生成AIパスポート 全分野の一問一答

生成AIパスポートの全分野に関する一問一答（全84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．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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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。

7. 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。

8. 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。

9. 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。

10. 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。

11. 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。

12. 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。

13. 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。

14. 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。

15. 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。

16. 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。

17. 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。

18. 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。

19. 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。

20. 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。

21. 問21．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。

22. 問22．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。

23. 問23．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。

24. 問24．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。

25. 問25．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。

26. 問26．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。

27. 問27．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。

28. 問28．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。

29. 問29．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。

30. 問30．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。

31. 問31．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）。

32. 問32．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。

33. 問33．「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。

34. 問34．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。

35. 問35．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。

36. 問36．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。

37. 問37．日本の著作権法では、情報解析（AIの学習など）のために著作物を利用する行為は、一定の条件のもとで権利者の許諾なく行える場合がある。

    正解：○（正しい）

    解説：著作権法30条の4により、著作物に表現された思想・感情を自ら享受することを目的としない利用（情報解析＝AIの学習等）は、原則として権利者の許諾なく行えます。ただし権利者の利益を不当に害する場合などの例外があります。

38. 問38．AIが自動生成しただけで、人間による創作的な関与がない生成物は、原則として著作権法上の「著作物」には当たらないと考えられている。

    正解：○（正しい）

    解説：著作物は「思想又は感情を創作的に表現したもの」で、人間の創作的寄与が前提です。単にAIが出力しただけのものは著作物と認められにくいと整理されています（利用者が道具として創作的に関与した場合の扱いは別途議論があります）。

39. 問39．生成AIに個人情報や社外秘の情報を入力しても、情報漏えいのリスクは一切ない。

    正解：×（誤り）

    解説：誤り。入力した情報がサービス側で保存・学習に利用される可能性や、設定・運用によっては第三者に見える可能性があり、機密情報・個人情報の入力には情報漏えいリスクがあります。

40. 問40．生成AIの出力が、他人の著作物と実質的に同一・類似している場合、それをそのまま公開・利用すると著作権侵害になることがある。

    正解：○（正しい）

    解説：生成物であっても、既存の著作物に依拠し実質的に同一・類似であれば、公開・利用が著作権侵害となる場合があります。利用者は出力の内容に注意する必要があります。

41. 問41．プロンプトインジェクションとは、不正な指示を紛れ込ませることで、AIに開発者の意図しない動作をさせる攻撃手法である。

    正解：○（正しい）

    解説：プロンプトインジェクションは、入力文や外部データに悪意ある指示を混入させ、機密の暴露や不適切な出力などを引き起こす攻撃です。生成AI特有のセキュリティリスクとして知られます。

42. 問42．学習データに偏り（バイアス）があると、生成AIの出力にも差別的・不公平な偏りが現れることがある。

    正解：○（正しい）

    解説：AIは学習データの傾向を反映するため、データに偏りがあると出力にも偏見や不公平が生じ得ます。公平性への配慮と、出力の批判的な確認が求められます。

43. 問43．内閣府が示した「人間中心のAI社会原則」は、AIの利活用にあたり人間の尊厳や自由を尊重することなどを掲げた原則である。

    正解：○（正しい）

    解説：「人間中心のAI社会原則」（2019年、内閣府）は、人間中心・教育リテラシー・プライバシー確保・セキュリティ・公正競争・公平性と説明責任と透明性・イノベーションを掲げています。

44. 問44．「AI事業者ガイドライン」は、AIの開発者・提供者・利用者が留意すべき事項を示した政府（総務省・経済産業省）の指針である。

    正解：○（正しい）

    解説：AI事業者ガイドラインは、総務省・経済産業省が取りまとめた、AIの開発者・提供者・利用者それぞれが守るべき原則・留意点を示す指針です（法的強制力のある規制そのものではなく指針）。

45. 問45．2025年に成立・公布されたいわゆる「AI新法（人工知能関連技術の研究開発及び活用の推進に関する法律）」は、研究開発と活用の推進を主眼とする理念的な内容が中心である。

