checkボックス実験用

INDEX

第1章：AIの基本と仕組みキーワード確認

No.	重要キーワード	意味・定義（クリックで確認）
1	AI（人工知能）	表示コンピュータに知的な情報処理を行わせる技術。明確な定義は定まっていない。
2	ダートマス会議	表示 1956年に開催された会議。「人工知能」という言葉が初めて公式に使われた。
3	ルールベース	表示人間が作成した明示的なルール（if-then形式）に基づいて判断を行う仕組み。
4	機械学習	表示データから反復的に学習し、潜んでいるパターンやルールを自ら見つけ出す技術。
5	学習済みモデル	表示学習データを用いてトレーニングを完了し、未知のデータに対して予測・判断が可能になった状態。
6	教師あり学習	表示入力データと正解（ラベル）のペアを学習させ、新しいデータの正解を予測する手法。
7	教師なし学習	表示正解を与えず、データ自体の構造や特徴、グループをAIに見つけさせる手法。
8	クラスタリング	表示教師なし学習の一種。似た特徴を持つデータ同士を自動でグループ分けする手法。
9	次元削減	表示重要な情報を維持しつつ、データの項目数（次元）を減らして扱いやすくする手法。
10	強化学習	表示エージェントが試行錯誤を行い、得られる報酬が最大化するように行動を学習する手法。
11	半教師あり学習	表示少量のラベルありデータと、大量のラベルなしデータを併用して学習効率を高める手法。
12	ノーフリーランチ定理	表示あらゆる問題に対して、常に他の手法より優れている万能な学習アルゴリズムは存在しないという定理。
13	ニューロン	表示脳を構成する神経細胞。情報を信号として伝達する役割を持つ。
14	シナプス	表示ニューロン同士の接合部。学習によって信号の伝達効率（重み）が変化する。
15	人工ニューロン（ノード）	表示生体のニューロンを模した数学的なモデル。入力を計算して次の層へ渡す。
16	ニューラルネットワーク	表示人工ニューロンを層状に組み合わせた計算モデルの総称。
17	ディープラーニング	表示多層のニューラルネットワークを用いた学習手法。特徴量をAIが自ら抽出できるのが特徴。
18	重み	表示情報の重要度を決定する数値。学習とはこの数値を最適化する作業を指す。
19	情報の重みづけ	表示特定の入力が結果にどの程度影響を与えるかを、重みを用いて調整する処理。
20	過学習	表示学習データに適合しすぎた結果、未知のデータに対する予測性能が低下する現象。
21	正則化	表示過学習を防ぐために、モデルの複雑さにペナルティ（罰則）を加える手法。
22	ドロップアウト	表示学習時に一部のニューロンをランダムに無効化することで、過学習を抑制する手法。
23	転移学習	表示ある領域で学習した知識を、別の領域の学習に再利用して効率化する手法。
24	特徴量	表示分析や予測において、対象の特性を数値化した項目。
25	弱いAI(ANI)	表示特定のタスク（将棋や画像診断など）のみを遂行できるAI。特化型AIとも呼ぶ。
26	強いAI(AGI)	表示人間のように汎用的な知能を持ち、自律的に思考・解決ができるAI。汎用AIとも呼ぶ。
27	第一次AIブーム	表示 1950年代後半〜。「探索」と「推論」によってパズルなどを解く研究が盛んになった。
28	探索	表示目的の解にたどり着くために、可能性のある手順を順に調べていくこと。
29	推論	表示既知のルールに基づいて、新しい結論を導き出すこと。
30	第二次AIブーム	表示 1980年代。「知識」を教え込むことで問題を解くアプローチが主流となった。
31	エキスパートシステム	表示専門家の知識をデータベース化し、AIが専門家のように判断を下すシステム。
32	AIの冬	表示期待された成果が出せず、AI研究への投資や関心が冷え込んだ停滞期。
33	第三次AIブーム	表示 2000年代中盤〜。ビッグデータとディープラーニングの登場によって飛躍的に進化した。
34	ビッグデータ	表示従来のシステムでは処理しきれないほど膨大、かつ多様な種類のデータ群。
35	シンギュラリティ	表示技術的特異点。AIが人類の知能を超える、または制御不能になるポイント。
36	2045年問題	表示レイ・カーツワイル氏が提唱した、2045年にシンギュラリティが到来するという予測。

