問80
頻出度★★☆
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。
令和7年度 ITパスポート試験 問80
テクノロジ系基礎理論 › 情報に関する理論
この問題の解説と、これまでの解答の記録です。
解説
問 80
不正解ア
アノテーションは、訓練データの各要素に正解ラベル（タグや注釈）を付与する作業を指す。AI を訓練するための「データの前準備作業」であって、訓練済みで様々な用途に適応できる「モデル」そのものではないため誤り。
不正解イ
エキスパートシステムは、特定分野の専門家の知識を「if-then 形式のルール」として蓄え、推論によって判断・助言を行う旧来型の AI である。大量データからの事前学習やファインチューニングによる汎用適応を特徴とする基盤モデルとは仕組みが異なるため誤り。
- ウ
正解 正解は「ウ 基盤モデル」。基盤モデル (Foundation Model) とは、広範囲かつ大量のデータで事前学習され、その後ファインチューニングなどによって文章生成 AI・画像生成 AI・質問応答など多様な下流タスクへ適応できる汎用的な AI モデルを指す。問題文の「広範囲かつ大量のデータで訓練」「ファインチューニングなどによって様々な用途に適応できる」という記述がまさに基盤モデルの定義そのものであり、ウが正しい。文章生成 AI（大規模言語モデル）も基盤モデルを基にして特定用途へ適応させた一例である。
不正解エ
畳み込みニューラルネットワーク (CNN) は、主に画像認識などで用いられる特定のニューラルネットワーク構造（アーキテクチャ）の一種である。多用途へ広く適応できる汎用基盤を表す概念ではなく、特定タスク向けの手法であるため誤り。
ここがポイント
- 基盤モデル (Foundation Model) = 大量・広範なデータで事前学習し、ファインチューニングで多様な下流タスクへ適応できる汎用 AI モデル。文章生成 AI（大規模言語モデル）はその代表的応用。
- 紛らわしい用語の区別: アノテーション（データへのラベル付け作業）／エキスパートシステム（ルールベース AI）／CNN（画像向けの特定 NN 構造）は、いずれも「汎用的に適応できるモデル」という基盤モデルの本質とは異なる。
用語