    正解：○（正しい）

    解説：いわゆるAI新法（2025年公布）は、AIの研究開発・活用の推進や基本理念・国の責務等を定める推進法的な性格で、事業者を直接強く規制する罰則中心の法律ではないと整理されています。

46. 問46．生成AIの利用者は、出力をそのまま信じるのではなく、内容の事実確認を行い、最終的な責任を負うべきである。

    正解：○（正しい）

    解説：生成AIは誤りを含み得るため、出力の正確性・適法性は利用者が確認する必要があります。業務利用では最終的な判断と責任は利用者側にあるという意識が重要です。

47. 問47．ディープフェイクとは、生成AIなどで作られた、本物と見分けにくい偽の画像・音声・動画のことで、悪用のリスクがある。

    正解：○（正しい）

    解説：ディープフェイクは、実在の人物になりすました偽映像・音声などを生成する技術・成果物で、詐欺・名誉毀損・世論操作などへの悪用が懸念されています。

48. 問48．生成AIサービスで作ったものを商用利用する際は、そのサービスの利用規約（生成物の権利や商用利用の可否）を確認する必要はない。

    正解：×（誤り）

    解説：誤り。サービスごとに生成物の権利の扱いや商用利用の条件が異なるため、商用利用の際は各サービスの利用規約を必ず確認する必要があります。

49. 問49．個人情報保護法では、原則として本人の同意なく個人データを第三者に提供してはならないとされている。

    正解：○（正しい）

    解説：個人情報保護法27条により、個人データの第三者提供は原則としてあらかじめ本人の同意が必要です（法令に基づく場合など一定の例外があります）。生成AIへの入力時も個人情報の扱いに注意が必要です。

50. 問50．AIの学習など情報解析のための著作物利用について定めた、日本の著作権法の条文はどれか。

    • ア．著作権法30条の4
    • イ．著作権法1条
    • ウ．特許法29条
    • エ．個人情報保護法1条

    正解：ア．著作権法30条の4

    解説：情報解析（AI学習等）のための利用は著作権法30条の4に定められています。1条は目的規定、特許法29条は特許要件、個人情報保護法1条は同法の目的規定です。

51. 問51．生成AIに入力する情報として、最も注意すべき（安易に入力すべきでない）ものはどれか。

    • ア．個人情報・社外秘などの機密情報
    • イ．一般に公開されている公知の情報
    • ウ．自分で考えた質問文
    • エ．辞書に載っている一般的な用語

    正解：ア．個人情報・社外秘などの機密情報

    解説：個人情報や社外秘などの機密情報は、漏えいや目的外利用のリスクがあるため安易に入力すべきではありません。公知の一般情報や自作の質問文は相対的にリスクが低いです。

52. 問52．生成AIが事実と異なる内容を出力する問題（ハルシネーション）への対策として、最も適切なものはどれか。

    • ア．出力を鵜呑みにせず一次情報で事実確認する
    • イ．出力を常にそのまま採用する
    • ウ．確認は一切しない
    • エ．出力を暗号化する

    正解：ア．出力を鵜呑みにせず一次情報で事実確認する

    解説：出力を鵜呑みにせず、一次情報などで事実確認（ファクトチェック）することが基本的な対策です。常にそのまま採用したり、確認を一切しないのは不適切です。

53. 問53．AIの開発者・提供者・利用者が留意すべき事項を示した、日本政府（総務省・経済産業省）の指針はどれか。

    • ア．AI事業者ガイドライン
    • イ．道路交通法
    • ウ．労働基準法
    • エ．消防法

    正解：ア．AI事業者ガイドライン

    解説：AI事業者ガイドラインが該当します。道路交通法・労働基準法・消防法は、それぞれ交通・労働・防火に関する法律でAI指針ではありません。

54. 問54．生成AIの適切な利用に関する記述として、最も適切なものはどれか。

    • ア．出力の事実確認を行い、最終的な責任は利用者が負う
    • イ．出力は常に正確なので確認は不要
    • ウ．著作権は一切気にしなくてよい
    • エ．個人情報を自由に入力してよい

