生成AIパスポート「第1章：AIの基礎」の一問一答

1 / -- 正解: 0

📖 生成AIパスポート「第1章：AIの基礎」の全20問と解説（一覧）

生成AIパスポートの第1章：AIの基礎に関する一問一答（全20問）の正解と解説の一覧です。上の一問一答で実際に解いてから、ここで復習・確認できます。

問1．AIは、特定の課題に特化した「特化型AI（ANI）」と、人間のように幅広い課題に対応できる「汎用型AI（AGI）」に大別され、現在実用化されているAIはほぼ特化型AIである。

正解：○（正しい）

解説：現在実用化されているAIは、画像認識や翻訳など特定タスクに特化した特化型AI（ANI＝Artificial Narrow Intelligence）です。人間のように分野を問わず対応できる汎用型AI（AGI）はまだ実現していません。
問2．機械学習は、大きく「教師あり学習」「教師なし学習」「強化学習」の3つに分類される。

正解：○（正しい）

解説：機械学習は教師あり学習（正解ラベル付き）・教師なし学習（ラベルなし）・強化学習（報酬による試行錯誤）の3つに大別されます。生成AIの多くはこれらを組み合わせて学習します。
問3．教師なし学習とは、正解ラベルの付いたデータを用いて入力と出力の対応関係を学習する手法である。

正解：×（誤り）

解説：誤り。正解ラベル付きデータで学習するのは「教師あり学習」です。教師なし学習は正解ラベルのないデータから、クラスタリングや次元削減などによりデータの構造・パターンを見つけ出す手法です。
問4．強化学習は、エージェントが環境との相互作用を通じて得られる報酬を最大化するように行動方針を学習する手法である。

正解：○（正しい）

解説：強化学習は、試行錯誤の中で得られる報酬（reward）が大きくなるよう行動を学習します。囲碁AIや、大規模言語モデルの調整に使われるRLHFなどが代表例です。
問5．ディープラーニング（深層学習）とは、多層のニューラルネットワークを用いた機械学習の一手法である。

正解：○（正しい）

解説：ディープラーニングは、多数の層を重ねたニューラルネットワークにより、データから特徴を自動的に学習する機械学習の手法です。画像・音声・自然言語処理で高い性能を発揮し、生成AIの基盤技術となっています。
問6．CNN（畳み込みニューラルネットワーク）は、主に画像認識の分野で高い性能を発揮するモデルである。

正解：○（正しい）

解説：CNN（Convolutional Neural Network）は、畳み込み層により画像の局所的な特徴を捉えるため、画像認識・画像分類で広く用いられます。
問7．RNNやLSTMは、時系列データや文章のように順序（系列）を持つデータの処理に適したモデルである。

正解：○（正しい）

解説：RNN（再帰型ニューラルネットワーク）やその改良版であるLSTMは、前の情報を保持しながら系列を処理できるため、文章・音声・時系列データに適しています。近年はTransformerに主役を譲りつつあります。
問8．Transformerは、Attention（注意機構）を中核とするモデル構造で、GPTをはじめとする現在の大規模言語モデルの基盤となっている。

正解：○（正しい）

解説：2017年に提案されたTransformerは、Attention（注意機構）により文中の単語間の関係を効率的に捉えます。GPTやBERTなど現在の大規模言語モデル（LLM）の基盤アーキテクチャです。
問9．ハルシネーション（hallucination）とは、生成AIが事実に反する内容を、もっともらしい体裁で生成してしまう現象を指す。

正解：○（正しい）

解説：ハルシネーションは、生成AIが実在しない情報や誤った事実を自信ありげに出力する現象です。利用者は出力を鵜呑みにせず、一次情報での事実確認（ファクトチェック）が重要になります。
問10．GPTは、文章を前後両方向から同時に読み込むBERTと全く同じ仕組みを採用しており、主に文章の穴埋めや分類に特化したモデルである。

正解：×（誤り）

解説：誤り。BERTは双方向に文脈を読み込み穴埋め等で学習しますが、GPTは前の単語から次の単語を予測する「自己回帰（一方向）」型で、文章生成に強みを持ちます。両者は仕組みが異なります。
問11．RLHF（人間のフィードバックによる強化学習）は、モデルの出力を人間にとって好ましく安全なものに近づけるために用いられる手法である。

