are. So here's what happens when we run a detector on this image.

Now, with this kind of result, we can do a lot more with our computer vision algorithms. We see that it knows that there's a cat and a dog. It knows their relative locations, their size. It may even know some extra information. There's a book sitting in the background. And if you want to build a system on top of computer vision, say a self-driving vehicle or a robotic system, this is the kind of information that you want. You want something so that you can interact with the physical world. Now, when I started working on object detection, it took 20 seconds to process a single image. And to get a feel for why speed is so important in this domain, here's an example of an object detector that takes two seconds to process an image. So this is 10 times faster than the 20-seconds-per-image detector, and you can see that by the time it makes predictions, the entire state of the world has changed, and this wouldn't be very useful for an application.

If we speed this up by another factor of 10, this is a detector running at five frames per second. This is a lot better, but for example, if there's any significant movement, I wouldn't want a system like this driving my car.

This is our detection system running in real time on my laptop. So it smoothly tracks me as I move around the frame, and it's robust to a wide variety of changes in size, pose, forward, backward. This is great. This is what we really need if we're going to build systems on top of computer vision.

(Applause)

So in just a few years, we've gone from 20 seconds per image to 20 milliseconds per image, a thousand times faster. How did we get there? Well, in the past, object detection systems would take an image like this and split it into a bunch of regions and then run a classifier on each of these regions, and high scores for that classifier would be considered detections in the image. But this involved running a classifier thousands of times over an image, thousands of neural network evaluations to produce detection. Instead, we trained a single network to do all of detection for us. It produces all of the bounding boxes and class probabilities simultaneously. With our system, instead of looking at an image thousands of times to produce detection, you only look once, and that's why we call it the YOLO method of object detection. So with this speed, we're not just limited to images; we can process video in real time. And now, instead of just seeing that cat and dog, we can see them move around and interact with each other.

This is a detector that we trained on 80 different classes in Microsoft's COCO dataset. It has all sorts of things like spoon and fork, bowl, common objects like that. It has a variety of more exotic things: animals, cars, zebras, giraffes. And now we're going to do something fun. We're just going to go out into the audience and see what kind of things we can detect. Does anyone want a stuffed animal? There are some teddy bears out there. And we can turn down our threshold for detection a little bit, so we can find more of you guys out in the audience. Let's see if we can get these stop signs. We find some backpacks. Let's just zoom in a little bit. And this is great. And all of the processing is happening in real time on the laptop.

And it's important to remember that this is a general purpose object detection system, so we can train this for any image domain. The same code that we use to find stop signs or pedestrians, bicycles in a self-driving vehicle, can be used to find cancer cells in a tissue biopsy. And there are researchers around the globe already using this technology for advances in things like medicine, robotics. This morning, I read a paper where they were taking a census of animals in Nairobi National Park with YOLO as part of this detection system. And that's because Darknet is open source and in the public domain, free for anyone to use.

(Applause)

But we wanted to make detection even more accessible and usable, so through a combination of model optimization, network binarization and approximation, we actually have object detection running on a phone.

(Applause)

And I'm really excited because now we have a pretty powerful solution to this low-level computer vision problem, and anyone can take it and build something with it. So now the rest is up to all of you and people around the world with access to this software, and I can't wait to see what people will build with this technology.

Thank you.

(Applause)

Ten years ago,/ computer vision researchers thought/ that getting a computer/ to tell the difference/ between a cat/ and a dog would be almost impossible,/ even/ with the significant advance/ in the state of artificial intelligence.//

10年前 コンピュータービジョンの研究者は コンピューターで 犬と猫を見分けるのは ほとんど無理だと考えていました 人工知能の大きな 発展にもかかわらずです

Now/ we can do it/ at a level/ greater than 99 percent accuracy.//

現在では99%以上の精度で 見分けられるようになっています

This is called image classification --/ give it/ an image,/ put a label/ to that image --/ and computers know thousands of other categories/ as well.//

これは「画像分類」と 呼ばれる問題で コンピューターに画像の ラベル付けをさせるものです コンピューターは何千種もの物を 識別できるようになっています

I'm a graduate student/ at the University of Washington,/ and I work on a project called Darknet,/ which is a neural network framework/ for training/ and testing computer vision models.//

私はワシントン大学の大学院生で Darknetというプロジェクトに 取り組んでいます コンピュータービジョンのモデルを トレーニングしテストするための ニューラルネット・フレームワークです

So let's just see/ what Darknet thinks of this image/ that we have.//

Darknetが あの犬の画像を 何だと思うか 見てみましょう

When we run our classifier/ on this image,/ we see/ we don't just get a prediction of dog or cat,/ we actually get specific breed/ predictions.//

あの画像を 私たちの 画像分類プログラムにかけると 犬か猫かだけでなく 具体的な犬種まで言い当てます

That's the level of granularity/ we have now.//

そこまで細かいことが 分かるようになっています

And it's correct.//

そして正しい答えを出しています

My dog is in fact/ a malamute.//

私の犬は確かにマラミュート犬です

So we've made amazing strides/ in image classification,/ but what happens/ when we run our classifier/ on an image/ that looks like this?//

画像分類は驚くほど進歩しましたが こういう複数の物が写った写真を 画像分類にかけたら どうなるのでしょう?

Well ...//

結果は ―

We see/ that the classifier comes back/ with a pretty similar prediction.//

前とほぼ同じになっています

And it's correct,/ there is a malamute/ in the image,/ but just given this label,/ we don't actually know that much/ about what's going on/ in the image.//

それは正しくて 画像の中には 確かにマラミュート犬がいますが そのラベルだけでは この画像の中で どんなことが起きているのか あまりわかりません

We need something more powerful.//

もっと強力なものが ほしいところです

I work on a problem called object detection,/ where we look at an image/ and try to find/ all of the objects,/ put bounding boxes/ around them/ and say/ what those objects are.//

私は「物体検出」と呼ばれる 問題に取り組んでいて それは画像を見て その中にある物体をすべて検出し それぞれの物を箱で囲って それが何か識別する という問題です

So here's/ what happens/ when we run a detector/ on this image.//

この画像を物体検出プログラムにかけると どうなるか見てみましょう

Now,/ with this kind of result,/ we can do a lot more/ with our computer vision algorithms.//

得られる結果は こういうもので 色んなことができます

We see/ that it knows/ that there's a cat and a dog.//

猫と犬がいることがわかり

It knows their relative locations,/ their size.//

相対的な位置や 大きさもわかります

It may even know some extra information.//

おまけの情報もあります

There's a book/ sitting in the background.//

向こうに本があるとか

And/ if you want to build/ a system/ on top of computer vision,/ say a self-driving vehicle or a robotic system,/ this is the kind of information/ that you want.//

コンピュータービジョンを 使ったシステム 自動運転車や ロボットを 作ろうとするなら これはまさに 欲しい情報でしょう

You want something/ so that you can interact with the physical world.//

周りの世界と作用し合えるように してくれるものが欲しいのです

Now,/ when I started working/ on object detection,/ it took 20 seconds/ to process a single image.//

私が物体検出に 取り組み始めた頃は 1つの画像の処理に 20秒かかっていました

And to get a feel/ for why speed is so important/ in this domain,/ here's an example of an object detector/ that takes two seconds/ to process an image.//

この領域で なぜスピードが重要なのか 分かってもらうため 物体検出で画像の処理に 2秒かかると どんな具合か 見ていただきましょう

So this is 10 times faster/ than the 20-seconds-per-image detector,/ and you can see/ that by the time/ it makes predictions,/ the entire state of the world has changed,/ and this wouldn't be very useful/ for an application.//

