生成AIの仕組みと歴史

✓全180問・解説・間違い直しは登録不要・無料。無料登録で進捗をクラウド保存。模試・期日復習・弱点分析は Premium (月480円)全180問に加えて、模試・期日復習・弱点分析・広告非表示をご利用中です

• ✓正解済み✗まだ正解していませんQ1初級生成モデル・生成AI・データ分布

  生成モデルの役割を、識別モデルとの違いに着目して説明したものとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 生成モデルはデータを生み出す確率分布を学び、そこから新しい例を生成する。「クラスへ分類」は主に識別モデルの役割であり、「生成規則を学習せずに実行」はルールベース処理である。「一件ずつ検索」は既存データの検索であって、新しいデータを生成するモデルの説明ではない。

• ✓正解済み✗まだ正解していませんQ2初級ボルツマンマシン・エネルギー・確率的生成モデル

  ボルツマンマシンの基本的な特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: ボルツマンマシンでは確率的な二値ユニットを対称な結合でつなぎ、状態のエネルギーに基づく確率分布を扱う。「確率を用いない」は確率的な状態更新と反する。「畳み込み専用」はCNNの説明であり、「生成器と識別器を競わせる」はGANの説明である。

• ✓正解済み✗まだ正解していませんQ3中級制約付きボルツマンマシン・RBM・可視層

  制約付きボルツマンマシン（RBM）で「制約付き」とされる接続構造はどれか。

  →
  ▶答えと解説を先に見る

  解説: RBMは可視層と隠れ層の二部構造を持ち、層をまたぐ接続はある一方、可視層内と隠れ層内の接続を持たない。「可視ユニットだけ」では隠れ表現を使えず、「一方向だけ」は対称結合を持つRBMと合わない。「時系列方向だけ」はRNNに近い説明である。

• ✓正解済み✗まだ正解していませんQ4中級自己回帰モデル・条件付き確率・系列生成

  自己回帰モデルが画像や文章の系列を生成するときの考え方として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 自己回帰モデルは同時分布を順序付きの条件付き確率へ分解し、既にある要素を条件に次を予測する。「互いに独立」は過去の要素を条件にする性質と反する。「距離だけ」は確率的系列生成の説明ではなく、「同じ入力だけを復元」はオートエンコーダの再構成に寄った説明である。

• ✓正解済み✗まだ正解していませんQ5初級CNN・畳み込み・フィルタ

  CNNの畳み込み層が画像を処理する方法として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 畳み込み層は局所領域を見るフィルタを空間上で共有し、同じ種類の特徴を異なる位置から検出する。「別の規則を人が設定」は学習可能な共有重みと反する。「空間的な関係を使わない」も局所接続の特徴と逆であり、「文章へ変換」はCNNに必須の処理ではない。

• ✓正解済み✗まだ正解していませんQ6中級VAE・エンコーダ・デコーダ

  VAE（変分自己符号化器）のエンコーダとデコーダの関係として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: VAEではエンコーダ側の認識モデルが潜在変数の事後分布を近似し、そこから得た潜在表現をデコーダ側の生成モデルがデータへ写す。「本物か偽物かの判定」と「敵対的に学習」はGANの識別器を混同している。「報酬と行動方策」は強化学習の説明である。

• ✓正解済み✗まだ正解していませんQ7上級VAE・ノイズ・再パラメータ化

  VAEの再パラメータ化トリックで、潜在変数 z を平均 μ、標準偏差 σ、標準正規ノイズ ε から表す式として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 再パラメータ化では z = μ + σ×ε と表し、εを標準正規分布から得ることでサンプリングを含む計算を微分可能な形にする。「ノイズを使わない」は確率的潜在変数を失い、「平均と分散を捨てる」は入力依存の近似分布を使えない。「μ÷ε」は原論文の変換ではなく、ゼロ除算も生じ得る。

• ✓正解済み✗まだ正解していませんQ8初級GAN・生成器・識別器

  GAN（敵対的生成ネットワーク）の生成器と識別器の役割の組合せとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: GANでは生成器がデータ分布に似たサンプルを作り、識別器が実データと生成サンプルを判別する競争を通じて学習する。「ラベルを付けて削除」は役割が異なり、「圧縮して復元」はオートエンコーダの説明に近い。「報酬を設計して行動」は強化学習の構成である。

• ✓正解済み✗まだ正解していませんQ9初級RNN・リカレント層・隠れ状態

  RNN（回帰型ニューラルネットワーク）がシーケンスデータを扱う際の特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: RNNはリカレント層で隠れ状態を時点間に引き継ぎ、シーケンスの文脈を処理する。「時点を独立」は順序情報を利用できない。「縦横位置だけ」はCNNに寄った説明であり、「生成器と識別器の勝敗」はGANの構成を混同している。

