2027年試験新シラバス対応・0-3

英略語・カタカナ用語の読み方の一問一答

生成AIパスポート試験「最初に覚える土台知識」から、英略語・カタカナ用語の読み方に関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問／解説つき・基本無料

アプリ形式で解く（全410問）最初に覚える土台知識の要点解説を読む

問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は四肢択一式（一部複数選択を含む）で出題されます。ここでは全て4択（正解は1つ）で出題しています。

問10-3

RAGの正式名称と日本語訳の組合せとして、最も適切なものを1つ選びなさい。

①Retrieval-Aligned Generation（検索整合生成）
②Reasoning-Augmented Generation（推論拡張生成）
③Retrieval-Augmented Generation（検索拡張生成）
④Reinforcement-Augmented Generation（強化拡張生成）

答えと解説を見る

正解 ③Retrieval-Augmented Generation（検索拡張生成）

解説
RAGは、Retrieval-Augmented Generation（検索拡張生成）の略です。利用者の質問に関係する情報を、社内文書やデータベースなどから検索（Retrieval）し、その情報をLLMに渡して回答を生成（Generation）させる仕組みです。
LLMが学習していない最新の情報や社内の情報に基づいて回答でき、根拠を示しやすくなるため、ハルシネーションの抑制にも役立ちます。新シラバスでは第3章「AIエージェント」の中項目として扱われています。

他の選択肢が不適切な理由
・Reasoning-Augmented Generation：RAGの正式名称ではありません。Rは推論（Reasoning）ではなく、検索（Retrieval）です。
・Retrieval-Aligned Generation：RAGの正式名称ではありません。Aは整合（Aligned）ではなく、補強・拡張（Augmented）です。
・Reinforcement-Augmented Generation：RAGの正式名称ではありません。強化学習（Reinforcement Learning）と混同させる誤りです。

覚え方のポイント
R＝Retrieval（検索して取ってくる）、A＝Augmented（補強された）、G＝Generation（生成）。「調べてから答える」仕組みです。

問20-3

英略語と正式名称の組合せとして、適切でないものを1つ選びなさい。

①TTS：Text-to-Speech
②LLM：Large Language Model
③NLP：Natural Language Processing
④AGI：Artificial Graphic Interface

答えと解説を見る

正解 ④AGI：Artificial Graphic Interface

解説
AGIは、Artificial General Intelligence（汎用人工知能）の略で、人間のように幅広い分野の課題に対応できる汎用的なAIを指します。「Artificial Graphic Interface」ではありません。
LLM（Large Language Model：大規模言語モデル）、NLP（Natural Language Processing：自然言語処理）、TTS（Text-to-Speech：文章を音声に変換する技術）は、いずれも正しい組合せです。

他の選択肢（適切な記述）について
・LLM：Large Language Model：大規模言語モデルの略で、正しい組合せです。
・NLP：Natural Language Processing：自然言語処理の略で、正しい組合せです。
・TTS：Text-to-Speech：文章から音声を作る技術（音声合成）の略で、正しい組合せです。

覚え方のポイント
AGI＝Artificial General Intelligence（汎用）、ANI＝Artificial Narrow Intelligence（特化型）。

問30-3

RLHFの日本語訳として、最も適切なものを1つ選びなさい。

①人間のフィードバックによる強化学習
②大規模データによる自己教師あり学習
③検索結果を用いた生成の補強と拡張
④画像と文章を組み合わせた同時学習

答えと解説を見る

正解 ①人間のフィードバックによる強化学習

解説
RLHFは、Reinforcement Learning from Human Feedback（人間のフィードバックによる強化学習）の略です。
モデルが出した複数の回答を人間が比べて評価し、その評価をもとに「人間が好む回答」を点数化する報酬モデルを作ります。そして、その報酬が高くなるようにモデルを強化学習で調整します。これにより、より役に立ち、有害な内容を避ける回答ができるよう、人間の価値観や意図に近づけます（アライメント）。ChatGPTのもとになったInstructGPT（2022年）で用いられ、広く知られるようになりました。