これは画像1つにつき20秒かかる 画像検出プログラムより 10倍速いわけですが プログラムが答えを出したときには 状況は既に変わっているため あまりアプリケーションの役には 立ちません

If we speed this up/ by another factor of 10,/ this is a detector/ running at five frames/ per second.//

さらに10倍 高速化してみましょう 毎秒 5フレーム 処理しています

This is a lot better,/ but for example,/ if there's any significant movement,/ I wouldn't want a system/ like this driving my car.//

だいぶマシにはなりましたが 何か大きな動きがあると ズレが出ます このようなシステムに 自分の車を運転して欲しくはありません

This is our detection system/ running in real time/ on my laptop.//

これは私たちの物体検出システムで ノートPC上でリアルタイムで動いています

So it smoothly tracks me/ as I move around the frame,/ and it's robust/ to a wide variety of changes/ in size,/ pose,/ forward,/ backward.//

私が動き回っても スムーズに追尾します 様々な種類の変化にも対応できます 大きさとか ポーズとか 前向き 後ろ向き

This is great.//

とてもいいです

This is/ what we really need/ if we're going to build/ systems/ on top of computer vision.//

これこそコンピュータービジョンを 使ったシステムを作ろうというときに 欲しいものです

(拍手)

So/ in just a few years,/ we've gone from 20 seconds/ per image/ to 20 milliseconds/ per image,/ a thousand times faster.//

ほんの数年で 1画像あたり20秒から 20ミリ秒へと 1000倍 高速化しました

How did we get there?//

どうやって実現したのか?

Well,/ in the past,/ object detection systems would take an image/ like this/ and split it/ into a bunch of regions/ and then run a classifier/ on each of these regions,/ and high scores/ for that classifier would be considered detections/ in the image.//

以前の物体検出システムは このような画像を受け取ると 沢山の領域に分割し それぞれの領域を 分類プログラムにかけ 高いスコアが出たところに 物体が検出されたと 見なしていました

But this involved/ running a classifier thousands of times/ over an image,/ thousands of neural network evaluations to produce detection.//

この方法だと1つの画像に対し 分類プログラムを何千回も走らせ ニューラルネットによる評価が 何千回も必要になります

Instead,/ we trained a single network/ to do all of detection/ for us.//

そうする代わりに 1つのニューラルネットで すべての検出を行うようトレーニングしました

境界の箱や 分類の確からしさの確率を すべて同時に生成するのです

With our system,/ instead of looking at an image thousands of times to produce detection,/ you only look once,/ and that's/ why we call it/ the YOLO method of object detection.//

我々のシステムでは 物体検出を行うために 画像を何千回も見る代わりに たった一度しか見ないのです それがYOLO(You Only Look Once)の 名の所以です

So/ with this speed,/ we're not just limited to images;/ we can process video/ in real time.//

これだけ速いと 画像だけでなく 映像もリアルタイムで処理できます

And now,/ instead of just seeing/ that cat and dog,/ we can see them/ move around/ and interact with each other.//

猫と犬を検出するだけでなく それぞれが動き回り 相手に反応しているのが分かります

This is a detector/ that we trained on 80 different classes/ in Microsoft's COCO dataset.//

この検出プログラムは MicrosoftのCOCOデータセットにある 80種の物に対して トレーニングしてあります

It has all sorts of things/ like spoon and fork,/ bowl,/ common objects/ like that.//

スプーンやフォークといった 日常的な物もあれば

It has a variety of more exotic things:/ animals,/ cars,/ zebras,/ giraffes.//

もっと変わった物もあります 動物 車 シマウマ キリン

And now/ we're going to do/ something fun.//

ちょっと面白いことをやりましょう

We're just going to go out/ into the audience/ and see/ what kind of things/ we can detect.//

客席からどんなものが検出できるか 試してみます

Does anyone want a stuffed animal?//

ぬいぐるみの動物が欲しい人?

There are some teddy bears out/ there.//

そこかしこに テディベアがあります

And we can turn down/ our threshold/ for detection/ a little bit,/ so we can find more of you guys out/ in the audience.//

検出器の閾値を少し下げて 客席の皆さんを 検出できるようにしましょう

Let's see/ if we can get these stop signs.//

「一時停止」の標識を検出できるでしょうか

We find some backpacks.//

バックパックがいくつかありますね

Let's just zoom/ in a little bit.//

もう少しズームしましょう

And this is great.//

素晴らしいです

And all of the processing is happening in real time/ on the laptop.//

すべての処理がノートPC上で リアルタイムで 実行されています

And it's important/ to remember/ that this is a general purpose object detection system,/ so we can train this/ for any image domain.//

重要なのはこれが 汎用物体検出システム だということで どのような領域の画像に対しても トレーニングできます

The same code/ that we use to find/ stop signs or pedestrians,/ bicycles/ in a self-driving vehicle,/ can be used to find cancer cells/ in a tissue biopsy.//

自動運転車が 一時停止の標識や 歩行者や自転車を検知するのに使うのと 同じプログラムを 組織生検でガンを 見つけるためにも 使えるのです

And there are researchers/ around the globe already/ using this technology/ for advances/ in things/ like medicine,/ robotics.//

すでに世界中の研究者達が この技術を使って 医学やロボット工学を 前進させています

This morning,/ I read a paper/ where they were taking a census of animals/ in Nairobi National Park/ with YOLO/ as part of this detection system.//

今朝 新聞で読んだんですが ナイロビ国立公園では YOLOを検出システムとして使って 動物の個体数調査を しているそうです

And that's/ because Darknet is open source/ and/ in the public domain,/ free/ for anyone/ to use.//

それというのもDarknetはオープンソースで パブリックドメインなため 誰でも無料で使えるからです

(拍手)

But we wanted to make/ detection even more accessible and usable,/ so/ through a combination of model optimization,/ network binarization and approximation,/ we actually have object detection/ running on a phone.//

私たちは物体検出技術をさらに近づきやすく 使いやすいものにしたいと思い モデルの最適化や ネットワーク・バイナリぜーション 近似を組み合わせることで スマートフォン上で 動かせるようにしました

(拍手)

And I'm really excited/ because now/ we have a pretty powerful solution/ to this low-level computer vision problem,/ and anyone can take it/ and build something/ with it.//

私はすごくワクワクしています いまやこの基本的なコンピュータービジョンの 問題に対して とても強力な解があり 誰でもそれを使って 何か作り出すことができるんです

So now/ the rest is up/ to all of you and people/ around the world/ with access/ to this software,/ and I can't wait to see/ what people will build with this technology.//

あとは皆さんや このソフトウェアを使える 世界中の人々にかかっています この技術を使ってみんなが どんなものを作ってくれるか楽しみです

Thank you.//

ありがとうございました

(拍手)

computer

『計算機』;『電子計算機』

vision

{U}『視力』,視覚

〈C〉《単数形で》《文》非常に美しい光景(人など)

〈U〉(将来への)『見通し』,先見の明;想像力,直観力

〈C〉『心に描くもの』,空想,想像

〈C〉(…についての)考え,見解《+of+名》

〈C〉(…の)『幻』,幻影《+of+名》

researcher

研究者,調査員

difference

『違い』,『相違点』,意見などの食い違い

『差』,差額

cat

『猫』;(ライオン,トラ,ヒョウなどの)ネコ科の動物

dog

雄犬;イヌ科の動物(特にイタチ・オオカミ・カワウソ)の雄

《話》《形容詞を伴って》やつ

《話》くだらない男,下劣なやつ

《米俗》粗悪な物,くだらない物

つかみ道具(氷づかみ,掛けかぎなど)