• ✓正解済み✗まだ正解していませんQ10初級LSTM・RNN・長期依存

  LSTMが従来型RNNの学習上の課題へ対処するために導入した仕組みとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: LSTMは一定の誤差流を保つ内部状態と乗算ゲートを用い、長い時間差で誤差が消えやすい問題へ対処した。「過去情報を毎回消去」では長期依存を学べない。「真偽を競わせる識別器」はGANであり、「位置を無視する並べ替え」は系列学習を壊す。

• ✓正解済み✗まだ正解していませんQ11初級Transformer・Attention・アーキテクチャ

  Transformerの原論文が提案したアーキテクチャの特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: Transformerは再帰や畳み込みを使わず、Attentionを中心とするエンコーダ・デコーダ構成として提案された。「RNNだけ」は原論文の対比対象であり、「畳み込みだけ」も採用されていない。「生成器と識別器」はGANの仕組みである。

• ✓正解済み✗まだ正解していませんQ12上級Attention Mechanism・Query・Key

  TransformerのScaled Dot-Product Attentionで、Query行列Q、Key行列K、Value行列Vを使う計算の流れとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: Scaled Dot-Product AttentionはQKᵀをキー次元の平方根でスケーリングし、Softmaxで得た重みをVへ適用する。「QとVを足して二値化」「Kだけを畳み込む」は定義にない。「V同士の距離だけ」ではQueryとKeyの対応度を計算できない。

• ✓正解済み✗まだ正解していませんQ13上級Self-Attention・自己注意力・Attention層

  Transformer型の翻訳モデルで、デコーダ内の処理Aは生成済みの目的言語トークン同士を関連付け、処理Bは目的言語側の表現から入力文の表現を参照する。Self-Attentionとエンコーダ・デコーダAttentionの対応として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 同じ系列内の位置を関連付けるAはデコーダのSelf-Attentionである。入力文を参照するBでは、Queryがデコーダの直前層、KeyとValueがエンコーダ出力から来る。「Aがエンコーダ・デコーダAttention、BがSelf-Attention」は参照元を逆にしている。…

• ✓正解済み✗まだ正解していませんQ14中級位置エンコーディング・Transformer・系列順序

  Transformerで位置エンコーディングを入力表現へ加える主な理由はどれか。

  →
  ▶答えと解説を先に見る

  解説: Transformerは再帰や畳み込みを使わないため、順序を表す位置エンコーディングを入力埋め込みへ加える。「画像へ変換」は不要であり、「重みをゼロにする」は学習を成立させない。「生成器と識別器」はGANの構成で位置情報とは無関係である。

• ✓正解済み✗まだ正解していませんQ15中級GPT-1・GPTモデル・事前学習

  後にGPT-1と呼ばれるモデルで示された学習手順として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: GPT-1の論文はラベルなし文章で言語モデルを生成的に事前学習し、ラベル付きデータで各タスクへファインチューニングする枠組みを示した。「毎回ゼロから」は転移を使わず、「画像の真偽判定」は対象外である。「順位付けだけで事前学習なし」は後のRLHF工程を混同している。

• ✓正解済み✗まだ正解していませんQ16中級BERT・MLM・Masked Language Model

  BERTのMLM（Masked Language Model）による事前学習を説明したものとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: MLMは一部トークンをマスクし、左右の文脈を同時に用いて元のトークンを予測する。「左側だけで次語を生成」は自己回帰型言語モデルの説明である。「文章の長さだけ」はNSPではなく、「画素を補う」はBERTの文章事前学習ではない。

• ✓正解済み✗まだ正解していませんQ17中級BERT・NSP・Next Sentence Prediction

  BERTのNSP（Next Sentence Prediction）でモデルに判定させる内容はどれか。

  →
  ▶答えと解説を先に見る

  解説: NSPは二つの入力文について、文Bが文Aの実際の次文か、ランダムに選ばれた文かを分類する。「文字数の一致」と「同じ色」は目的ではない。「最後の単語だけから文Aを生成」もNSPの二値分類と異なる。

• ✓正解済み✗まだ正解していませんQ18上級RoBERTa・ALBERT・BERT

  RoBERTaとALBERTがBERTから変更した点の組合せとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: RoBERTaはBERTの構造を保ちながらNSPを外し、動的マスキングや学習量などを再検討した。ALBERTは埋め込み行列の因数分解と層間共有でパラメータを削減した。「再帰層必須」「Attention削除」はどちらの変更でもなく、「画像専用」「音声専用」も誤りである。「事前学習廃…

