現在の生成AIの動向

正解: 4. 自然な文章やコード、JSONなどの文字列を出力する

解説: テキスト生成AIは、プロンプトに応じて自然文だけでなくコード、数式、JSONなど多様な文字列を生成できる。音声の波形データを出力するのは音声合成、写真画像を画素単位で出力するのは画像生成、動画のフレームを補間した映像を出力するのは動画処理の役割で、いずれも文字列を生成するテキスト…

関連キーワード: テキスト生成AI・文章生成・コード生成・構造化データ

正解: 2. 文章の指示で画像を新規生成したり、既存画像の一部を編集したりする

解説: 画像生成AIは、テキスト指示から画像を新規生成するほか、画像とマスクなどを入力して一部または全体を編集できる。画像中の文字をテキストに変換するのは文字認識（OCR）、文章を音声に変換するのは音声合成、画像をカテゴリへ分類するのは画像認識の利用例で、いずれも新しい画像を生成・編集す…

関連キーワード: 画像生成AI・テキストから画像・画像編集・マスク

正解: 1. 指定した雰囲気・テンポ・楽器を反映した音楽を生成する

解説: 文章条件付きの音楽生成では、ジャンル、雰囲気、テンポ、楽器などの記述を反映した音楽を合成できる。「条件に合う既存曲を検索し、曲名の候補を返す」は検索や推薦であり生成ではない。「指示文を音声合成で読み上げる」は音声合成（テキスト読み上げ）で、音楽生成とは異なる。「画像の明るさを調整…

関連キーワード: 音楽生成AI・テキスト条件・テンポ・楽器

正解: 4. 入力した文章と声の指定を基に、話し言葉の音声を生成する処理を指す

解説: テキスト読み上げは、入力テキストと声などの指定から、話し言葉の音声を生成する。「録音済み音声を文字へ変換」は音声認識・文字起こしで向きが逆である。「文章から静止画を作る」は画像生成である。「人間の録音を必須とする」は自動的に音声を合成する仕組みを説明していない。

関連キーワード: 音声生成AI・テキスト読み上げ・TTS・ナレーション

正解: 1. 映像とともに、効果音・環境音・会話も生成できる

解説: Veo 3の技術的な特徴には、映像に加えて効果音、環境音、会話などをネイティブに生成することが含まれる。「動画を解析し、字幕や要約のテキストを出力する」は動画理解の機能で、Veo 3は文章や画像から動画を生成するモデルである。「文章を分類ラベルへ変換する専用モデル」は、動画生成モ…

関連キーワード: 動画生成AI・Veo 3・ネイティブ音声・映像生成

正解: 2. リサイズは寸法をそろえ、正規化は画素値を一定範囲に変換する

解説: リサイズは入力画像を共通の寸法へそろえ、正規化・リスケーリングは画素値を0から1などの扱いやすい範囲へ変換する。「正解ラベルを増やす」「画像枚数を減らす」はどちらの目的でもない。「文章を音声にする」「音声を動画にする」は画像前処理と無関係である。「重みを必ず初期化する」も、入力変…

関連キーワード: 画像前処理・リサイズ・正規化・画素値

正解: 2. 学習用画像だけに意味を保つ回転・反転などを加え、多様性を増やす

解説: データ拡張は、意味を保つ現実的な回転や反転などを学習用画像へ加え、訓練集合の多様性を高める方法である。「学習用画像の回転版をテスト用に加える」と、学習に使った画像の変形版で評価することになり、未知データへの性能を過大に見積もる。「意味が変わるほど無制限に変形」はラベルを壊し得る。…

関連キーワード: データ拡張・augmentation・回転・反転・学習データ

正解: 1. 元の内容を保ち、超解像やアーティファクト低減で鮮明化する

解説: AIを使うリマスタリングでは、超解像で低解像度映像を高精細化し、圧縮由来のブロック状ノイズなどを低減して見やすさを改善できる。「無関係な映像へ全面置換」は元作品の改善ではない。「文章へ要約するだけ」は映像品質を変えない。「解像度を下げてノイズを増やす」は改善の方向と逆である。

関連キーワード: リマスタリング・超解像・アーティファクト低減・動画画質

正解: 3. 先行トークンを条件に次トークンの確率を求め、順に生成する

解説: 自己回帰型の言語モデルは、既に現れたトークン列を条件に次のトークンの分布を求め、この処理を繰り返して系列を伸ばす。「辞書の先頭語だけを繰り返す」は文脈条件付き予測ではない。「未来の正解文を外部から受け取る」は生成モデルの仕組みを説明していない。「次の語を予測せず、入力文章を一文字…

関連キーワード: 自己回帰モデル・次トークン予測・系列生成・条件付き確率

正解: 3. ClaudeとGemini―文章等の生成AI、SoraとVeo―動画生成モデル

解説: ClaudeとGeminiはテキストを中心に画像なども扱う生成AIであり、SoraとVeoは動画を生成するモデルとして公式資料で説明されている。「動画生成専用、表計算専用」は各サービスの用途を取り違えている。「画像圧縮形式、検索アルゴリズム」も製品種別が異なる。「活性化関数であり…

