本ユニットでは、新しいデータそのものを作り出す深層学習モデルGANから、生成AIの中核である大規模言語モデル(LLM)、そしてLLMを上手に使いこなす技法プロンプトエンジニアリングまでを学びます。生成AIは近年の出題が増えている注目分野で、各用語の略称と正式名称、そして「生成する」という共通テーマを押さえることが試験で重要になります。
二つのネットワークを競わせて本物そっくりのデータを生成する深層学習モデル。
GANは、画像などのデータを新しく生成することを得意とする深層学習モデルです。「生成器(ジェネレータ)」と「識別器(ディスクリミネータ)」という二つのネットワークが、偽物を作る側と見破る側として互いに競い合いながら学習します。 この競争を繰り返すうちに、生成器は本物と見分けがつかないほど精巧なデータを作れるようになります。試験では、データを分類・識別するモデルではなく「データを新しく生成する」代表的なモデルであること、二つのネットワークが対立しながら学ぶ仕組みが問われます。
たとえ偽札職人(生成器)と鑑定士(識別器)がいたちごっこをするようなもの。鑑定士に見破られまいと職人の腕が上がり、最後は本物そっくりの札ができあがります。
記憶フックGANといえば生成器と識別器を競わせて本物そっくりを作る
GANの正式名称。二つの網が敵対しながらデータを生成する手法。
敵対的生成ネットワークは、GAN(Generative Adversarial Network)の正式な日本語名称です。「敵対的」は生成器と識別器が互いに競い合う(敵対する)関係を、「生成」は新しいデータを作り出すことを表しています。 名称そのものが仕組みを言い表している点がポイントです。試験では、GANという略称と「敵対的生成ネットワーク」という正式名称が対応していること、名前の通り二つのネットワークが敵対的に学習する生成モデルであることが問われます。
たとえ「敵対」「生成」「ネットワーク」という三つの言葉が、そのまま“競い合って・新しく作る・二つの網”という中身を説明している名札のようなものです。
記憶フック敵対的生成ネットワークといえばGANの正式名称
膨大な文章を学習し人間のような文章を生成するAIモデル。
LLMは、インターネット上の膨大な量の文章を学習し、人間が書いたような自然な文章を生成できるAIモデルです。質問に答えたり、文章を要約・翻訳したり、文章を続けて書いたりと、言葉に関する幅広い作業をこなせるのが特徴です。 近年の対話型生成AIサービスの中核技術であり、生成AIの代表例として出題されます。試験では、LLMが「大規模言語モデル」の略称であること、大量のテキストを学習して言語を扱う生成AIである、という基本理解が問われます。
たとえとてつもない数の本を読破した物知りの相談相手のようなもの。質問すれば、それまで読んだ膨大な文章をもとに自然な言葉で答えを組み立ててくれます。
記憶フックLLMといえば膨大な文章を学習して文章を生成するAI
LLMの正式名称。大量の言語データを学習した生成AIモデル。
大規模言語モデルは、LLM(Large Language Model)の正式な日本語名称です。「大規模」は学習に使う文章量とモデルの規模が非常に大きいこと、「言語モデル」は言葉のつながりやすさを予測して文章を扱う仕組みを表しています。 試験では、LLMという略称と「大規模言語モデル」という正式名称が対応していること、名称の通り大量の言語データを学習した生成AIであることが問われます。GANが主に画像などを生成するのに対し、こちらは文章(言語)を生成する点で対比して覚えると効果的です。
たとえ「大規模」=膨大な文章で鍛えた、「言語モデル」=言葉を扱う頭脳、という名前がそのまま中身を表しています。図書館一館分を覚えた言葉の専門家のイメージです。
記憶フック大規模言語モデルといえばLLMの正式名称
AIへの指示文を工夫し望む回答を引き出す技法。
プロンプトエンジニアリングは、生成AI(LLMなど)に与える指示や質問の文章(プロンプト)を工夫し、より的確で望ましい回答を引き出す技法です。同じAIでも、指示の出し方しだいで回答の質が大きく変わるため重要視されます。 例えば「役割を与える」「手順を細かく示す」「出力の形式を指定する」といった工夫が含まれます。試験では、これがモデルそのものを作る技術ではなく、出来上がったAIを「使いこなす側」の活用技法である点が問われます。
たとえ検索エンジンで良い結果を得るために検索キーワードを工夫するのと同じように、AIにうまく頼むための“聞き方の工夫”だと考えると分かりやすいです。
記憶フックプロンプトエンジニアリングといえば指示文を工夫して望む回答を引き出す技法
関連の過去問演習は今後のアップデートで追加予定です。