《the dogs》《英》競犬

(犬のように)…‘の'後をつける,‘に'付きまとう

almost

『ほとんど』,たいてい(nearly)

impossible

『不可能な』,できない

(人・物事が)我慢ならない,耐えがたい

ほんとうとは思えない,信じがたい

even

『平らな』,平たんな

『同じ高さの』,同一平面の,平行の

(運動・動作・品質などが)『均一の』,規則的な,一様の,むらのない

(数・量などが)『同じの』,等しい,釣り合のとれた互角の

『偶数の』

公平な,公正な(fair)

平静な,穏やかな,落ち着いた(calm)

貸借にない,清算済みの

端数のない,ちょうどの,きっかりの

《意味を強めて,不審や意外の念を含み》…『でさえも』,までも

《比較級の前に用いて》『なおいっそう』,さらに(still,yet)

《形容詞の前または後の用いて》(…と)すら言える;《古》《時を表す副詞の前に用いて》ちょうど

…‘を'平らにする,ならす

…‘を'釣り合わせる,平均させる《+『up』+『名』,+『名』+『up』》

…‘の'変動をなくする,‘を'安定させる《+『out』+『名』,+『名』+『out』》

significant

『重要な』,重大な

『意味のある』

意味ありげな,暗示的な

advance

…'を'『前進させる』,前に出す

〈事〉'を'『進める』,促進する

(ある階級・地位などに)〈人〉'を'昇進させる《+『名』〈人〉+『to』+『名』》

《『advance』+『名』〈人〉+『名』〈金〉=『advance』+『名』〈金〉+『to』+『名』〈人〉》 〈人〉‘に'〈金〉'を'前払いする,融資する

〈時間・期日〉'を'早める;〈時計〉‘の'時間を早める

(…に向かって)『前進する』,進む《+『on』(『upon, toward』)+『名』》

(…に)昇進する《+『to』(『in』)+『名』》

〈事が〉進歩する,はかどる

〈時が〉進む

〈値段・価値が〉上がる

〈U〉〈C〉『進むこと』,前進

〈U〉(…の)流れ,進行《+『of』+『名』》

〈U〉〈C〉(…の)進歩,発達《+『of』+『名』》

〈U〉〈C〉(…への)昇進,出世《+『to』+『名』》

〈C〉(…の)前払い,前払い金《+『on』+『名』》

《複数形で》(人に)言い寄ること,取り入ること《+『to』+『名』》

前進している

前もっての

state

〈C〉(人・物事の)『状態』,ありさま,様子

〈C〉《a ~》《話》極度の緊張状態,異常な精神状態

〈U〉地位,階級,身分

〈C〉〈U〉《しばしばS-》『国家』,国,政府

〈C〉《時にS-》(アメリカ・オーストラリアなどの)『州』

《the States》《話》『米国』

〈U〉威厳;公式;堂々とした様子

国家の,国事に関する

《しばしばS-》《米》州の,州立の

公式の,儀式用の

artificial

『人造の』,『人工の』,人為的な

模造の

不自然な,見せかけの

intelligence

『知能』,知力,理解力;知恵,そう明

(国家的に重要な)『情報』,知識

情報部,謀報機関

level

(土地などが)『平らな』,水平な,凸凹のない

『同じ高さ(程度)の』

《話》精神状態がよくつり合いのとれた,分別のある

〈U〉〈C〉(地位・程度などの一般的な)『標準』,『水準』,レベル

〈C〉(高さ・深さの基準となる)『水平面』,水平線

〈C〉〈U〉(ある物と比べたときの)『高さ』,深さ

〈C〉(建物の)階,層

〈C〉《おもに米》(水準器《英》spirit level)

〈物の表面〉‘を'『平らにする』

〈木・家など〉‘を'倒す

〈地位・程度など〉‘を'一様にする,平均する

《『level』+『名』+『at』+『名』》(目標に)〈銃など〉の水準器を合わせる

《『level』+『名』+『at』(『against』)+『名』〈人〉》(人に)〈非難など〉‘を'浴びせる

水平に,平らに

percent

『パーセント』,100につき(…の割),100分(の…)《+『of』+『名』》《記号》%;《略》『p.c.』)

…パーセントだけ

accuracy

『正確さ』,精密

image

(鏡に映った)『像』,(レンズによる)映像

(心に浮かぶ)『像』,心像,イメージ

(絵・彫刻などによる人・動物などの)『像』,肖像;偶像《+『of』+『名』》

(…に)『そっくりの人』(『物』)《+『of』+『名』》

(…の)典型;(…の)化身《+『of』+『名』》

(直喩(ちょくゆ)・隠喩などの)比喩

…‘の'像を描く;…‘を'思い描く

classification

〈U〉〈C〉分類[作業];分類法;分類結果

〈U〉(生物学上の)分類

label

(品名・製造元などを示す)『はり札』,ラベル;(小包などの)荷札

(団体・運動・政党支持者などの特徴を示す)短い文句,通り名;(辞書の見出し語などにつける)ラベル([物理][化学]など)

…‘に'『ラベルをはる』,荷札をつける;《比喩(ひゆ)的》〈人〉‘に'レッテルをはる

category

(論理学・哲学で)範疇(はんちゅう)(ある体系の中でその内容特質に応じて分けた部門)

graduate

(…を)『卒業する』《『from』+『名』》

(…から…に)除々に変わる《+『from』+『名』+『into』(『to』)+『名』》

《文》《おもに米》〈学校が〉…‘を'『卒業させる』

…‘を'段階に分ける

〈計器など〉‘に'目盛りをつける

『卒業生』

学校を卒業した;大学卒業生のための,大学院の

university

{C}『[総合]大学』

〈U〉《the university》《集合的に》大学生,大学当局

Washington

『ワシントン市』(米国の首都;Washington州と区別してしばしば Washington, D.C.という)

米国政府

『ワシントン州』(米国北西部の州;州都はOlympia;《略》『WA,Wash.』)

『ワシントン』(『George~』;1732‐99;米国初代の大統領)

project

…‘を'『計画する』,企画する

(ねらって)…‘を'『投げる』;…‘を'発射する

(…に)〈光・影・映像など〉‘を'投げかける,投影する,映写する;〈声〉‘を'かける《+『名』+『on』(『onto』)+『名』》

(他の人に〈‘自分の考え・気持ち〉‘を'投げかけて伝える《+『名』+『on』(『upon』)+『名』》

(想像して,…の時間・場所・情況などの中へ)…‘を'置いてみる《+『名』+『in』(『into』)+『名』》

(得られた情報らよって)…‘を'予報する,予測する

『突き出る』,出っ張る

『計画』,企画,案

計画的な仕事;研究課題;(大ががりな)事業

《米》=housing project

neural

神経[系統]の

network

〈U〉〈C〉網,網細工

〈C〉『網状のもの』

〈C〉(ラジオ・テレビの)放送網

framework

(建物などの)骨組み;(…の)枠組《+『of』+『名』》

(…の)構成;組織《+『of』+『名』》

training

『訓練』,専門教育,調教,(運動選手の)トレーニング,養成

test

(人の能力などの)『試験』,考査,テスト

(物事の)『試験』,検済,試錬,実験《+of+名》

化学分析;試薬

=test match

…‘を'『試験する』,検査する

…‘を'化学分析する

(…の)試験を受ける,試験をする《+for+名》

model

(通名縮小した)(…の)『模型』,ひな型《+『of』+『名』》

《単数形で》(…の)『模範』,手本《+『of』+(『for』)+『名』》

(美術家・作家などの)モデル,ファッションモデル

(自動車・服装などの)型,式《+『of』+『名』》

《英》《単数形で》(…と)そっくりな人(物),(…の)生き写し《+『of』+『名』》

『模型の』,見本の

『日範的な』,申し分のない

(ある材料で)…‘の'模型を作る,‘を'型どる《+『名』+『in』+『名』〈材料〉》

(手本・型に合わせて)…‘を'作る《+『名』+『after』(『on, upon』)+『名』(a person's do『ing』)》

〈洋装・髪型などの〉‘の'モデルをする

(…で)(原型)を作る《+『in』+『名』》

(ファッションショーなどで)モデルをする

let

〈人・動物など〉‘に'(…)『させる』,させておく,‘を'(…する)ままにしておく(受動態にできない)