    正解：ア．出力の事実確認を行い、最終的な責任は利用者が負う

    解説：生成AIの出力は誤り得るため事実確認を行い、最終責任は利用者が負うのが基本です。「常に正確で確認不要」「著作権を気にしなくてよい」「個人情報を自由に入力してよい」はいずれも不適切です。

55. 問55．プロンプトとは、生成AIから望む出力を得るために与える指示・入力文のことである。

    正解：○（正しい）

    解説：プロンプトはAIへの指示文です。プロンプトの良し悪しが出力の質を大きく左右するため、意図を的確に伝える工夫（プロンプトエンジニアリング）が重要になります。

56. 問56．良いプロンプトは、役割・文脈・具体的な指示・制約・出力形式などを明確に伝えるとよいとされる。

    正解：○（正しい）

    解説：「誰として」「どんな前提で」「何を」「どんな制約で」「どんな形式で」出力してほしいかを具体的に伝えると、意図に沿った出力を得やすくなります。

57. 問57．ゼロショットプロンプティングとは、例（お手本）を与えずに、指示だけで回答させる方法である。

    正解：○（正しい）

    解説：ゼロショットは例示なしで指示のみを与える方法です。これに対し、いくつかの例を示してから回答させる方法をフューショットといいます。

58. 問58．フューショットプロンプティングとは、いくつかの例（お手本）をプロンプト内で示してから回答させる方法である。

    正解：○（正しい）

    解説：フューショットは、期待する入出力の例をいくつか提示してから本番の指示を与える方法で、出力の形式や方針を安定させたいときに有効です。

59. 問59．思考の連鎖（Chain of Thought）は、答えだけでなく途中の考え方を段階的に示させることで、複雑な問題の精度向上を狙う手法である。

    正解：○（正しい）

    解説：思考の連鎖（CoT）は「順を追って考えて」などと促し、推論過程を段階的に出させる手法です。計算や論理を要する問題で精度が上がることがあります。

60. 問60．プロンプトは曖昧なほどよく、具体的な条件や出力形式は指定しない方が良い結果を得られる。

    正解：×（誤り）

    解説：誤り。一般に、目的・条件・出力形式などを具体的に指定した方が、意図に沿った質の高い出力を得やすくなります。曖昧な指示は解釈のぶれを招きます。

61. 問61．出力形式（箇条書き・表・JSONなど）を指定すると、望む形の結果を得やすくなる。

    正解：○（正しい）

    解説：「表形式で」「箇条書きで3点」「JSONで」など出力形式を指定すると、後工程で扱いやすい形の結果を得やすくなります。

62. 問62．役割を与える（例：「あなたは経験豊富な編集者です」）ことで、回答のトーンや専門性を調整できる。

    正解：○（正しい）

    解説：ロール（役割）を指定すると、その立場にふさわしい語り口や観点で回答させやすくなります。目的に合った役割設定は有効なプロンプト技法の一つです。

63. 問63．期待する結果が得られない場合は、プロンプトを修正しながら試行錯誤（反復）して改善していくことが有効である。

    正解：○（正しい）

    解説：一度で最適な出力が得られるとは限らないため、指示を具体化したり例を足したりしながら反復改善するのが実践的なコツです。

64. 問64．ハルシネーション対策として、「確実でない場合は『わからない』と答えて」と指示するなどの工夫が有効なことがある。

    正解：○（正しい）

    解説：不確かな場合は分からないと答えるよう促す、根拠を示させる、といったプロンプトの工夫で、もっともらしい誤り（ハルシネーション）を減らせることがあります。

65. 問65．プロンプトに機密情報や個人情報を含める場合は、サービスの規約や情報漏えいのリスクに注意する必要がある。

    正解：○（正しい）

    解説：プロンプトに入力した情報が保存・学習に使われる可能性があるため、機密情報・個人情報の入力にはサービスの規約確認とリスク管理が必要です。

66. 問66．生成AIへ与える指示文（入力）を何と呼ぶか。

    • ア．プロンプト
    • イ．コンパイラ
    • ウ．データベース
    • エ．プロトコル

    正解：ア．プロンプト

    解説：生成AIへの指示文はプロンプトです。コンパイラはプログラムの翻訳、データベースはデータの保管、プロトコルは通信規約を指します。

