生成AIパスポート第1章「AIの基礎」出題ポイント解説

生成AIパスポート試験の第1章「AIの基礎」で問われる論点を体系的に整理します。AIの分類、機械学習の3手法、深層学習、CNN/RNN/Transformer、BERTとGPTの違い、RLHF、ハルシネーション、シンギュラリティまで、生成AIを理解するための土台となる用語を一気に押さえましょう。

※受験料・試験日程・シラバス・出題内容は改定される場合があります。最新情報は必ずGUGA公式情報でご確認ください。

AIとは何か（ANI・AGI・ASI）

AI（人工知能）は、人間の知的な作業をコンピュータで実現しようとする技術・研究分野の総称です。実現範囲によって次のように区別されます。

あわせて「ルールベースAI（人手で書いた条件で動く）」と「機械学習ベースAI（データから規則を学ぶ）」という区別も基礎知識として問われます。

機械学習は、データからパターンや規則を自動的に獲得する手法です。学習の与え方で大きく3つに分かれます。

分類	正解ラベル	目的・代表タスク
教師あり学習	あり	入力と正解の対応を学習。分類（スパム判定等）・回帰（価格予測等）
教師なし学習	なし	データ構造を発見。クラスタリング・次元削減・異常検知
強化学習	報酬	試行錯誤で報酬を最大化する行動を学習。ゲーム・ロボット制御

生成AIの学習では、まず大量データで自己教師あり的に事前学習を行い、その後に強化学習の考え方（RLHF）で人間の好みに合わせる、という流れが後の章につながります。

大量のデータと計算資源（GPU等）が使えるようになったことが、深層学習と生成AIの発展を後押ししました。

構造	得意分野	特徴
CNN	画像認識	畳み込みで局所的な特徴を抽出。画像分類・物体検出で活躍
RNN	時系列・文章	前の状態を次に引き継ぎ、系列データを処理
LSTM	長い系列	ゲート機構でRNNの長期依存（前の情報を忘れる問題）を改善
Transformer	自然言語全般	Attentionで系列全体の関係を並列に処理。現在の生成AIの基盤

いずれもTransformerを基盤とする言語モデルですが、設計思想が異なります。

「生成」に強いのはGPT系という対比は頻出です。次章の生成AIの仕組みでもこの自己回帰的な生成が重要になります。

ハルシネーション（幻覚）: AIが事実と異なる内容をもっともらしく生成してしまう現象。生成AIの原理上ゼロにはできず、利用者による確認が不可欠。第4章・第5章でも繰り返し登場する重要語。
シンギュラリティ（技術的特異点）: AIが人間の知能を超え、社会が予測困難なほど急変するとされる仮説上の転換点。実現時期には諸説あり確定していない。

生成AIパスポートの一問一答で知識を定着