〈物事〉‘を'(…する)状態にする,‘に'(…)させる

《『let us(let's)』do》…『しよう』

《おもに英》〈土地・家など〉‘を'『貸す』賃貸する(《米》rent)

(人に)〈工事〉‘を'請け負わせる《+『名』+『to』+『名』》

(…から)〈液体・空気など〉‘を'出す,漏らす,放出する《+『名』+『out of』+『名』》

prediction

〈U〉予報(予言)すること

〈C〉予報(予言)される事;(…という)予報,予言《+『that節』》

actually

(まさかと思うだろうが)『実際に』,現に,ほんとうに

specific

《名詞の前にのみ用いて》『特定の』,一定の・『明確な』,明白な・(そのものに)『特有の』,独特の《+『to』+『名』》・〈C〉(…の)特効薬《+『for』+『名』》・《複数形で》明細,細部(details)

breed

〈動物が〉『子を生む』,繁殖する

〈物事が〉生ずる,越こる

(新種の育成,品種改良などのために)〈家畜〉‘を'『詞育する』,〈植物〉‘を'『育てる』

…‘を'『生む』,『生じさせる』

〈子供など〉‘を'育てる,しつける

(動植物の改良された)『品種』,血統

種類

correct

『事実に合った』,『正しい』,正確な

『標準(因習)に合った』,妥当な,適切な(proper)

〈誤りなど〉'を'『訂正する』,…‘の'誤りを正す

…‘の'誤りに印をつける

(…で)〈人〉'を'罰する,しかる《+『名』+『for』+『名』》

…'を'基準に合わせる,調整する,修正する

fact

〈C〉『事実』,実際にある(あった)事

〈U〉真相,真実(truth)

《the~》(法律用語で)犯行

malamute

《時に『M-』》(そりを引く)アラスカ犬

amazing

驚くべき,びっくりさせるような

stride

+副(句)(元気よくまたはいばって)大またに歩く・ +前+(代)名〔...を〕またぎ越す,またぐ 〔across,over〕・〈溝(みぞ)などを〉またぐ,またぎ越す・〈道などを〉大またに歩く,闊歩する・〈ものに〉またがる・大またに歩くこと,闊歩・ [通例単数形で] 歩幅; (歩く)ペース・ ひとまたぎ・ [通例複数形で] 進歩,発展

happen

〈でき事が〉『起こる』,発生する,生ずる

『偶然(たまたま)…する』

《『happen』 『to』+『名』》〈でき事が〉…に起こる,降りかかる

pretty

(女・子供などが)『きれいな』,『かわいらしい』;(事物・場所などが)きれいな,こぎれいな

(目・耳・心に)『快い』,楽しい

《名詞の前にのみ用いて》《しばしば皮肉に》みごとな,けっこうな;ひどい

《名詞の前にのみ用いて》《話》(数量・規模・範囲などが)『かなり大きい』,相当な

『かなり』(fairly);わりあいに(somewhat)

とても,ずいぶん(very)

《話》《まれ》《呼びかけに用いて》かわいい子(女)

similar

(大体において)『似ている』,類似した同様の

(図形が)相似の

powerful

『強力な』,強い

効果的な,ききめの強い

勢力のある,有力な

problem

(特に解決の容易でない)『問題』,やっかいな事熊

《単数形で》《話》(…にとって)やっかいな人《+『to』+『名』》

(特に,数学の)問題

扱いにくい,問題の

object

(見たり,触れたりできる)『物』,物体

(…の)『対象となる人』(『物』,『事』),(…の)的《+『of』+『名』》

(…の)『目的』,目当て(aim)《+『of』(『in』)+『名』(do『ing』)》

(文法で)『目的語』

(…に)『反対する』,異議を唱える《+『to』(『against』)+『名』(a person's do『ing』,『wh-節』)》

(…を)いやに思う《+『to』(『against』)+『名』(a person's do『ing』,『wh』‐『節』)》

《『object』+『that節』》…‘だと'反対して言う

detection

発見,探知,発覚

(電波の)検波

bound

《副詞[句]を伴って》『はね上がる』,はね飛ぶ,はね返る

〈心が〉おどる,わくわくする

『はずみ』,はね返り;『跳躍』

box

『箱』

(の…)『1箱』《+『of』+『名』》

(劇場などの)さじき席 ます席

番小屋,詰め所

(野球で)バッターボックス;コーチャーズボックス;ピッチャーズマウンド;キャッチャーの定位置

(線で囲った)四角のわく,囲み;(新聞・雑誌の)

(郵便の)私書箱

《the box》《英俗》テレビ

…'を'箱に入れる,箱詰めにする

detector

発見者,探知者

探知器,検出器

検波器

result

〈C〉〈U〉『結果』,結末;成果,効果

《複数形で》(試験・競技などの)『成績』

(…の)『結果起こる』(『生じる』)《+『from』+『名』(do『ing』)》

(…という)『結果になる』,(…に)終わる(end)《+『in』+『名』(do『ing』)》

algorithm

アルゴリズム(最大公約数を求める互除法などの演算方式)

relative

『関係のある』,関連した

『比較上の』,相対的の

相互の,相関的な

(文法で)関係を表す

親類,親戚

関係詞,(特に)関係代名詞

location

〈U〉(…の)位置(場所)を捜し出すこと《+『of』+『名』》

〈C〉『位置』,場所

〈C〉(映画などの)『野外撮影地』;〈U〉ロケーション

size

〈U〉〈C〉(人や物の)『大きさ』

〈U〉大きいこと

〈U〉数量,規模

〈C〉(帽子・靴・シャツなどの)『サイズ』,『寸法』,型

〈U〉《話》実情,真相

…‘を'大きさ(寸法)によって分類する

…‘を'ある寸法に作る

extra

『余分の』(additional);『臨時の』,特別の,割増しの

『付属するもの』(別売りの不属品など)

(新聞の)告外《+『to』+『名』》

割増し料金

(映画の)エキストラ

余分に

異常に,特別に

information

《単数形で冠詞をつけずに》(…についての)『情報』,『知識』《『about』(『on, as to』)+『名』(『wh-節・句』)》

〈U〉案内;〈C〉案内所,案内係

background

(景色・絵などの)『背景』,遠景

(模様などの)地

(事件などの)背景

(人の)経歴,前歴

build

〈物〉'を'『組み立てる』,造る,建造する,建築する

(年月をかけて)〈事〉'を'『作り上げる』,築き上げる;《受動態で》〈体・性質〉'を'作る

〈U〉造り,講造(make)

〈U〉〈C〉体格

system

〈C〉(関連した部分から成る)『体系』,系統,組織[網],装置

〈C〉(教育・政治などの)『制度』,機構;《the~》体制

〈C〉(思想・学問などの)『体系』,学説

〈C〉(…の)『方法』,方式,やり方《+of doing》

〈U〉正しい方針(筋道,順序)