67. 問67．例を一切与えず、指示だけで回答させるプロンプト手法はどれか。

    • ア．ゼロショット
    • イ．フューショット
    • ウ．ファインチューニング
    • エ．スクレイピング

    正解：ア．ゼロショット

    解説：例示なしで指示のみを与える方法はゼロショットです。フューショットは例を示す方法、ファインチューニングは追加学習、スクレイピングはデータ収集です。

68. 問68．いくつかのお手本（例）を示してから回答させるプロンプト手法はどれか。

    • ア．フューショット
    • イ．ゼロショット
    • ウ．正規化
    • エ．デプロイ

    正解：ア．フューショット

    解説：例をいくつか提示してから回答させる手法はフューショットです。ゼロショットは例なし、正規化・デプロイはプロンプト技法ではありません。

69. 問69．複雑な問題で、途中の推論過程を段階的に示させて精度向上を狙うプロンプト手法はどれか。

    • ア．思考の連鎖（Chain of Thought）
    • イ．畳み込み
    • ウ．過学習
    • エ．次元削減

    正解：ア．思考の連鎖（Chain of Thought）

    解説：推論過程を段階的に出させる手法が思考の連鎖（Chain of Thought）です。畳み込み・過学習・次元削減はプロンプト技法ではありません。

70. 問70．良いプロンプトの工夫として、適切でないものはどれか。

    • ア．指示を曖昧にして解釈を任せる
    • イ．役割を与える
    • ウ．出力形式を指定する
    • エ．具体的な条件・制約を示す

    正解：ア．指示を曖昧にして解釈を任せる

    解説：指示を曖昧にして解釈を任せるのは、出力のぶれを招くため適切ではありません。役割を与える・出力形式を指定する・具体的な条件を示すことはいずれも有効な工夫です。

71. 問71．生成AIから望む形式の出力を得るために有効な指示はどれか。

    • ア．「表形式で3項目にまとめて」など出力形式を指定する
    • イ．「適当でよい」とだけ伝える
    • ウ．何も指定しない
    • エ．無関係な話題を混ぜる

    正解：ア．「表形式で3項目にまとめて」など出力形式を指定する

    解説：「表形式で3項目にまとめて」など出力形式や条件を具体的に指定すると、望む形の結果を得やすくなります。「適当でよい」「何も指定しない」「無関係な話題を混ぜる」は逆効果です。

72. 問72．RAG（検索拡張生成）は、外部の知識源を検索し、その内容を踏まえて回答を生成することで、ハルシネーションの低減や最新情報への対応を図る手法である。

    正解：○（正しい）

    解説：RAG（Retrieval-Augmented Generation）は、質問に関連する文書を検索し、その内容をプロンプトに与えて回答させる手法です。社内文書や最新情報に基づく回答が可能になり、誤りの低減に役立ちます。

73. 問73．AIエージェントとは、目標を与えると自らタスクを計画・分解し、ツールを使いながら自律的に実行しようとするAIの仕組みである。

    正解：○（正しい）

    解説：AIエージェントは、目標達成のために手順を考え、検索・計算・外部ツール呼び出しなどを組み合わせて自律的に作業を進めます。2024〜2025年にかけて注目が高まっています。

74. 問74．対話型AIサービスの提供元は、ChatGPTがOpenAI、GeminiがGoogle、ClaudeがAnthropic、CopilotがMicrosoftである。

    正解：○（正しい）

    解説：代表的な対話型AIと提供企業の対応です。ChatGPT＝OpenAI、Gemini＝Google、Claude＝Anthropic、Copilot＝Microsoft。提供元を押さえておくと動向理解に役立ちます。

75. 問75．RAGは、モデル本体を再学習（再訓練）することによってのみ最新知識を反映する手法であり、外部データの検索は行わない。

    正解：×（誤り）

    解説：誤り。RAGはモデルを再学習せず、外部の知識を検索してプロンプトに与える（文脈として渡す）ことで最新・専門情報に対応します。再学習が不要な点が利点です。

76. 問76．生成AIは一度学習を終えると内部の知識が固定されるため、学習の締め切り（知識カットオフ）以降に起きた出来事は、そのままでは正確に答えられないことがある。