他の選択肢が不適切な理由
・大規模データによる自己教師あり学習：LLMの事前学習の説明に近いものですが、RLHFではありません。
・検索結果を用いた生成の補強と拡張：RAG（検索拡張生成）の説明です。
・画像と文章を組み合わせた同時学習：マルチモーダル学習の説明です。

覚え方のポイント
RL＝強化学習（Reinforcement Learning）、HF＝人間のフィードバック（Human Feedback）。「人間の評価でAIをしつける」と覚えましょう。

問40-3

MCPの説明として、最も適切なものを1つ選びなさい。

①AIの出力に誤りがないかを、人間が最終的に確認するための社内の承認手順
②AIアプリと外部のツールやデータをつなぐための、オープンな共通の接続規格
③生成AIの利用時間を計測して、利用料金を自動的に計算するための仕組み
④画像生成AIで作った画像に、作者の名前を自動で書き込んで残すための仕組み

答えと解説を見る

正解 ②AIアプリと外部のツールやデータをつなぐための、オープンな共通の接続規格

解説
MCPは、Model Context Protocol（モデル・コンテキスト・プロトコル）の略で、AIアプリケーション（AIエージェントなど）と、外部のツールやデータソースとをつなぐためのオープンな共通規格です。2024年11月にAnthropicが発表し、2025年12月にはLinux Foundationのもとに設立されたAgentic AI Foundationへ寄贈されました。
ツールやサービスごとに個別の接続方法を作らなくても、MCPに対応した「MCPサーバー」を用意すれば、さまざまなAIから同じ方法で使えるようになります。よく「AIのためのUSB-C」にたとえられます。

他の選択肢が不適切な理由
・人間が最終確認する社内の承認手順：Human-in-the-Loop（人間による確認・承認）の考え方であり、MCPではありません。
・利用料金の自動計算：MCPとは関係ありません。
・画像に作者名を書き込む仕組み：生成物の来歴を示す仕組みには、電子透かしやC2PAなどがあります。

覚え方のポイント
MCP＝「AIと外部ツールをつなぐ共通コネクタ（USB-Cのようなもの）」。Protocolは「通信の約束ごと」です。

問50-3

GAN（敵対的生成ネットワーク）に関する記述として、適切でないものを1つ選びなさい。

①生成器と識別器を互いに競わせることで、生成の精度を高めていく。
②敵対的生成ネットワークの略称で、2014年に提案されたモデルである。
③本物らしいデータを作る生成器と、本物かを見分ける識別器を使う。
④GANは文章の次の単語を予測するモデルで、画像の生成には使われない。

答えと解説を見る

正解 ④GANは文章の次の単語を予測するモデルで、画像の生成には使われない。

解説
GAN（Generative Adversarial Network：敵対的生成ネットワーク）は、2014年にイアン・グッドフェローらが提案した生成モデルで、本物らしいデータを作る生成器と、本物か偽物かを見分ける識別器を競わせながら学習します。非常にリアルな画像の生成などで成果を上げました。
文章の次の単語を予測するのはGPTなどの言語モデルの学習方法であり、GANは画像の生成などに使われてきたモデルです。したがって、この記述は適切ではありません。

他の選択肢（適切な記述）について
・敵対的生成ネットワークの略称で2014年に提案：Generative Adversarial Networkの略で、正しい記述です。
・生成器と識別器を使う：GANを構成する2つのネットワークです。
・互いに競わせて精度を高める：「敵対的（Adversarial）」という名前の由来です。