〈U〉《the~》(身体の)組織,系統

〈U〉《the~,one's~》身体,全身

top

〈C〉《the ~》(…の)『いちばん上の部分』,最先端,頂上

〈C〉《the ~》(…の)『最上面』,表面《+of+名》

《the ~》(…の)『最高位』,『首位』;上座《+of+名》

《the ~》(…の)『最高の程度』,頂点《+of+名》

〈C〉《the ~》(びんなどの)ふた,栓;(車の)屋根[カバー],ほろ《+of+名》

〈C〉《複数形で》(根菜の)葉の部分《+of+名》

〈C〉(上下の服の)上

《通例名詞の前にのみ用いて》

『最も高い』,いちばんの

『最上位の』,第一位(一級)の

最高程度の

…‘に'『おおい(ふた)を付ける』

…の頂上にある,頂上をおおう

…‘の'頂上に達する,‘を'登りきる

…‘を'しのぐ,‘に'まさる

<野菜・果実など>‘の'葉の部分を切る(刈り力む)

(ゴルフで)<球>‘の'上をたたく

vehicle

〈C〉(車・そりなどの)『乗り物』,車;運搬具

〈C〉(思想・感情・情報などの)伝達手段,媒介物;(…の)表現自段《+for(of)+名(doing)》

〈U〉展色剤(絵の具を延ばす水・油など)

interact

(…と)相互に作用する,影響し合う《+『with』+『名』》

physical

『身体の,肉体の』(bodily)

《名詞の前にのみ用いて》『物質の』(material);『自然[界]の』

《名詞の前にのみ用いて》『物理学の』,物理的な;自然科学の

身体検査(physical examination)

process

(自然の)『作用』,過程

(物事の)『手順』,方法

(技術上の)製法,工程

召喚状,出頭令状;訴訟過程

(動植物の組織の)隆起,突起

加工(処理,調整)した

〈食品〉‘を'加工する

〈写真フイルム〉‘を'現像する

〈資料〉‘を'コンピューターにかける

…‘を'一定の手順で処理する,(整理する,調査する)

single

《名詞の前にのみ用いて》『たった一つ』(『一人』)『の』,単独の;《否定文で》ただ一つ(一人)(もない)

《名詞の前にのみ用いて》『一人用の』・『独身の』・《名詞の前にのみ用いて》個々の,別々の

単一の,単式の;(花が)一重咲きの,単弁の

《英》(切符が)片道の

〈C〉一人,1個;独身者

〈C〉《話》(ホテルの部屋,船室,列車寝台などの)一人用

〈C〉(野球で)シングルヒット,単打

《複数形で》(テニスなどの)シングルスの試合,単試合

《英》片道切符

《複数形で》《話》1ドル(ポンド)札

…‘を'1人(1個)だけ選び出す《+『out』+『名,』+『名』+『out』》

(野球で)シングルヒットを打つ

feel

(手・指で)…‘に'『触れる』,触って調べる

(身体で)…‘を'『感じる』(進行形にできない)

(心で)…‘を'『感じる』,意識する

〈事件・状況など〉‘で'苦しむ,‘から'打撃を受ける(進行形にできない)

…‘と'『思う』,堅く信じる,悟る

…‘が'分かる

感覚がある,(感触として)感じる

〈人が〉『感じる』,思う

《『feel』+『形』》〈物が〉(…の)『感じがする』,(…の)手触りがする

(…を)探る,手探りする《+『around』(『about』)『for』(『after』)+『名』》

(物のもつ)感触,手(膚)触り

感じ,気配,ふんい気

(生まれつきの)感知力,勘

(…に)触ること《+『of』+『名』》

speed

〈U〉(運動・動作の)『速いこと』,速さ・〈C〉『速度』,速力(velocity) ・〈C〉(自動車などの)変速ギア・〈U〉〈C〉(写真で)

(フィルムの)感度,感光性

レンズの明るさ・シャッター速度・覚醒(かくせい)剤,興奮剤

・『急ぐ』,疾走する・《通例現在分詞形で》制限速度以上で運転する,反則の速度で走る・〈仕事・車など〉‘の'速度を上げる

domain

(国の)領地,領土;(個人の)所有地

(関心・活動などの)範囲,分野

(個人・一族の)所有地

(数学で)変域(関数の独立変数がとる値の集合)

entire

《名詞の前にのみ用いて》『全体の』,全部の(whole)

『壊れていない』,無傷の

《名詞の前にのみ用いて》『無条件の』,『完全な』,全くの

change

(…に)…'を'『変える』,改める《+『名』+『into』+『名』》

…'を'『取り替える』,交換する

〈小切手・為替〉'を'現金にする,〈金〉'を'両替えする;(…に)…'を'両替する《+『名』+『into』+『名』》

(…に)『変わる』,変化する《+『to』(『into』)+『名』》

(他の衣服に)着替える《+『into』+『名』》

(…に)乗り換える《+『to』+『名』》

〈C〉(…の)『変化』,移り変わり,変遷《+『of』+『名』》

〈C〉(…の)『取り替え』,交換;乗り換え《+『of』+『名』》

〈U〉釣り銭,小銭

application

〈U〉(…の…への)『適用』,応用《+『of』+『名』+『to』+『名』》

〈U〉〈C〉『申し込み』,志願;〈C〉願書

〈U〉(薬などを)塗ること,はること;〈C〉外用薬,化粧品

〈U〉(…に)心を傾けること,専心すること《+『to』+『名』》

factor

(…の)『要因』,(…を生み出す)要素《+『in』+『名』(do『ing』)》

囲数,約数

代理人,《おもに英》仲買人

=factorize

frame

〈C〉(建造物・機械などの)『骨組み』《+『of』+『名』》

〈C〉(戸・窓などの)『枠』;額縁《+『of』+『名』》《複数形で》めがねの枠

〈C〉『体格』

〈C〉(…の)構造,体制《+『of』+『名』》

〈C〉(簡略な)温室,温床

〈C〉(ボーリングで)フレーム(10回で1ゲームを構成するその各回);各回の得点を記入する枠

〈C〉(映画のフイルムの)一こま

《修飾語を伴って》《a~》気持ち,気分

(組み合わせて)…‘を'『形作る』,組み立てる;(ある目的などに合うように)〈人・物〉‘を'作り上げる

〈考え・構想など〉‘を'心に抱く

〈絵など〉‘を'粋に入れる,縁どる

〈言葉など〉‘を'言う

《話》〈人〉‘に'ぬれぎぬを着せる

per

…『につき』,…ごとに

《文》…によって,…で,…を通じて

《しばしば『as per』…で》…によって示された通りに,…に従って

movement

〈U〉(…の)『運動』,『動き』;移動《+『of』+『名』》

〈C〉動作,身振り

〈C〉《複数形で》行動,活動

〈C〉(…に向かう)(事熊の)成り行き,動向《+『toward』+『名』》

〈C〉(目標を達成するための一群の人たちの)運動

〈C〉(賛団の)移動,移住;(人口の)異動《+『of』+『名』》

〈C〉楽章

〈C〉(時計などの)機械装置,動く仕掛け

drive

(…から…へ)〈動物・敵など〉‘を'『追い立てる』,追い払う,追い出す《+『名』+『away』(『out』)『from』+『名』+『to』+『名』》

(…から)…‘を'押しやる,押し流す《+『名』+『off』(『out of』)+『名』》

〈人〉‘を'駆り立てる(force)

〈車・馬車〉‘を'『運転する』,操縦する;〈馬〉‘を'御する

《副詞[句]を伴って》(ある場所へ)〈人〉‘を'車(馬車)で運ぶ(送る)

