2027年試験新シラバス対応・2-2

基盤モデルとマルチモーダルの一問一答

生成AIパスポート試験「生成AI」から、基盤モデルとマルチモーダルに関する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）生成AI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12-2

基盤モデル（Foundation Model）の特徴として、適切でないものを1つ選びなさい。

①膨大で幅広いデータを使って、事前学習が行われた大規模で汎用的なモデルである。
②1つの用途だけを前提に、少量のデータで一から作られる専用のモデルである。
③ファインチューニングやプロンプトの工夫で、さまざまな用途に応用できる。
④基盤モデルの持つ偏りや誤りが、それを土台にしたアプリにも受け継がれうる。

答えと解説を見る

正解 ②1つの用途だけを前提に、少量のデータで一から作られる専用のモデルである。

解説
基盤モデルは、膨大で幅広いデータを使って事前学習された大規模なモデルで、ファインチューニングやプロンプトの工夫によって、さまざまな用途の「土台」として使える点が特徴です。したがって「1つの用途だけのために少量のデータで一から作られる」という記述は適切ではありません。
一方で、多くのアプリが同じ基盤モデルを土台にするため、基盤モデルが持つ偏りや誤りが、それを使ったアプリにも広く受け継がれるおそれがある点には注意が必要です。

他の選択肢（適切な記述）について
・膨大で幅広いデータで事前学習：基盤モデルの基本的な特徴です。
・さまざまな用途に応用できる：1つの土台から多くの用途に応用できることが、基盤モデルの最大の利点です。
・偏りや誤りが受け継がれうる：土台が共通であるため、良い性質だけでなく問題点も広く伝わりやすいという注意点です。

覚え方のポイント
基盤モデル＝「汎用の土台」。汎用だからこそ、偏りも多くのアプリへ受け継がれやすい点に注意。

問22-2

「モダリティ」の説明として、最も適切なものを1つ選びなさい。

①一度に処理できる、文章の長さの上限のこと
②出力の多様さを調整する、確率の設定の値のこと
③文章・画像・音声・動画など、情報の種類のこと
④モデルに最初に与えておく、役割や方針の指示のこと

答えと解説を見る

正解 ③文章・画像・音声・動画など、情報の種類のこと

解説
モダリティ（modality）とは、文章（テキスト）・画像・音声・動画など、情報の種類（形式）のことです。
1種類のデータだけを扱うAIをシングルモーダル、複数の種類のデータを組み合わせて扱うAIをマルチモーダルといいます。新シラバスでは、画像・音楽・音声・動画のそれぞれの生成AIを「各モダリティの生成AI」としてまとめて学習します。

他の選択肢が不適切な理由
・出力の多様さを調整する設定：Temperatureなどの生成パラメータの説明です。
・一度に処理できる長さの上限：コンテキストウィンドウの説明です。
・最初に与えておく役割や方針の指示：システムプロンプトの説明です。

覚え方のポイント
モダリティ＝情報の「種類」。マルチモーダル＝複数の種類を扱えること。

問32-2

マルチモーダルモデルの活用例として、最も適切なものを1つ選びなさい。

①長い文章を入力し、その要点を3行の短い文章にまとめた結果を答えさせる。
②日本語の文章を入力し、同じ意味の英語の文章へと翻訳した結果を答えさせる。
③売上の数値データを入力し、来月の売上金額を数値で予測した結果を答えさせる。
④撮影した料理の写真を入力し、使われている食材とレシピを文章で答えさせる。

答えと解説を見る

正解 ④撮影した料理の写真を入力し、使われている食材とレシピを文章で答えさせる。

解説
マルチモーダルモデルは、文章・画像・音声など、異なる種類（モダリティ）のデータを組み合わせて扱えるモデルです。写真（画像）を入力して、その内容を文章で答えさせるのは、画像と文章という2つのモダリティをまたぐ典型的な使い方です。
そのほか、文章から画像を作る、話しかけた声に音声で答える、図表の画像を読み取って説明する、といった使い方があります。

他の選択肢が不適切な理由
・日本語から英語への翻訳：文章から文章への変換で、同じモダリティ（テキスト）の中の処理です。
・売上の数値予測：数値データの予測で、異なるモダリティをまたぐ使い方ではありません。
・文章の要約：文章から文章への変換で、同じモダリティの中の処理です。

覚え方のポイント
マルチモーダル＝「写真を見せて文章で聞く」のように、種類の違うデータをまたぐ使い方。

問42-2

事前学習の説明として、最も適切なものを1つ選びなさい。

①特定の用途に使う前に、大量のデータでモデルに幅広い知識やパターンを学ばせる段階
②事前学習済みのモデルに、特定の用途のデータで追加の学習を行って調整していく段階
③人間が回答を比べて評価し、その評価を報酬にしてモデルの振る舞いを調整していく段階
④学習を終えたモデルを使い、新しく入力された質問に対して答えを出力していく段階