覚え方のポイント
GAN＝「作る側（生成器）vs 見破る側（識別器）」。画像生成で有名になったモデルです。

問60-3

英略語に関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．RLHFは、検索した情報をもとに回答を生成する仕組みのことである。
b．NLPは、人間の言葉をコンピュータで扱う自然言語処理のことである。
c．MCPは、AIと外部のツールやデータをつなぐための共通規格である。
d．GPTの「T」は、Translator（翻訳機）の頭文字である。

①a・d
②b・c
③a・b
④c・d

答えと解説を見る

正解 ②b・c

解説
bとcが適切です。
b：NLP（Natural Language Processing）は、日本語や英語のように人間がふだん使う言葉を、コンピュータで扱う自然言語処理のことです。
c：MCP（Model Context Protocol）は、AIアプリと外部のツールやデータソースをつなぐためのオープンな共通規格です。

誤っている記述
・a：RLHFは、人間のフィードバックによる強化学習（Reinforcement Learning from Human Feedback）です。検索した情報をもとに回答を生成する仕組みはRAG（検索拡張生成）です。
・d：GPTはGenerative Pre-trained Transformerの略で、「T」はTransformerです。

覚え方のポイント
略語は「アルファベットごとに英単語を当てはめる」と覚えやすく、取り違えも防げます。

問70-3

特化型AI（ANI）と汎用人工知能（AGI）に関する記述として、適切でないものを1つ選びなさい。

①AGIは、人間のように幅広い課題に対応できる汎用的なAIを指す。
②ANIは、画像認識や翻訳などの特定の作業に特化したAIである。
③現在実用化されているAIの多くは、すでにAGIに分類されている。
④AGIの実現時期や定義については、さまざまな見解が示されている。

答えと解説を見る

正解 ③現在実用化されているAIの多くは、すでにAGIに分類されている。

解説
現在実用化されているAIの多くは、画像認識・翻訳・文章の生成など、特定の作業や領域に強みを持つ特化型AI（ANI：Artificial Narrow Intelligence）に分類されます。したがって「多くがすでにAGIに分類されている」という記述は適切ではありません。
AGI（Artificial General Intelligence：汎用人工知能）は、人間のように幅広い分野の課題を理解し、学習し、対応できるAIを指します。AGIの実現時期や定義については、研究者や企業によってさまざまな見解があり、一部の企業が自社の最新モデルについてAGIに近づいたと主張することもあります。
なお、「強いAI・弱いAI」は、AIが心を持つかどうかという別の観点の区別で、特化型・汎用（対応できる課題の広さ）とは同じ意味ではありません。

他の選択肢（適切な記述）について
・ANIは特定の作業に特化したAI：特化型AIの定義です。
・AGIは幅広い課題に対応できるAI：汎用人工知能の定義です。
・実現時期や定義にさまざまな見解：AGIについては、統一された定義や実現時期の合意はありません。

覚え方のポイント
ANI＝Narrow（狭い・特化）、AGI＝General（汎用）。実用AIの多くはまだANIです。

問80-3

Human-in-the-Loopの説明として、最も適切なものを1つ選びなさい。

①AIの処理の流れの中に、人間による確認・判断・承認の工程を組み込む考え方
②AIの学習データを集めるために、多くの人間を一か所に集めて作業させる方法
③人間の代わりにAIがすべての判断を行い、人間は結果だけを受け取る運用の形
④AIが人間の行動を監視して、問題がある行動を自動的に止めるための仕組み

答えと解説を見る

正解 ①AIの処理の流れの中に、人間による確認・判断・承認の工程を組み込む考え方

解説
Human-in-the-Loop（ヒューマン・イン・ザ・ループ）は、AIの処理の流れ（ループ）の中に人間を組み込み、重要な判断や操作の前に人間が確認・修正・承認する考え方です。
AIエージェントのように自律的に動くAIでは、誤りの連鎖や想定外の操作を防ぐため、送金・メール送信・データの削除などの影響が大きい操作の前に、人間の承認を挟むことが安全に使うための原則の一つとされています。AI事業者ガイドラインでも、人間の判断の適切な介在が求められています。