    正解：○（正しい）

    解説：モデルの知識は学習時点で固定されます（知識カットオフ）。それ以降の最新情報に対応するには、RAGやWeb検索連携などの仕組みが必要になります。

77. 問77．AIエージェントやRAGでは、外部のツールやデータに接続するための仕組み・プロトコル（例：MCPなど）が用いられることがある。

    正解：○（正しい）

    解説：AIを外部ツールやデータソースへ安全に接続するための標準的な仕組みとして、MCP（Model Context Protocol）などが登場しています。エージェント活用の基盤技術の一つです。

78. 問78．生成AIの業務活用例として、文章の要約・翻訳・下書き作成・アイデア出し・プログラムコードの生成などがある。

    正解：○（正しい）

    解説：生成AIは、要約・翻訳・メールや文書の下書き・アイデア出し・コード生成など、幅広い業務で活用されています。ただし出力の確認は利用者の責任で行う必要があります。

79. 問79．テキストの指示から動画を生成するAI（例：Soraなど）も登場している。

    正解：○（正しい）

    解説：テキストから動画を生成する技術（Text-to-Video）も実用化が進み、Soraなどのサービスが登場しています。マルチモーダル生成の進展の一例です。

80. 問80．外部の知識を検索して回答生成に活用し、ハルシネーションの低減や最新情報への対応を図る手法はどれか。

    • ア．RAG（検索拡張生成）
    • イ．RLHF
    • ウ．GAN
    • エ．CNN

    正解：ア．RAG（検索拡張生成）

    解説：RAG（検索拡張生成）が該当します。RLHFは人間のフィードバックによる強化学習、GANは生成モデルの学習手法、CNNは画像向けニューラルネットです。

81. 問81．目標を与えるとタスクを自ら計画・分解し、ツールを使って自律的に実行しようとするAIを何と呼ぶか。

    • ア．AIエージェント
    • イ．定型応答のみのチャットボット
    • ウ．スパムフィルタ
    • エ．バーコードリーダー

    正解：ア．AIエージェント

    解説：自律的にタスクを遂行しようとするAIをAIエージェントといいます。定型応答のみのチャットボットやスパムフィルタ、バーコードリーダーとは異なります。

82. 問82．対話型AIサービスと提供企業の組み合わせとして、誤っているものはどれか。

    • ア．ChatGPT ― OpenAI
    • イ．Gemini ― Google
    • ウ．Claude ― Anthropic
    • エ．Copilot ― Apple

    正解：エ．Copilot ― Apple

    解説：CopilotはMicrosoftが提供するAIアシスタントです（Appleではありません）。ChatGPT＝OpenAI、Gemini＝Google、Claude＝Anthropicは正しい組み合わせです。

83. 問83．テキストから画像を生成する代表的なサービス・モデルの組み合わせはどれか。

    • ア．DALL·E・Stable Diffusion・Midjourney
    • イ．Excel・Word・PowerPoint
    • ウ．Chrome・Safari・Edge
    • エ．MySQL・PostgreSQL

    正解：ア．DALL·E・Stable Diffusion・Midjourney

    解説：DALL·E・Stable Diffusion・Midjourneyは代表的な画像生成AIです。他の選択肢は表計算やブラウザ、データベースであり画像生成AIではありません。

84. 問84．RAGを使う主な目的として、最も適切なものはどれか。

    • ア．外部の最新・専門知識を根拠に回答し誤りを減らす
    • イ．通信を暗号化する
    • ウ．画像を圧縮する
    • エ．モデルの学習を完全に不要にする

    正解：ア．外部の最新・専門知識を根拠に回答し誤りを減らす

    解説：RAGは外部の最新・専門知識を根拠として回答させ、誤り（ハルシネーション）を減らすことが主な目的です。通信の暗号化や画像圧縮のための技術ではありません。