模擬試験A ナビゲーター（11-20問）

1-10

21-30

31-40

41-50

51-60

※第2章の技術用語はアルファベットの略称が多く登場します。仕組みとセットで確実に覚えましょう。

第11問後で見直す

「あらゆる問題を効率よく解ける万能な学習アルゴリズムは存在しない」ということを説いた定理を1つ選びなさい。

1：ムーアの法則
2：ノーフリーランチ定理
3：スケーリング則
4：アムダールの法則

正解： 2

解説：ノーフリーランチ定理は、すべての問題に対して常に最適な単一のアルゴリズムは存在しないことを示しており、問題に応じて適切な手法を選択する重要性を裏付けています。

第12問後で見直す

画像の「局所的な特徴」を抽出することに長け、主に画像認識で利用されるニューラルネットワークを1つ選びなさい。

1：RNN
2：CNN（畳み込みニューラルネットワーク）
3：LSTM
4：GAN

正解： 2

解説： CNN（Convolutional Neural Network）は、畳み込みという処理を行うことで、画像内の形状やエッジなどの特徴を効率的に学習します。

第13問後で見直す

VAE（変分自己符号化器）において、入力データを圧縮して情報の要約を行う役割を持つ部分の名称を選びなさい。

1：デコーダ
2：エンコーダ
3：ディスクリミネータ
4：アテンション層

正解： 2

解説： VAEは、情報を圧縮するエンコーダと、圧縮されたデータ（潜在ベクトル）から元のデータを復元するデコーダで構成されます。

第14問後で見直す

GAN（敵対的生成ネットワーク）において、本物そっくりのデータを生成しようとする「生成器」の名称を選びなさい。

1：ディスクリミネータ
2：ジェネレータ
3：オプティマイザ
4：トランスフォーマー

正解： 2

解説： GANは、偽データを作るジェネレータ（生成器）と、それが本物か偽物かを見破るディスクリミネータ（識別器）が競い合うことで精度を高める仕組みです。

第15問後で見直す

過去の情報を保持する仕組みを持ち、テキストや音声などの「時系列データ（シーケンスデータ）」の処理に適したニューラルネットワークはどれか。

1：CNN
2：RNN（回帰型ニューラルネットワーク）
3：GAN
4：VAE

正解： 2

解説： RNN（Recurrent Neural Network）は、内部にループ構造を持つことで、以前の入力を次の処理に活用できるため、文脈のある時系列データの処理に向いています。

第16問後で見直す

Transformerモデルにおいて、入力された文章内の単語同士の関連性を計算し、どの単語に注目すべきかを判断する仕組みを何と呼ぶか。

1：位置エンコーディング
2：自己注意力（Self-Attention）
3：埋め込み（Embedding）
4：ダウンサンプリング

正解： 2

解説： Self-Attentionは、文章の中の特定の単語が、他のどの単語と強い結びつきを持っているかを数値化し、文脈を理解するための核心的な技術です。

第17問後で見直す

Googleが開発したBERTにおいて、文章の一部を隠して（マスクして）その単語を予測させる学習手法を何と呼ぶか。

1：NSP（Next Sentence Prediction）
2：MLM（Masked Language Model）
3：RLHF
4：Zero-Shot

正解： 2

解説： MLM（Masked Language Model）は、文章の途中の単語を当てることで、前後の文脈を双方向に学習する手法です。

第18問後で見直す

GPT-2からGPT-3への進化において、最も大きく増加し、モデルの性能向上に寄与した要素はどれか。

1：学習にかかった日数
2：パラメータ数
3：文字コードの数
4：CPUのコア数

正解： 2

解説：パラメータ数はAIの「脳の複雑さ」を示す指標です。GPT-3は約1,750億個という膨大なパラメータを持つことで、高度な文章生成が可能になりました。

第19問後で見直す

AIの回答を人間が評価し、そのフィードバックを元にAIの振る舞いを調整する学習手法を選びなさい。

1：教師なし学習
2：RLHF（人間からのフィードバックを用いた強化学習）
3：蒸留
4：ノイズ除去

正解： 2

解説： RLHF（Reinforcement Learning from Human Feedback）により、AIがより人間に役立ち、安全な回答を生成できるように調整されます。