他の選択肢が不適切な理由
・人を集めて学習データを作る方法：Human-in-the-Loopの意味ではありません。
・AIがすべて判断し人は結果を受け取るだけ：人間が関与しない形で、Human-in-the-Loopとは逆の運用です。
・AIが人間を監視する仕組み：AIと人の関係が逆です。Human-in-the-Loopは人がAIの処理を確認する考え方です。

覚え方のポイント
in the Loop＝「輪の中に人間がいる」。AIに任せきりにせず、要所で人が確かめる、が基本です。

問90-3

GPTの正式名称として、最も適切なものを1つ選びなさい。

①General Purpose Text Translator
②Generative Pre-trained Transformer
③Graphical Processing Technology
④Generative Probabilistic Tokenizer

答えと解説を見る

正解 ②Generative Pre-trained Transformer

解説
GPTは、Generative Pre-trained Transformerの略で、OpenAIが開発しているLLMのシリーズ名です。
Generative（生成する）、Pre-trained（大量のデータで事前学習した）、Transformer（2017年にGoogleの研究者らが発表したニューラルネットワークの構造）という3つの言葉が、そのまま特徴を表しています。2018年のGPT-1から始まり、GPT-2、GPT-3と規模を拡大しながら発展し、ChatGPTのもとになりました。

他の選択肢が不適切な理由
・General Purpose Text Translator：このような用語はありません。GPTは翻訳専用のツールの名前ではありません。
・Graphical Processing Technology：このような用語はありません。画像処理などに使う半導体のGPU（Graphics Processing Unit）と混同させる誤りです。
・Generative Probabilistic Tokenizer：このような用語はありません。トークナイザー（文章をトークンに区切る仕組み）と混同させる誤りです。

覚え方のポイント
G＝生成、P＝事前学習、T＝Transformer。「Transformerを事前学習した生成モデル」です。

問100-3

ELSIの説明として、最も適切なものを1つ選びなさい。

①AIのモデルを外部から不正に操作する、サイバー攻撃の手口を表す言葉のこと
②AIの学習に使う電気の量を減らすために作られた、省エネルギーの技術のこと
③新しい技術が社会に広がるときに生じる、倫理的・法的・社会的な課題のこと
④AIの開発に必要な費用を、国が補助するための制度を表す略語のこと

答えと解説を見る

正解 ③新しい技術が社会に広がるときに生じる、倫理的・法的・社会的な課題のこと

解説
ELSI（エルシー）は、Ethical, Legal and Social Issues（倫理的・法的・社会的課題）の略です。新しい科学技術が社会に広がるときに、技術そのものの問題だけでなく、倫理（人として正しいか）・法律（ルールに合っているか）・社会（人々や社会にどんな影響を与えるか）の面から生じる課題を、まとめて考えるための言葉です。
新シラバスでは、第4章「生成AIのリスク予防・AI倫理・ガバナンス」の中項目「AI倫理とAI事業者ガイドライン」で、AI倫理とELSIの考え方が学習項目になっています。

他の選択肢が不適切な理由
・省エネルギーの技術：ELSIは技術の名前ではありません。ただし、AIの環境負荷（計算資源・電力）はELSIの社会的課題の一例として扱われることがあります。
・サイバー攻撃の手口：ELSIは攻撃の名称ではありません。
・国の補助制度：ELSIは制度の名前ではありません。

覚え方のポイント
E＝倫理（Ethical）、L＝法（Legal）、S＝社会（Social）、I＝課題（Issues）。技術の外側の課題を考える言葉です。

「生成AIパスポート」は一般社団法人生成AI活用普及協会の登録商標です。本ページは一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、公認・認定を受けた教材ではありません。

生成AIパスポートの対策問題（全410問）に戻る

非公式の資格試験対策サイトです。一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、GUGAの公認・認定を受けた教材ではありません。

※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。