答えと解説を見る

正解 ①特定の用途に使う前に、大量のデータでモデルに幅広い知識やパターンを学ばせる段階

解説
事前学習（Pre-training）は、特定の用途に合わせる前に、大量のデータを使ってモデルに言葉の使い方や世界についての幅広い知識・パターンを学ばせる段階です。
LLMの事前学習では、インターネット上の文章などの大量のテキストを使い、「次のトークンを予測する」という課題を繰り返し解かせます。文章そのものから正解（次に来る語）が作れるため、人が正解ラベルを付ける必要がなく、このような学び方は自己教師あり学習と呼ばれます。

他の選択肢が不適切な理由
・特定の用途のデータで追加の学習を行う：ファインチューニングの説明です。事前学習のあとに行います。
・人間の評価を報酬にして調整する：RLHFの説明です。
・学習を終えたモデルで答えを出力する：推論の説明です。

覚え方のポイント
事前学習＝「専門の勉強に入る前の、大量の読書による基礎づくり」。

問52-2

マルチモーダルモデルの構成で使われる「エンコーダ」と「デコーダ」の役割の組合せとして、最も適切なものを1つ選びなさい。

①エンコーダ：画像だけを扱う、デコーダ：文章だけを扱うというように役割を分ける
②エンコーダ：特徴の表現から出力を作る、デコーダ：入力を特徴の表現に変換する
③エンコーダ：入力を特徴の表現に変換する、デコーダ：特徴の表現から出力を作る
④エンコーダ：学習の段階だけで使う、デコーダ：推論の段階だけで使うように分ける

答えと解説を見る

正解 ③エンコーダ：入力を特徴の表現に変換する、デコーダ：特徴の表現から出力を作る

解説
エンコーダ（符号化器）は、文章・画像・音声などの入力を、モデルが扱いやすい特徴の表現（ベクトル）に変換する部分です。デコーダ（復号器）は、その特徴の表現から、文章や画像などの出力を作り出す部分です。
マルチモーダルモデルでは、画像用・音声用などのエンコーダで各モダリティの入力を共通の表現に変換し、デコーダで文章などを生成する、といった構成がとられます。VAEのエンコーダ・デコーダも同じ考え方です。

他の選択肢が不適切な理由
・役割が逆：入力を特徴の表現に変換するのがエンコーダ、そこから出力を作るのがデコーダです。
・画像だけ・文章だけ：扱うデータの種類で分けるのではなく、変換の向き（入力→表現、表現→出力）で役割が分かれます。
・学習だけ・推論だけ：エンコーダもデコーダも、学習と推論の両方で使われます。

覚え方のポイント
エンコーダ＝「入力をAIの言葉（ベクトル）に変える」、デコーダ＝「AIの言葉から出力を作る」。

問62-2

マルチモーダルAIが「画像と文章を結び付けて理解できる」ために重要な考え方として、最も適切なものを1つ選びなさい。

①画像と文章を共通のベクトルの空間で表し、意味の近いもの同士を近くに置くこと
②画像と文章を別々のモデルで扱い、両者の結果を人間が手作業でつなぎ合わせること
③画像をすべて文字に置き換えて保存し、画像そのものは学習に一切使わないこと
④文章をすべて画像に変換して保存し、文章そのものは学習に一切使わないこと

答えと解説を見る

正解 ①画像と文章を共通のベクトルの空間で表し、意味の近いもの同士を近くに置くこと

解説
マルチモーダルAIでは、画像と文章のように種類の違うデータを、共通のベクトルの空間（埋め込みの空間）で表し、意味が近いもの同士が近くに来るように学習させる考え方が重要です。
たとえば、犬の写真と「犬」という言葉が近い位置に表されるように学習すれば、画像を見て説明文を作ったり、文章から合う画像を探したりできるようになります。大量の画像と説明文の組を使ってこのような対応関係を学ぶ手法が、画像生成AIなどの土台になっています。

他の選択肢が不適切な理由
・人間が手作業でつなぎ合わせる：マルチモーダルAIは、異なるデータの対応関係をモデル自身が学習します。
・画像を学習に使わない：画像そのものの特徴を学習しなければ、画像と文章を結び付けることはできません。
・文章を学習に使わない：同様に、文章そのものの特徴も学習に必要です。

覚え方のポイント
「犬の写真」と「犬という言葉」を、同じ地図（ベクトル空間）の近い場所に置く、と覚えましょう。

問72-2

基盤モデルを特定の業務に合わせて使う方法として、適切でないものを1つ選びなさい。

①業務のデータで追加の学習を行い、パラメータを調整するファインチューニングを行う。
②基盤モデルを使うには、必ず自社で一から同じ規模のモデルを作り直す必要がある。
③業務の目的や条件を具体的に伝えるように、プロンプトを工夫して指示を与える。
④社内の文書を検索して回答に使わせる、RAG（検索拡張生成）の仕組みと組み合わせる。