関連キーワード: Claude・Gemini・Sora・Veo・主要生成AI

正解: 1. 人の編集やAIで、画像・音声・動画の全体または一部を改変・合成したもの

解説: 合成・部分合成メディアには、画像、音声、動画などが人の操作やAIによって全体または一部を技術的に変えられたものが含まれる。「顔を入れ替えた動画を指す用語」とすると、画像や音声を合成・改変したものを除外してしまう。「AIが全画素を作った場合だけ」は部分合成や人手編集を除外してしまう…

関連キーワード: ディープフェイク・合成メディア・部分合成・電子透かし

正解: 4. ディープフェイクは参照データを学習したAIで本物らしく合成し、単純な編集は実素材の速度や文脈を変える

解説: ディープフェイクは、参照コンテンツでAIを学習させ、本物と見分けにくい合成媒体を作る技術である。一方、単純な編集でも速度変更や文脈からの切り離しによって人を誤導できる。両者を「真正な出来事を正確に伝えるための加工技術」とする説明は、偽情報への悪用可能性を無視している。ディープフェ…

関連キーワード: ディープフェイク・偽情報・ディスインフォメーション・cheapfake

正解: 2. 送金を保留し、依頼内の連絡先でなく既知の別経路で本人等に確認する

解説: AI音声は実在人物の声をまねたなりすまし詐欺に悪用され得るため、送金を止め、既に把握している別の連絡手段で本人や担当部署へ照合する。「声が本人に似ていれば真正とみなす」だけでは合成音声を見抜けない。「音声ファイルを削除して送金だけを実行する」は依頼の真正性を確認していない。「社内…

関連キーワード: ディープフェイク事件・音声クローニング・なりすまし詐欺・別経路確認

正解: 4. 質問に関連する外部情報を検索し、それを基に生成モデルが回答する方式

解説: RAGは、質問に関連する情報を外部の知識源から検索し、取得した文脈を生成モデルへ与えて回答を作る方式である。「回答例を数件示して倣わせる」のはfew-shotプロンプティングで、外部情報の検索を伴わない。「質問のたびにゼロから再学習」は検索時の拡張ではない。「検索した文書をそのま…

関連キーワード: RAG・検索拡張生成・外部知識・グラウンディング

正解: 3. 事前学習済みseq2seqモデルと、密なベクトル索引を引くニューラル検索器

解説: 2020年のRAG原論文は、パラメトリック記憶である事前学習済みseq2seqモデルと、ニューラル検索器でアクセスする密なベクトル索引を組み合わせた。「Wikipediaで追加学習し、知識を重みに持たせたseq2seqモデル」はパラメトリック記憶に頼る構成で、非パラメトリック記憶…

関連キーワード: RAGの歴史・2020年・パラメトリック記憶・非パラメトリック記憶

正解: 2. 質問をベクトル化して類似検索し、質問と取得データをLLMへ渡す

解説: 代表的なRAGの応答処理は、質問の埋め込みを作り、ベクトル類似検索で関連データを取得し、元の質問と取得データから拡張プロンプトを作ってLLMへ渡す。「回答を先に固定する」は検索根拠を回答へ反映できない。「全データを無条件に詰め込む」は検索を省き、入力上限にも弱い。「質問ごとに再学…

関連キーワード: RAGの仕組み・クエリ埋め込み・ベクトル類似検索・拡張プロンプト

正解: 1. 文書の各部分を検索単位にし、質問に関係する箇所を探しやすくするため

解説: チャンク分割は、長い文書の各部分を独立した検索単位にして、質問に関連する箇所を選びやすくするために行う。「一文字単位なら文脈を完全保持」は、細かすぎる分割で意味を失う。「埋め込みも索引も不要」は、分割後の検索準備を否定している。「正解ラベルへ変換する」はRAGの文書分割ではなく分…

関連キーワード: チャンク・文書分割・検索単位・RAG前処理

正解: 3. 文章や質問の意味を数値ベクトルで表す

解説: 埋め込みは文章や質問を数値ベクトルへ写像し、ベクトル間の近さから意味的に関連する内容を探せるようにする。「単語に辞書の通し番号を振る」はトークン化・ID化で、番号の近さは意味の近さを表さない。「キーワードの出現位置を記録した索引」は語の一致で探す転置索引で、意味をベクトルで表す埋…

関連キーワード: 埋め込み・embedding・数値ベクトル・意味類似度

正解: 3. 埋め込みを保存・索引化し、質問ベクトルに近いデータを探す基盤

解説: ベクトルデータベースやベクトル索引は、文書チャンクの埋め込みを保存・索引化し、質問の埋め込みと近いデータを類似検索する。「全パラメータを毎回学習する」はモデル訓練である。「文字コードを一律に削除する」は情報を壊す操作である。「登録順で先頭の文書だけを必ず返す」は質問との類似性を使…

関連キーワード: ベクトルデータベース・ベクトル索引・類似検索・埋め込み保存

正解: 1. 規程の更新を索引へ反映し、回答時に新しい関連箇所を参照しやすい

解説: RAGでは、外部知識の索引を更新し、回答時に新しい関連箇所を検索できるため、基盤モデル自体を毎回再学習せずに知識更新へ対応しやすい。「索引を更新せず古い内容だけ」は利点を失う。RAGでは回答に使った文書を出典として示せるので、根拠の確認を省けるのではなく、むしろ確認しやすくなる。…

関連キーワード: RAGのメリット・知識更新・索引更新・再学習