(…に)〈くい・くぎ・ねじなど〉‘を'打ち込む,差し込む《+『名』+『in』(『into, through』)+『名』》

〈人〉‘を'酷使する

〈商売・取引など〉‘を'活発に行う,強力に進める

(…に)〈トンネルなど〉‘を'掘る,通す《+『名』+『through』+『名』》

〈動力が〉〈機械など〉‘を'運転する,動かす

『車を運転する』

《副詞[句]を伴って》車で行く,ドライブする

〈車・船などが〉(…に)突進する;〈雨・風が〉(…に)激しく吹きつける《+『against』(『into』)+『名』》

〈C〉(馬車・自動車などに)乗って行くこと,遠乗り,『ドライブ』

〈U〉(馬車・自動車で行く)道のり,行程

〈C〉(特に邸内・公園内の)車道

〈U〉〈C〉(自動車などの)駆動装置

〈C〉(目的達成のための)組織的活動,運動

〈U〉元気,迫力,精力

〈U〉突進;(軍隊の)猛攻撃

〈C〉(心理的な)動因,本能的要求

〈U〉〈C〉(ゴルフ・テニスなどの)強打

〈C〉(家畜などを)追い立てること

real time

実時間(コンピューターで実際に計算にかかる時間)

smoothly

(またsmooth)滑らかに,円滑に;平隠に

track

《しばしば複数形で》(車・船などの)『通った跡』,(人・動物の)『足跡』

(人・獣などが通ってできた)『小道』

進路,航路

(行動において)採るべき道,方針,人生航路

線路

(競走のために設けられた)走走路,トラック;《集合的に》トラック競技

(録音テープの)音帯

…‘の'『跡をつける』,〈足跡〉‘を'たどる;〈動物〉‘の'臭跡を追う

〈記録計の針が〉…の進路(軌道)を観察記録する;〈カメラが〉〈被写体〉‘を'追いかけて写す

〈泥・雨など〉‘の'跡を付ける;〈床など〉‘に'足跡を付ける《+up+名,+名+up》

robust

たくましい;強壮な

体力のいる

wide

『幅の広い』

《修飾語を伴って》『幅が…の』,…の幅の

『広範囲な』,多方面にわたる;広大な

『大きく開いた』

(球が)大きくそれた

『広く』,広範囲に

『広く開いて』,十分に開けて

variety

{U}『変化に富んでいること』,多様性

{U}《しばしば a variety》『さまざま』(な…),いろいろ(な…)《+of+名〈複数形または集合名詞〉》

{C}(…の)『種類』(kind, sort)《+of+名》

〈C〉(特に植物の)変種;(人工的に作り出した)(…の)品種《+of+名》

(また variety show)〈U〉バラエティ(歌・ダンス・アクロバット・寸劇から成る演芸;テレビ・ミュージックホールの出し物)

pose

(絵や写真のモデルとして)『姿勢をとる』《+『for』+『名』》

(特に他人に印象づけようとして)気どる;(…の)ふりをする《+『as』+『名』》

〈モデルなど〉‘に'姿勢をとらせる;〈被写特など〉‘を'適当な位置に配する

〈『難問など』〉‘が'生じる

〈要求・質問など〉‘を'述べる,提出する

(絵や写真のためにとる)『ポーズ』,『姿勢』

(人に見せるための)ポーズ,見せかけ,気どり

forward

『前方へ』,前方に

『将来へ』,将来に向かって

(目立たない,隠れた状態から)表面へ,明るみへ

(日時などが)早く

《名詞の前にのみ用いて》前方の,前部の;前方への

進んだ,進歩的な

(季節などがいつもより)早い;(人が)早熟の

《補語にのみ用いて》《仕事などの)進んだ《+『with』(『in』)+『名』》

《be forward to do》すぐ(…)する;進んで(…)する(ready)

出しゃばる,生意気な,厚かましい

(フットボールなどの)前衛,フォワード(《略》fwd.)

…‘を'進める,助成する,促進する

(…に)〈手紙など〉‘を'転送する《+名+to+名》

《文》…‘を'発送する,送る(send)

backward

《名詞の前にのみ用いて》(方向が)『後方への』,もとへの

《名詞の前にのみ用いて》『逆の』,反対からの

進歩(発達)が遅れている

(性格が)内気な(shy),隠っ込み祉案の

『後方へ』,後ろ向きに

(方向・順序・時間が)『逆に』,反対に

applause

『拍手かっさい』;称賛

few

《aをつけて肯定的に》『少しはある』,多少の,いくつかの

《aをつけないで否定的に》『ほとんどない』,少数(少し)しかない

《aをつけて背定的に》(…の)『少数の人』(『物』)《+『of』+『名』〈複数〉》

《aをつけないで否定的に》(…の)少数の人(物)[しかない]《+『of』+『名』〈複数形〉》

《the~》少数の人たち,選ばれた人たち

millisecond

ミリセカンド(1秒の1000分の1)

past

『過ぎ去った』,終わった(over)

《名詞の前にのみ用いて》『過去に起こった』,過去の,昔の

《期間を表す語の前後で完了形の文で用いて》(…の期間を)『過ぎた』,最近(…)の

《名詞の前にのみ用いて》『前任の』,元の

(文法で)過去の

(場所)『を通り越して』,の先に

(時刻)『を過ぎて』;(年齢)を過ぎて

(能力・限度など)『を越えて』,の及ばない

(ある数・量)『を越えて』,…以上

《the~》『過去』

《a~,one's~》(国などの)歴史;(人の)経歴,(特にいかがわしい)過去

過去[時制];過去形

『過ぎて』,通り越して

split

…‘を'『縦に割る』,裂く

…‘を'分割する,ばらばらに分ける

〈利益など〉‘を'『分配する』,分け合う;〈費用など〉‘を'分担する《+『up』+『名』,+『名』+『up』》

『割れる』,裂ける

『壊れる』,砕ける,破裂する;(部分などに)分かれる,分裂する《+『up』》;(…と)けんかする《+『with』+『名』》

(急いで)去る,帰る(leave);姿を消す

(…の)割れ(裂け)目;ひび《+『in』+『名』》

仲間割れ,分裂

分け前

《しばしば複数形で》(曲芸などの)大股(おおまた)開き

(ボーリングで)スプリット(残ったピンが離れていてスペア(spare)を取りにくい形になること)

《話》(ソーダ・アルコール飲料などの)小びん

(縦に)裂けた,割れた

分裂した,分割された

bunch

(…の)『ふさ』(cluster),束《+『of』+『名』(複数)》

《話》(…の)群れ《+『of』+『名』(複数)》

一団(束)になる《+『up』》

…'を'束(ふさ)にする

region

(地理的な)『地域』,『地帯』;(特に広大な)地方

《複数形で》(宇宙などの)区分,界,属

(身体の)部分

(学問などの)分野,領域

《複数形で》(都会から離れた)地方

score

(ゲーム・競技の)『スコア』,得点記録

(ゲーム・競技の)『得点』

(試験の)点数,評点

《おもに文》20[の単位]

《複数形で》多数(の…)《+『of』+『名』》

《まれ》勘定,借金

《単数形で》理由,根拠,原因

(また『score mark』)刻み目,線,印

総譜,楽譜

(ゲーム・競技で)〈点数〉‘を'『得点する』

〈競技〉‘の'得点を記録する

〈得点〉‘を'〈人〉‘に'与える《+『名』〈人〉+『名』〈得点〉=+『名』〈得点〉+『to』(『for』)+『名』〈人〉》

〈試験〉‘を'採点する;(試験で)…‘の'点をとる《+『名』+『on』+『名』》

(…で)…‘に'刻み目(印)をつける,線をひく《+『名』+『with』+『名』》

《米話》…‘を'こきおろす,酷評する

《通例受動態で》(…のために)〈音楽〉‘を'作曲(編曲)する《+『for』+『名』》

(ゲーム・競技で)『得点する』

優勢となる,成功する

《俗》〈男が〉(女を)くどき落とす《+『with』+『名』》

《俗》麻薬を売う

consider

(決定・決意のために)…'を'『よく考える』,熟慮する

…'を'『みなす』,思う(進行形にできない)