答えと解説を見る

正解 ②基盤モデルを使うには、必ず自社で一から同じ規模のモデルを作り直す必要がある。

解説
基盤モデルの利点は、一から作り直さなくても、追加の工夫でさまざまな用途に応用できることです。したがって「必ず自社で一から同じ規模のモデルを作り直す必要がある」という記述は適切ではありません。
業務に合わせる代表的な方法には、モデルのパラメータを調整するファインチューニング、指示の出し方を工夫するプロンプトエンジニアリング、社内の文書などを検索して回答の根拠に使うRAG（検索拡張生成）があります。目的やコスト、データの扱いに応じて使い分けます。

他の選択肢（適切な記述）について
・ファインチューニング：業務のデータで追加学習してモデルを調整する方法です。
・プロンプトの工夫：モデルを変えずに、指示の出し方で出力を業務に合わせる方法です。
・RAGとの組合せ：モデルを変えずに、社内の最新の情報を根拠として回答させる方法です。

覚え方のポイント
業務に合わせる3つの手：①プロンプトの工夫 ②RAG ③ファインチューニング。一から作り直す必要はありません。

問82-2

マルチモーダルモデルの説明として、適切でないものを1つ選びなさい。

①文章・画像・音声など、種類の異なるデータを組み合わせて扱うことができる。
②画像を入力して、その内容を文章で説明させるといった使い方ができる。
③音声で話しかけて、音声で回答を受け取るような対話にも使われている。
④複数のモダリティを扱えるため、出力の誤りは原理的に生じなくなった。

答えと解説を見る

正解 ④複数のモダリティを扱えるため、出力の誤りは原理的に生じなくなった。

解説
マルチモーダルモデルは、文章・画像・音声など複数の種類のデータを組み合わせて扱えるモデルです。画像の内容を文章で説明する、音声で対話するといった使い方ができます。
しかし、扱えるデータの種類が増えても、生成AIである以上、画像の内容を読み違えたり、事実と異なる説明をしたりする誤り（ハルシネーション）は起こりえます。「誤りが原理的になくなった」という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
・画像を文章で説明させる：画像と文章をまたぐ、マルチモーダルの代表的な使い方です。
・音声で対話する：音声の入力と出力を扱う、マルチモーダルの代表的な使い方の一つです。
・種類の異なるデータを組み合わせる：マルチモーダルの定義そのものです。

覚え方のポイント
「できることが増えた」ことと「誤りがなくなった」ことは別。どのAIでも出力の確認は必要です。

問92-2

基盤モデルという言葉が、汎用の大規模なモデルを指す呼び名として広まった経緯の説明として、最も適切なものを1つ選びなさい。

①2021年に米国スタンフォード大学の研究者らが、論文の中でこの呼び名を提唱した。
②1956年のダートマス会議で、AIの研究の目標として初めてこの呼び名が提唱された。
③日本のAI法の条文の中で、この呼び名の定義と開発の義務が明確に定められている。
④2017年のTransformerの論文のタイトルとして、この呼び名が使われた。

答えと解説を見る

正解 ①2021年に米国スタンフォード大学の研究者らが、論文の中でこの呼び名を提唱した。

解説
「基盤モデル（Foundation Model）」という呼び名は、2021年に米国スタンフォード大学の研究者らが発表した論文の中で提唱され、広く使われるようになりました。大量のデータで学習し、さまざまな用途の土台（foundation）となるモデルを指す言葉です。
その後、日本の政策文書でも、国内で基盤モデルを開発する力（国産AI・国内基盤モデル）の重要性が取り上げられるようになりました。

他の選択肢が不適切な理由
・1956年のダートマス会議：ダートマス会議は「人工知能」という言葉で知られる会議で、基盤モデルの呼び名とは関係ありません。
・AI法の条文で定義と開発義務：AI法は「人工知能関連技術」を定義していますが、基盤モデルの開発を義務付けてはいません。
・Transformerの論文のタイトル：Transformerの論文のタイトルは「Attention Is All You Need」です。

覚え方のポイント
「基盤モデル」の呼び名＝2021年・スタンフォード大学。Transformer（2017年）より後に生まれた言葉です。

問102-2

基盤モデルとマルチモーダルに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．モダリティとは、AIが一度に処理できる入力の長さの上限のことである。
b．基盤モデルは、大量のデータで事前学習され、さまざまな用途に応用できる。
c．マルチモーダルモデルは、画像を入力して文章で説明させることができる。
d．基盤モデルの偏りは、それを使ったアプリには一切受け継がれない。

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：基盤モデルは、膨大で幅広いデータで事前学習され、ファインチューニングやプロンプトの工夫でさまざまな用途に応用できるモデルです。
c：マルチモーダルモデルは、画像を入力して、その内容を文章で説明させるといった、異なる種類のデータをまたぐ使い方ができます。

誤っている記述
・a：モダリティとは、文章・画像・音声・動画など、情報の種類のことです。一度に処理できる長さの上限は、コンテキストウィンドウといいます。
・d：多くのアプリが同じ基盤モデルを土台にするため、基盤モデルの偏りや誤りは、それを使ったアプリにも受け継がれるおそれがあります。

覚え方のポイント
基盤モデル＝汎用の土台、マルチモーダル＝種類の違うデータをまたぐ。2つの言葉を混同しないようにしましょう。

「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。