• ✓正解済み✗まだ正解していませんQ19初級ChatGPT・GPT-3.5・対話型AI

  2022年11月に研究プレビューとして発表された当初のChatGPTについて、最も適切な説明はどれか。

  →
  ▶答えと解説を先に見る

  解説: 当初のChatGPTはGPT-3.5系列から対話向けにファインチューニングされ、会話の実演と応答比較を使うRLHFで調整された。「画像分類だけ」ではなく対話型の言語モデルである。「GPT-4を基礎」は発表時系列が逆で、「人間のフィードバックを使わない」も方法と反する。「検索結果を…

• ✓正解済み✗まだ正解していませんQ20中級GPT-2・パラメータ・Transformer

  GPT-2の発表時に示された特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: GPT-2は15億パラメータのTransformer型言語モデルで、前の語を条件に次の語を予測する。「1.5万パラメータ」「画像分類だけ」は規模も用途も異なる。「RLHFの三段階」は後のInstructGPTで明確化された手順であり、「左右を同時に見るMLM」はBERTの事前学習…

• ✓正解済み✗まだ正解していませんQ21上級GPT-3・few-shot・in-context learning

  事前学習済みGPT-3に新しい分類課題を解かせる。プロンプトへタスク説明と3組の入力・正解例を入れ、その場では勾配計算も重み更新も行わず、続く入力の答えを生成させた。この評価設定の説明として最も適切なものはどれか。

  →
  ▶答えと解説を先に見る

  解説: 少数の実演例をプロンプトの文脈として与え、重みを更新せずに解かせるためfew-shotに当たり、タスク固有データでパラメータを変えるファインチューニングとは異なる。「全パラメータを更新する」は設問の条件に反する。「例があってもzero-shot」は、例を与えないzero-shot…

• ✓正解済み✗まだ正解していませんQ22中級InstructGPT・RLHF・報酬モデル

  InstructGPTで用いられたRLHFの主要な手順を、実施順に並べたものとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: InstructGPTは人間の望ましい応答例で教師あり調整し、複数応答の順位データから報酬モデルを作り、その報酬を最大化するようPPOで方策を調整した。「無作為選択を正解扱い」は選好学習にならない。「畳み込みと識別器」は別モデルの要素であり、「URLを暗記して返す」はRLHFの手…

• ✓正解済み✗まだ正解していませんQ23上級アライメント・ファインチューニング・人間の意図

  アライメントとファインチューニングの関係として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: アライメントはモデルを人間の意図や価値に沿うようにする広い目標で、追加データや人間のフィードバックを使うファインチューニングはそのための手段になり得る。「同一の単位」ではなく、「解像度と音声圧縮」も定義と無関係である。「学習を行わない」「ゼロから作り直す」も、事前学習済みモデルを…

• ✓正解済み✗まだ正解していませんQ24初級ハルシネーション・事実確認・生成AIの限界

  テキスト生成AIのハルシネーションに当たる例として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: ハルシネーションは、もっともらしく見えても事実ではない内容をモデルが生成する現象である。「内容を変えない要約」と「表の並べ替え」は、正確に行われている限り虚偽生成ではない。「根拠不足を明示して保留」は不確実性を適切に示す行動で、むしろハルシネーションを避ける対応である。

• ✓正解済み✗まだ正解していませんQ25中級GPT-3.5・GPT-4・ChatGPT

  GPT-3.5とGPT-4について、各モデルの発表時情報に沿った説明はどれか。

  →
  ▶答えと解説を先に見る

  解説: OpenAIは当初のChatGPTをGPT-3.5系列から調整したモデルと説明し、GPT-4を画像・テキスト入力からテキストを出力する大規模マルチモーダルモデルとして発表した。「動画生成専用」「テキストを扱わない」は両者の用途と反する。「GPT-4が先」は時系列が逆で、「検索結果…

• ✓正解済み✗まだ正解していませんQ26中級GPT-4o・omni・マルチモーダル

  GPT-4oの「o（omni）」が表す発表時の特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: GPT-4oは複数モダリティを単一モデルで統合し、テキスト・音声・画像・動画の組合せを入力し、テキスト・音声・画像を出力できるものとして発表された。「文章だけ」「手動切替」は統合性と反する。「クリック操作だけ」はOperatorに近い説明で、「分類ラベル一つに限る」こともない。

• ✓正解済み✗まだ正解していませんQ27中級OpenAI o1・GPT-o1・推論モデル

  OpenAI o1系列について、発表時の位置付けとして最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: o1は回答前により長く考える推論モデル系列として示され、複雑な問題解決を重視する。「学習しない統計表」でも「画像を保存するだけ」でもない。「GPT-2より前」は時系列が大きく異なり、「音声専用」とする説明も誤りである。

