ITパスポート過去問 令和7年度（2025年）問80
AIにおいて，広範囲かつ大量のデータで訓練されたものであり，ファインチューニングなどによって文章生成AIのような様々な用途に適応できる特徴をもつものを何というか。
選択肢
- ア：アノテーション
- イ：エキスパートシステム
- ウ：基盤モデル
- エ：畳み込みニューラルネットワーク
- ア
- イ
- ウ
- エ
正解と解き方・学習ポイント（AI解説）
広範囲かつ大量のデータで事前学習して汎用的な能力を持たせ、ファインチューニングなどで文章生成AIを含む様々な用途に適応できるモデルは、基盤モデルです。
Point
この問題は、基盤モデルの特徴を説明文から読み取り、用語として正しく選べるかを確認するものです。ポイントは「大量データでの事前学習」と「ファインチューニングなどによる用途への適応」です。
解くために必要な知識
この問題を解くには、基盤モデルと関連用語（アノテーションなど）の理解が必要です。
用語の整理
重要なポイント
-
「広範囲かつ大量のデータで訓練（事前学習）」していることです。
-
「ファインチューニングなどで様々な用途に適応」できることです。
用語対応表
| 用語名 | 意味 | 設問との対応 |
|---|---|---|
| 基盤モデル | 広範囲かつ大量のデータで事前学習した汎用的なAIモデルです。ファインチューニングなどにより、文章生成などの特定用途に適応できます。 | 一致します。 |
| ファインチューニング | 既に学習済みのモデルを、特定目的のデータで追加学習し、用途に合わせて調整することです。 | 設問文中の「適応方法」の例です。 |
| アノテーション | 学習用データに正解ラベルや属性などの情報を付与する作業です。 | モデル名ではありません。 |
| エキスパートシステム | 専門家の知識（ルールなど）を蓄積し、推論により結論を出す仕組みです。 | 大規模事前学習を前提としません。 |
| 畳み込みニューラルネットワーク（CNN） | 畳み込み演算を用いるニューラルネットワーク構造で、主に画像認識などで利用されます。 | 「汎用の基盤モデル」という説明とはずれます。 |
選択肢ごとの解説
- ア：不正解
アノテーションは、学習データにラベルやタグを付ける作業です。問題文は「大量のデータで訓練されたモデル」について述べているため該当しません。
- イ：不正解
エキスパートシステムは、専門家の知識をルールとして登録し、そのルールに基づいて推論します。大量データの学習やファインチューニングで多用途に適応するモデルという説明とは一致しません。
- ウ：正解
基盤モデルは、広範囲かつ大量のデータで事前学習され、ファインチューニングなどにより文章生成、要約、翻訳など様々な用途に適応できるモデルです。問題文の説明と一致します。
- エ：不正解
畳み込みニューラルネットワーク（CNN）は、主に画像認識で使われるモデル構造の一種です。多用途に転用できる「土台となるモデル」を指す用語ではありません。
まとめ
広範囲かつ大量のデータで事前学習して汎用的な能力を持たせ、ファインチューニングなどで文章生成AIを含む様々な用途に適応できるモデルは、基盤モデルです。
テクノロジ系 > 基礎理論 > 基礎理論
アノテーションは、学習データにラベルやタグを付ける作業です。問題文は「大量のデータで訓練されたモデル」について述べているため該当しません。
エキスパートシステムは、専門家の知識をルールとして登録し、そのルールに基づいて推論します。大量データの学習やファインチューニングで多用途に適応するモデルという説明とは一致しません。
基盤モデルは、広範囲かつ大量のデータで事前学習され、ファインチューニングなどにより文章生成、要約、翻訳など様々な用途に適応できるモデルです。問題文の説明と一致します。
畳み込みニューラルネットワーク（CNN）は、主に画像認識で使われるモデル構造の一種です。多用途に転用できる「土台となるモデル」を指す用語ではありません。