第20問後で見直す

AIの価値観や動作を、人間の意図や倫理的な指針に沿うように調整することを何と呼ぶか。

1：スケーリング
2：アライメント
3：ハルシネーション
4：トークナイズ

正解： 2

解説：アライメント（Alignment）は、AIが差別的な回答をしたり、嘘をついたりしないよう、人間の意図に適合させるプロセス全体を指します。

第3章：現在の生成AIの動向キーワード確認

No.	重要キーワード	意味・定義（クリックで確認）
86	画像のリサイズ	表示画像の解像度やアスペクト比を、AIの入力形式に合わせて変更する前処理。
87	正規化	表示データの数値範囲を一定（例：0から1の間）に整え、学習を効率化・安定化させる処理。
88	データの水増し（augmentation）	表示既存のデータを回転、反転、色の変更などで加工し、学習データのバリエーションを増やす技術。
89	データ拡張技術	表示データの水増しと同様に、限られたデータからモデルの汎用性を高めるための手法の総称。
90	リマスタリング	表示 AIを用いて、古い映像や音源のノイズを除去し、高画質・高音質に修復する技術。
91	AIボイスチェンジャー	表示入力された音声を、特定の人物の声質やトーンにリアルタイムで変換する技術。
92	テキスト読み上げ（TTS）	表示 Text-to-Speech。テキストデータを解析し、自然な人間の声で音声出力する技術。
93	歌声合成	表示メロディと歌詞を入力することで、AIが歌唱音声を生成する技術。
94	ディープフェイク（深層偽造）	表示 AIを用いて人物の顔や声を精巧に合成した偽の動画や音声。情報の真偽判断が課題。
95	RAG（検索拡張生成）	表示回答生成時に外部知識ベースを検索し、その結果をプロンプトに組み込むことで回答の正確性を高める仕組み。
96	ナレッジグラフ	表示情報同士の関係性を網状（グラフ構造）に整理した知識ベース。RAGの精度向上に寄与する。
97	チャンク化	表示 RAGにおいて、長い文書を検索しやすいように適切な長さの塊（チャンク）に分割すること。
98	ベクトルデータベース	表示文章などを数値ベクトルとして保存し、意味の近さ（類似性）に基づいた高速な検索を可能にするデータベース。
99	埋め込み（Embedding）	表示テキストなどのデータを、AIが処理しやすい多次元の数値リスト（ベクトル）に変換すること。
100	AIエージェント	表示目標を与えられると、自律的に計画を立て、外部ツールを使いながらタスクを完遂するシステム。
101	自律性	表示人間からの逐一の指示を待たず、状況に応じてAIが判断し行動を継続できる性質。
102	ツール利用（Tool Use / Function Calling）	表示 AIが必要に応じて計算機、検索エンジン、APIなどの外部機能を呼び出して使用すること。
103	MCP（Model Context Protocol）	表示 AIモデルと、ローカルファイルや外部アプリ等のデータソースを安全かつ標準的に接続するための共通規格。
104	マルチモーダルAI	表示テキスト、画像、音声、動画といった異なる種類の情報を同時に理解・生成できるAI。
105	データの最適化	表示学習や運用の効率を上げるために、データを最も効果的な形に整理・加工すること。

