ITパスポート

問80

ITパスポート試験過去問 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)

正解:ウ
あなたの回答:未回答

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。

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。

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。

理解すべき用語

  • ファインチューニング

    学習済みAIモデルを追加データで再学習し、目的に合わせて性能を調整する手法です。

  • エキスパートシステム

    専門家の知識をルール化して蓄積し、推論で結論を出すAIです。

  • 基盤モデル

    大量データで事前学習し、多用途に応用できるAIの基礎モデルです。

  • 畳み込みニューラルネットワーク

    画像の特徴を抽出して識別や分類を行う深層学習の手法です。

テクノロジ系 > 基礎理論 > 基礎理論

マイ単語帳
用語解説

ファインチューニング

エキスパートシステム

基盤モデル

畳み込みニューラルネットワーク