…'を'『考慮に入れる』,心にとめる

…'を'重んじる,尊重する;…‘に'注意(注目)する

熟慮する,考えてみる

involve

(必然的に)…‘を'『伴う』,引き起こす,含む(受動態にできない)

(事件などに)〈人〉‘を'『巻き込む』《+『名』+『in』+『名』》

《受動態で》(…に)〈人〉‘を'夢中にさせる《+『in』(『with』)+『名』(do『ing』)》

…‘を'込み入らす,複雑にする

evaluation

(物・行為などの)評価;(物の)見積り

produce

[ある場所・地域などが]…‘を'『産出する』,『生産する』

〈商品〉‘を'『製造する』;〈作品など〉‘を'作り出す

〈動植物が〉…‘を'『生じる』;〈子〉‘を'生む

…‘を'『取り出す』,提示する

〈物事が〉…‘を'引き起こす,もたらす

産出する生産する

生産物

《集合的に》農産物(特に野菜と果物)

instead

『その代りとして』,それよりも

probability

〈U〉『ありそうなこと』,起こりそうなこと,見込み,公算(likelihood)

〈C〉ありそうな(起こりそうな)事件(結果)

〈U〉(数学で)確率;(哲学で)蓋然(がいぜん)性

simultaneously

同時に

once

(ただ)『1度』,『1回』

『かつて』,以前

《否定文で》一度も(…しない);《条件節で》いったん…すれば

『1度』,1回

『いったん』…『すれば』,…するとすぐに

method

〈C〉(特に秩序だった)(…の)『方法』,方式《+『of』+『名』(do『ing』)》

〈C〉〈U〉(思考行・行為・行動の)きちょうめんさ;秩序,筋道

limit

(空間・行為などの)『限界』,《+『of』+『名』》

《しばしば複数形で;単数扱い》『境界』,境界線範囲,区域

(数量などの)許容量,制限

適度に

…‘を'『制限する』

video

〈U〉テレビの映像

〈C〉テレビ

テレビ映像に関する

ビデオテープの

coco

=coconut palm

sort

『種類』,部類(kind)

性格,性質,タイプ

《おもに英話》《単数形で》(ある)種類の人

…‘を'分類する,区分けする;えり分ける,選び出す《+『名』+『out,』+『out』+『名』》

spoon

『スプーン』,さじ;さじ状のもの

(…の)スプーン1杯[の量](spoonful)《+『of』+『名』》

〈スープ・食べ物など〉‘を'スプーンですくう《+『out』(『up』)+『名,』+『名』+『out』(『up』)》

《話》《まれ》愛撫(あいぶ)する,いちゃつく

fork

(食卓用の)『フォーク』

くま手,またぐわ

(川・道路などの)分岐点;別れ道,分流,分枝

〈干し草など〉‘を'くま手でかき上げる(刺す)

(川・道路・枝などが)分岐する

〈人が〉(左右の)別れ道をとる

bowl

『どんぶり,はち;わん』,茶わん,ボール

どんぶり(はち)1杯の量

(…の)丸くくぼんだ部分《+『of』+『名』》

《米》(はち形の)円形競技場(stadium)

common

(二つ以上のものに)『共通の』,共同の,共有の

『一般の』,公共の,公衆の

『普通の』,ありふれた

慢凡な,並みの

品のない,粗野な,野卑な(vulgar)

(数式で)共通の,公約の通約の・ (文法で)通性の,通格の(男性・女性どちらの格も用いることができる) ・〈C〉《時に複数形で》共有地,公有地,共有牧草;(市町村の)公園・〈U〉共有権

exotic

外来の,外国産の

異国ふうの;風変わりな

animal

(植物に対して)『動物』

(人間以外の)『動物』,けだもの

(魚・鳥などに対して)哺乳動物(mammal)

けだもの(野獣)のような人

(比較変化なし)《名詞の前にのみ用いて》動物の,動物性の,動物質の

(知的・精神的に対して)動物的な;肉欲的な

zebra

シマウマ

giraffe

ジラフ,キリン

audience

《集合的に》《単数扱い》(音楽会などの)『聴衆』,(劇・映画などの)『観衆』,『観客』,(行事などの)『見物人』

《集合的に》《単数扱い》(本などの)読者:(テレビの)視聴者,(ラジオの)聴取者

(偉い人との)『公式会見』,謁見《+『with』+『名』》

detect

〈物事の存在〉‘を'『感知する』,気付く,認める

〈人〉‘の'『正体を見破る』

〈電波〉‘を'検波する,復調する

stuff

『材料』,原料,資料

《話》(ばく然と)『物』

素質,本領

くだらないもの(こと);ばかげた考え

《古》布地

(…を)〈入れ物・車など〉‘に'『詰める』,詰め込む《+名+with+名》

(入れ物などに)…‘を'『押し込む』《+名+into+名》

(…で)〈穴など〉‘を'ふさぐ《+up+名+with+名》

《しばしば受動態で》《話》(食物を)〈自分,自分の復〉‘に'詰め込む

(料理の材料で)…‘に'詰め物をする《+名+with+名》

(剥製にするため)〈死んだ動物〉‘に'詰め物をする

〈投票箱〉‘に'不正票を入れる

たらふく食べる

teddy bear

縫いぐるみのクマ

threshold

『敷居』

《単数形で》(…の)『始め』,出発点,発端《+of+名》

閾(心理学で刺激に対して反応を示し始める点)

bit

(…の)『小片』,少量,少し(の…)《+『of』+『名』》

《a~》《話》わずかの時間,しばらく;ちよっと,少し

《米俗》12セント半;《英》小銭

=bit part

guy

控え綱,支え綱(テント・棒などを倒れないように張る綱)

…‘に'控え綱を張る(で締める)

sign

(ある事実・状態・感情などの)『表れ』,印,気配,徴侯(indication);(…の)こん跡,計跡《+『of』+『名』》・『身ぶり』,手まね,合図

『標識』,看板

(数学・音楽などの)記号

(…の)『象徴』,シンボル(symbol)《+『of』+『名』》・《文》(…の)『前兆』,きざし《+『of』+『名』》・宮(きゅう)(黄道12区分の一つ) ・〈手紙・書類・作品など〉‘に'『署名する』・(…に)〈名前など〉‘を'書く《+『名』+『on』(『to』)+『名』》

…‘を'雇う契約に署名する・…‘を'合図する,知らせる;…に合図する・署名する・契約書に署名して雇われる

backpack

背のう(リュックサック・ナップサックなど)

リュックサックを背おって行く

〈リュックサックなど〉'を'背おう;〈物〉'を'背のうで運ぶ バックパック[リュックサック](を背負って旅行する), バックパックに入れる

zoom

〈飛行機が〉急上昇する;(一般に)急上昇する

ブーンと大きな音を立てる(立てて動く)

(映画・テレビでズームレンズによって)〈映像が〉拡大(縮小)する《+in(out)》 〈他〉

〈飛行機〉‘を'急上昇させる

(飛行機)の急角度上昇[の音];ブーンという音

general

(あるグループ)『全部の』,全部を含む

『世間一般の』,広く行き渡った

『一般の』,専門的でない

『大体の』,概略の

『陸軍大将』;(陸軍の)『将軍』,将官

概して,一般に

purpose

〈C〉(人の抱く)『目的』,目標,意図

〈C〉(物事の)『用途』,目的,効果

〈U〉(目的を達成しようとする)決意,意志

…‘を'目的とする,もくろむ

code

『法典』

(社会・階級・団体などを支配する)『規約』,おきて,慣例

『信号法』;暗号

〈通信など〉'を'暗号(信号)にする

pedestrian

『歩行者』(walker)