• ✓正解済み✗まだ正解していませんQ28中級OpenAI o3・GPT-o3・o4-mini

  2025年4月に発表されたOpenAI o3とo4-miniの説明として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 公式発表ではo3とo4-miniはいずれも長く考える推論モデルで、o3は高能力側、o4-miniは小型・高速・効率重視とされた。「画像専用」「音声専用」は誤りで、「GPT-1以前」でもない。「o3が小型、o4-miniが最大」は役割が逆である。なおシラバスの「GPT-o4」に対応…

• ✓正解済み✗まだ正解していませんQ29中級GPT-4.1・コーディング・指示追従

  GPT-4.1系列が2025年4月にAPI向けに発表された際、重点的な改善点として挙げられた組合せはどれか。

  →
  ▶答えと解説を先に見る

  解説: GPT-4.1系列はコーディング、指示追従、長いコンテキストでの改善を掲げてAPI向けに発表された。「撮影・移動・印刷」は物理作業でモデルの改善点ではない。「GANの識別器追加」や「音声専用化」も説明されておらず、「学習データ不使用」「パラメータ全削除」では言語モデルが成立しない…

• ✓正解済み✗まだ正解していませんQ30上級GPT-5・統合システム・推論モデル

  2025年8月の発表時、ChatGPTにおけるGPT-5の「統合システム」はどのように説明されたか。

  →
  ▶答えと解説を先に見る

  解説: 発表時のGPT-5は、通常質問向けの高速なモデル、難問向けの深い推論モデル、会話の複雑さやツール需要などから両者を選ぶルーターを含む統合システムと説明された。「固定モデルだけ」はこの構成と反する。「画像データベースと広告分類器」でもなく、「旧モデルを無変更で順番に実行」する仕組み…

• ✓正解済み✗まだ正解していませんQ31初級Code Interpreter・データ分析・Python

  ChatGPTのCode Interpreter（後のデータ分析機能）の説明として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: Code InterpreterはChatGPTがPythonコードを実行し、ファイル分析、計算、表やグラフの作成などを行う機能として提供された。「外部サイトをクリック」はOperatorに近く、「用途別ChatGPTを公開」はGPTsである。「画像を動画へ変換するだけ」はSor…

• ✓正解済み✗まだ正解していませんQ32初級GPTs・カスタマイズ・追加知識

  2023年の発表時に示されたGPTsの特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: GPTsは、指示や追加知識、Web検索・画像生成・データ分析などの能力を組み合わせて特定用途向けChatGPTを作る仕組みとして発表された。「基盤モデルの重み統合」ではなく、「ブラウザ操作だけ」はOperatorに近い。「時空間パッチ」はSoraの技術説明である。

• ✓正解済み✗まだ正解していませんQ33初級Sora・動画生成・時空間パッチ

  初代Soraが2024年に研究公開された際の役割として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: Soraはテキスト条件から動画を生成し、動画や画像の潜在表現を時空間パッチとして扱うモデルとして研究公開された。「IsNext判定」はBERTのNSP、「コードを修正してテスト」はCodex、「表をPythonで集計」はCode Interpreterの役割である。

• ✓正解済み✗まだ正解していませんQ34中級Operator・Codex・AIエージェント

  2025年に発表されたOperatorとCodexの役割を正しく対応付けたものはどれか。

  →
  ▶答えと解説を先に見る

  解説: Operatorはスクリーンショットを見てクリックや入力を行うブラウザ操作エージェント、2025年発表のCodexはリポジトリを載せた隔離環境で実装・修正・テストを行う開発エージェントである。「動画生成」「画像内文字」は別の生成機能で、「MLMとNSP」はBERTの学習課題、「潜…

• ✓正解済み✗まだ正解していませんQ35初級Image Generation・GPT-4o・画像生成

  2025年に発表された4o Image Generationの特徴として最も適切なのはどれか。

  →
  ▶答えと解説を先に見る

  解説: 4o Image GenerationはGPT-4oへネイティブに組み込まれ、会話の流れやアップロード画像を踏まえて画像を生成・編集でき、画像内文字の表現も改善した。「画像を扱わない」と「画像を生成しない」は機能と逆である。「ボタンをクリックするだけ」はOperatorの役割を混…

• ✓正解済み✗まだ正解していませんQ36初級Gemini・Claude・Copilot

  Gemini、Claude、Microsoft Copilotの開発元と発表時の位置付けを正しく対応付けたものはどれか。

  →
  ▶答えと解説を先に見る

  解説: GeminiはGoogleがネイティブなマルチモーダルモデルとして、ClaudeはAnthropicが対話や文章処理を行うAIアシスタントとして、CopilotはMicrosoftがWindowsやMicrosoft 365、Edge、BingなどをまたぐAI体験として発表した。…