生成AIパスポート「第2章：生成AIの仕組み」の一問一答

生成AIパスポートの第2章：生成AIの仕組みに関する一問一答（全16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。

1. 問1．生成AI（ジェネレーティブAI）とは、学習データのパターンをもとに、文章・画像・音声・動画などの新しいコンテンツを生成するAIである。

   正解：○（正しい）

   解説：生成AIは、大量のデータから学んだパターンを使って、これまでになかった文章・画像・音声・コードなどを新たに作り出すAIです。既存データを分類・予測する従来型AIとの違いです。

2. 問2．大規模言語モデル（LLM）は、膨大なテキストを学習し、次に来る単語（トークン）を確率的に予測することで文章を生成する。

   正解：○（正しい）

   解説：LLMは「次のトークンを予測する」ことを繰り返して文章を生成します。学習データが多く、パラメータ数が大きいほど、一般に流暢で多様な文章を生成できる傾向があります。

3. 問3．生成AIは、既存データの中から正解を選ぶ・分類することだけを行い、新しいコンテンツを作り出すことはできない。

   正解：×（誤り）

   解説：誤り。分類・予測のみを行うのは従来型（識別系）のAIです。生成AIは学習したパターンから新しいコンテンツを生成できる点が特徴です。

4. 問4．画像生成で広く使われる「拡散モデル（Diffusion Model）」は、ノイズから徐々にノイズを除去していくことで画像を生成する仕組みである。

   正解：○（正しい）

   解説：拡散モデルは、ランダムなノイズから少しずつノイズを取り除いて目的の画像を作り出します。Stable DiffusionやDALL·Eなどの画像生成で用いられています。

5. 問5．GAN（敵対的生成ネットワーク）は、生成器（Generator）と識別器（Discriminator）を競わせながら学習させる仕組みである。

   正解：○（正しい）

   解説：GANは、本物らしいデータを作る生成器と、本物と偽物を見分ける識別器を互いに競わせることで、リアルな画像などを生成できるようにする手法です。

6. 問6．ファインチューニングとは、事前学習済みのモデルを特定の用途向けのデータで追加学習し、専門的なタスクに適応させることである。

   正解：○（正しい）

   解説：事前学習で汎用的な能力を得たモデルを、特定分野のデータで追加学習して専門特化させるのがファインチューニングです。少量データで調整できる手法もあります。

7. 問7．生成AIの出力は確率的に決まるため、設定によっては同じ入力でも毎回まったく同じ結果になるとは限らない。

   正解：○（正しい）

   解説：LLMは次のトークンを確率的に選ぶため、temperatureなどの設定によって出力は変動し得ます。毎回一字一句同じになるとは限りません。

8. 問8．コンテキストウィンドウ（コンテキスト長）とは、モデルが一度に扱える入力と出力のトークン量の上限のことである。

   正解：○（正しい）

   解説：コンテキストウィンドウは、モデルが一度に考慮できるトークン数の上限です。長い文書を扱うにはこの上限が大きいモデルや、RAGなどの工夫が必要になります。

9. 問9．マルチモーダルAIとは、テキストだけでなく画像・音声など複数の種類のデータを扱えるAIのことである。

   正解：○（正しい）

   解説：マルチモーダルAIは、文章・画像・音声・動画など複数の形式（モダリティ）を入力・出力として扱えるAIです。画像を見て説明する、音声で対話するなどが可能になります。

10. 問10．生成AIは学習データに存在しない客観的な事実であっても、常に正確に発見・生成できるため、出力の事実確認は不要である。

    正解：×（誤り）

    解説：誤り。生成AIはハルシネーション（もっともらしい誤り）を起こすことがあり、出力の正確性は保証されません。重要な用途では一次情報での事実確認が必要です。

11. 問11．生成AIが作り出せるものとして、適切でないものはどれか。

    • ア．文章の下書き
    • イ．画像やイラスト
    • ウ．音声や動画
    • エ．学習データにない客観的事実の正確な保証

    正解：エ．学習データにない客観的事実の正確な保証

    解説：生成AIは文章・画像・音声・動画・コードなどを生成できますが、学習データにない客観的事実を常に正しく保証することはできません（ハルシネーションが起こり得る）。

12. 問12．画像生成で主流の、ノイズから徐々に画像を作り出す手法はどれか。

    • ア．拡散モデル（Diffusion Model）
    • イ．決定木
    • ウ．サポートベクターマシン
    • エ．k近傍法

    正解：ア．拡散モデル（Diffusion Model）

    解説：拡散モデル（Diffusion Model）はノイズから段階的に画像を生成する手法で、現在の画像生成AIの主流です。決定木・SVM・k近傍法は主に分類・回帰に使われる古典的手法です。

13. 問13．「大規模言語モデル」を表す略称はどれか。

    • ア．LLM
    • イ．CNN
    • ウ．SQL
    • エ．HTTP

    正解：ア．LLM

    解説：大規模言語モデルはLLM（Large Language Model）です。CNNは画像向けニューラルネット、SQLはデータベース言語、HTTPは通信プロトコルです。

14. 問14．事前学習済みモデルを特定用途のデータで追加学習し、専門特化させることを何というか。

    • ア．ファインチューニング
    • イ．スクレイピング
    • ウ．正規化
    • エ．デプロイ

    正解：ア．ファインチューニング

    解説：特定用途に適応させる追加学習をファインチューニングといいます。スクレイピングはデータ収集、正規化はデータの尺度合わせ、デプロイは本番反映を指します。

15. 問15．テキスト・画像・音声など複数種類のデータを扱えるAIを何と呼ぶか。

    • ア．マルチモーダルAI
    • イ．シングルタスクAI
    • ウ．ルールベースAI
    • エ．エキスパートシステム

    正解：ア．マルチモーダルAI

    解説：複数のモダリティを扱えるAIをマルチモーダルAIといいます。近年の主要な生成AIサービスの多くがマルチモーダル対応を進めています。

16. 問16．大規模言語モデル（LLM）が文章を生成する基本原理として、最も適切なものはどれか。

    • ア．文脈から次のトークンを確率的に予測して連ねる
    • イ．文法規則をすべて人手で登録して適用する
    • ウ．検索エンジンの結果をそのまま貼り付ける
    • エ．乱数だけで文字を並べる

    正解：ア．文脈から次のトークンを確率的に予測して連ねる

    解説：LLMは、文脈をもとに「次に来るトークン」を確率的に予測し、それを連ねることで文章を生成します。文法をすべて人手で登録したり、検索結果を貼り付けたりする仕組みではありません。