《名詞の前にのみ用いて》歩行者の

(文体などが)月並みな,平凡な,ありふれた

bicycle

(2輪の)『自転車』

自転車に乗る,自転車で行く

cancer

〈U〉〈C〉『がん』

〈U〉〈C〉害悪

《Cancer》(星座の)カニ座

cell

(刑務所の)『独房』;(修道院の)小さい独居室

(ミツバチの)みつ房,巣穴

小さい部屋

『細胞』

電池

花粉室

(共産党などの)細胞

tissue

〈U〉〈C〉(生物体の)『組織』

〈U〉〈C〉『薄織物』

〈U〉〈C〉水を吸収する柔らかな薄紙

〈C〉カーボンコピー用薄紙

〈C〉《a ~》(…を)織り交ぜて作ったもの《+of+名》

=tissue paper

globe

〈C〉『球』,球体

《the ~》『地球』(the earth)

〈C〉『地球儀』

〈C〉球形のガラス器(ガラス鉢・ランプのほや・金魚鉢など)

technology

科学技術,工業技術・科学(工業)技術的な方法(過程)・文明の環境利用(開発)・応用科学; 専門用語

medicine

〈U〉『医学』,医術;医[師]業

〈C〉〈U〉(外用薬以外の)『薬』[『剤』],内服薬

〈U〉(北米インディアンの間で行われる)病気(悪霊)を追い払うまじない

paper

〈U〉『紙』

〈C〉(1枚の)『紙』

〈C〉論文,研究論文(口頭で発表するものをさす);(学生の)レポート

〈C〉試験問題[用紙];答案[用紙]

〈C〉《話》『新聞』(newspaper)

《複数形で》『書類』,文書;(身分・資格などを示す)証明書

〈U〉紙幣(paper money);手形類

〈C〉〈U〉壁紙(wallpaper)

紙[製]の

紙の上だけの,実祭には存在しない

新聞[用]の

…‘に'紙をはる

…‘を'紙で包む《+『over』(『up』)+『名,』+『名』+『over』(『up』)》

census

人口調査,国勢調査

Nairobi

ナイロビ(ケニア)Kenya)共和国の首都)

national

『国民の』;『国家の』

『国立の』,国有の

全国的な

《修飾語を伴って》(特定国の)市民,国民

part

〈C〉(全体を構成する)『部分』

〈U〉《しばしばa~》(…の)『一部』,『一部分』《+『of』+『名』》

〈C〉《割合》…分の1,(比率の)1

〈C〉(機械,器具などの)部品

〈C〉(仕事などの)『役目』,分担;関与

〈U〉(対立・契約などの)一方の側

〈C〉《おもに米》(頭髪の)分け目(《おもに英》parting)

〈C〉《複数形で》地域,地方

〈C〉(演劇・影画・オペラなどの)『役』,役割り(role);(役の)せりふ

〈C〉声部,音部,パート;パート譜

(複数形で)才能,資質

…‘を'二つに(部分に)分ける;(各部分に)‘を'分ける)《+『名』+『into』(『in』)+『名』》

(…から)…を引き離す,分ける《+『名』+『from』+『名』》

(二つ以上の部分に)『分かれる』

『別れる』

(物を)手放す,処分する《+『with』+『名』〈物〉》

一部分は,部分的に,幾分

source

(河川の)『水源』[『地』],源

(物事の)『元』(もと),原因,根源《+『of』+『名』》

《しばしば複数形で》情報源,出所,典拠

public domain

(著作権・特許権の)権利消滅

国(州)有地・公有 《時間の経過により著作権・特許権などが消滅した状態など》

free

(束縛された状態になく)『自由な』,自由の身の

(国家・国民などが)『独立している』

(思想・行為などが)強制されない,自発的な

(動作が)拘束されない,無理のない

《補語にのみ用いて》(苦痛・制約などを)『免れている』,(誤り・偏見などの)ない《+『from』(『of』)+『名』》

《補語にのみ用いて》《『be free to』do》『自由に』…『できる』

(仕事から)解放された,暇になった;(部屋などが)使用されていない,空いた

『無料の』;無税の

出し惜しみしない

遠慮のない,慎みがない

(道路などが)障害のない,自由に通れる

固定していない,離れた

無料で

自由に,妨げられずに(freely)

(…から)〈人・国など〉‘を'『自由にする』,解放する《+『名』+『from』+『名』》

(困難などから)〈人〉‘を'救う《+『名』+『form』+『名』》

(障害などを)〈人・物〉‘から'取り除く《+『名』+『of』(『from』)+『名』》

(物を)…‘から'片付ける,外す《+『名』+『of』+『名』》

accessible

(またget-at-able)近づきやすい,入りやすい,達しうる

《補語にのみ用いて》(感情などに)動かされやすい,(…の)影響を受けやすい《+『to』+『名』》

combination

〈U〉(…の)『結合』,組み合わせ;〈C〉(…の)組み合わされたもの,結合体《+『of』+『名』》

〈U〉(…との)『連合』,団結,共同,提携;〈C〉連合体,共同体,組合《+『with』+『名』》

〈C〉=combination lock

《複数形で》(また《話》coms)コンビネーション(上下続きの肌着)

approximation

接近,近似

概算

近似値

phone

〈U〉〈C〉『電話』;〈C〉『電話機』,受話器

…‘に'『電話をかける』

『電話をかける』

excite

〈人〉‘を'『興奮させる』

〈物事が〉〈ある感情・興味など〉‘を'『起こさせる』

〈体の器官〉‘を'刺激する

solution

〈U〉(問題などを)『解くこと』,解明,解決法《+『of』(『for, to』)+『名』》

〈C〉(問題などの)『解答』,説明《+『of』(『to, for』)+『名』》

〈C〉〈U〉(…の)『溶液』《+『of』+『名』》

〈U〉溶解

rest

〈U〉〈C〉『休息』,休憩,休養;休息の時間(期間);(…から)解放されて休むこと《+『from』+『名』》

〈U〉〈C〉睡眠(sleep)

動かないこと,停止,静止

〈C〉《複合語に用いて》「(物を載せる)台,支え」の意を表す

〈U〉《詩》死,永眠

〈C〉(音楽で)休止;休止符

『休む』,『休息する』;(仕事などを)やめて休む《+『from』+『名』》

『安心する』,落ち着く,くつろぐ

(…に)『載っている』,『支えられている』《+『on』(『upon』)+『名』》;(…に)もたれている(lean)《+『against』+『名』》

〈光・視線などが〉(…に)注がれる,じっと留まる《+『on』(『upon』)+『名』》

(変化しないで)そのままでいる,休止(静止)する

永眠する

(訴訟事件で)証拠提出を自発的に中止する

《しばしば受動態で》…‘を'『休息(休養)させる』,休ませる

(…に)…‘を'置く,載せる,基づかせる《+『名』+『on』(『upon』)+『名』(do『ing』)》;(…に)…‘を'よりかからせる》+『名』+『against』+『名』》

〈訴訟事件〉‘の'証拠提出を自発的に中止する

access

〈U〉(人・物・場所への)『接近』《+『to』+『名』》

〈C〉(…へ)接近する手段(方法)《+『to』+『名』》

〈U〉(…への)接近(入場)の権利(機会)《+『to』+『名』》

《an ~》《文》(病気の)突発;(怒り・激情の)爆発《+『of』+『名』》

software

ソフトウェア(コンピューターに関係するプログラム・手順・規則などの文書類の総称)

関連動画