正解：○（正しい）

解説：RLHF（Reinforcement Learning from Human Feedback）は、人間による出力の評価を報酬として学習し、有害・不適切な出力を抑え、人間の意図に沿った応答へ調整（アラインメント）する手法です。ChatGPT等で用いられています。
問12．AGI（汎用人工知能）は既に実現しており、あらゆる分野で人間と同等以上の知能を持つAIが広く実用化されている。

正解：×（誤り）

解説：誤り。AGI（Artificial General Intelligence）は人間のように分野を問わず柔軟に対応できるAIの構想ですが、2020年代半ば時点で実現していません。現在実用化されているのは特化型AIです。
問13．シンギュラリティ（技術的特異点）とは、AIが人類全体の知能を超えるとされる仮説上の到達点で、2045年頃に到来すると予測されることがある。

正解：○（正しい）

解説：シンギュラリティは、AIが自ら高度なAIを生み出し人類の知能を超えるとされる仮説上の転換点です。レイ・カーツワイルが2045年頃と予測したことで知られますが、実現時期や可否には議論があります。
問14．機械学習の代表的な分類として適切でないものはどれか。
- ア．教師あり学習
- イ．教師なし学習
- ウ．強化学習
- エ．演繹学習
正解：エ．演繹学習

解説：機械学習は「教師あり学習」「教師なし学習」「強化学習」の3つに大別されます。「演繹学習」はこの分類には含まれません。
問15．主に画像認識の分野で高い性能を発揮するニューラルネットワークはどれか。
- ア．CNN
- イ．RNN
- ウ．LSTM
- エ．GAN
正解：ア．CNN

解説：CNN（畳み込みニューラルネットワーク）は画像の局所的特徴を捉えるのに優れ、画像認識で広く使われます。RNN・LSTMは系列データ向き、GANは生成モデルです。
問16．文中の各単語が他のどの単語に注目すべきかを計算し、Transformerの中核をなす仕組みはどれか。
- ア．Attention（注意機構）
- イ．畳み込み（convolution）
- ウ．プーリング
- エ．ドロップアウト
正解：ア．Attention（注意機構）

解説：Attention（注意機構、Self-Attention）は、文中の単語間の関連度を計算して重要な情報に注目する仕組みで、Transformerの中核です。畳み込み・プーリングはCNN、ドロップアウトは過学習抑制の手法です。
問17．生成AIが事実と異なる内容をもっともらしく出力してしまう現象を何と呼ぶか。
- ア．ハルシネーション
- イ．オーバーフィッティング
- ウ．バイアス
- エ．アノテーション
正解：ア．ハルシネーション

解説：事実に反する内容をもっともらしく生成する現象をハルシネーションと呼びます。オーバーフィッティングは過学習、バイアスは偏り、アノテーションはデータへのラベル付けを指します。
問18．教師あり学習の代表的なタスクの組み合わせとして正しいものはどれか。
- ア．分類と回帰
- イ．クラスタリングと次元削減
- ウ．報酬の最大化
- エ．データ拡張と正規化
正解：ア．分類と回帰

解説：教師あり学習は正解ラベルを用い、カテゴリを当てる「分類」と数値を予測する「回帰」が代表的です。クラスタリングや次元削減は教師なし学習、報酬最大化は強化学習の枠組みです。
問19．大規模言語モデルが人間の評価を報酬として、より好ましく安全な出力へ調整する手法の略称はどれか。
- ア．RLHF
- イ．CNN
- ウ．SGD
- エ．NLP
正解：ア．RLHF

解説：RLHF（Reinforcement Learning from Human Feedback）は人間のフィードバックを用いた強化学習で、出力を人間の意図に沿わせます。CNNは画像向けモデル、SGDは最適化手法、NLPは自然言語処理の総称です。
問20．大規模言語モデル（LLM）が文章を処理する際の最小単位で、単語や部分文字列に相当するものはどれか。
- ア．トークン
- イ．ピクセル
- ウ．エポック
- エ．パラメータ
正解：ア．トークン

解説：LLMは文章をトークンという単位に分割して処理します。料金や入力上限（コンテキスト長）もトークン数で数えます。ピクセルは画像、エポックは学習の反復回数、パラメータはモデル内部の重みです。

生成AIパスポート「第1章：AIの基礎」の一問一答

学習完了！