第4章：法律・倫理・社会原則キーワード確認

No.	重要キーワード	意味・定義（クリックで確認）
106	インターネットリテラシー	表示インターネットを正しく、安全に使いこなすための知識や能力。情報の真偽を見極める力も含む。
107	テクノロジーの理解	表示 AIなどの新しい技術がどのような仕組みで動き、どのようなリスクがあるかを正しく把握すること。
108	デジタル市民権	表示デジタル社会において、責任を持って適切に行動し、技術を使いこなす権利と義務。
109	フィッシング詐欺	表示偽のメールやサイトへ誘導し、ID、パスワード、クレジットカード情報などを盗み取る詐欺。
110	クイッシング	表示悪意のあるQRコード（QR Phishing）を用い、フィッシングサイトなどへ誘導する手口。
111	Wi-Fiの罠	表示公共の無料Wi-Fiを装い、通信内容を盗聴したりウイルスに感染させたりする攻撃。
112	ソーシャルエンジニアリング	表示技術的な手段ではなく、心理的な隙やミスを突いてパスワードなどの秘密情報を入手する手法。
113	個人情報保護法	表示個人の権利と利益を守るため、個人情報の取り扱いに関するルールを定めた法律。
114	PII（個人識別情報）	表示氏名、住所、生年月日、顔写真など、特定の個人を直接または組み合わせて識別できる情報。
115	要配慮個人情報	表示人種、信条、社会的身分、病歴など、不当な差別や偏見を生じさせる恐れがある特に慎重な扱いを要する情報。
116	匿名加工情報	表示特定の個人を識別できないように加工し、復元できないようにした情報。データの利活用に用いられる。
117	知的財産権	表示発明、デザイン、著作物などの「人間の知的創造活動」によって生み出された成果を保護する権利の総称。
118	著作権	表示文芸、学術、美術、音楽などの著作物を創作した人が、その利用を独占できる権利。登録なしで発生する（無方式主義）。
119	著作権侵害の判断基準	表示 AI生成物において、既存の著作物との「類似性」および「依拠性（元の作品を見て作ったか）」がある場合に侵害となる。
120	肖像権	表示自分の容姿を勝手に撮影されたり、公開されたりしない権利。
121	パブリシティ権	表示有名人の名前や顔が持つ「顧客を引きつける経済的な価値」を独占的に利用できる権利。
122	不正競争防止法	表示他人の営業秘密を盗んだり、有名なブランドを真似したりする不正な競争を防ぐための法律。
123	AI社会原則	表示 AIをより良く活用するために日本が掲げる指針。人間中心、安全性、公平性、透明性などの7原則。
124	アカウンタビリティ（説明責任）	表示 AIの提供者や利用者が、そのシステムの動作や結果に対して社会に対して説明を行う責任。
125	AI新法	表示 2025年6月公布。AIの開発・活用の推進と、リスクへの対応を法的に位置づけた最新の枠組み。
126	AI事業者ガイドライン 1.1	表示総務省・経済産業省が策定。AI開発者、提供者、利用者が守るべき事項を整理した実務的な指針。
127	AIガバナンス	表示組織がAIを適切に管理し、リスクを最小限に抑えつつ価値を最大化するための統治体制。
128	AI開発者（Developer）	表示 AIモデルを設計し、プログラミングや学習を行う主体。
129	AI提供者（Provider）	表示開発されたAIを、APIやアプリなどの形で一般や他企業に利用可能にする主体。
130	AI利用者（User）	表示提供されたAIをビジネスや日常生活の中で実際に使用する主体。

第5章：実践！プロンプト制作と実例キーワード確認

No.	重要キーワード	意味・定義（クリックで確認）
131	LM（言語モデル）	表示文脈を解析し、次に来る言葉を確率的に予測する数学的なモデル。
132	LLM（大規模言語モデル）	表示膨大なデータとパラメータを用い、高度な言語理解と生成を可能にしたモデル。
133	プレトレーニング（事前学習）	表示インターネット上の大規模データを用い、言語の基礎知識を習得させる最初の学習工程。
134	ハイパーパラメータ	表示 TemperatureやTop-pなど、モデルの出力傾向を制御するために人間が調整する設定値。
135	Temperature（温度）	表示出力の多様性を調整する値。低いと堅実（一貫性重視）、高いと独創的（ランダム性重視）になる。
136	プロンプトエンジニアリング	表示 AIから望ましい結果を引き出すために、入力文（プロンプト）を設計・最適化する技術。
137	指示（Instruction）	表示「要約して」「翻訳して」など、AIに実行させたい具体的なタスク。
138	背景（Context）	表示役割設定や対象読者など、AIが回答の方向性を正しく判断するための補足情報。
139	入力データ（Input Data）	表示処理の対象となるテキストや売上データなど、AIが実際に加工する具体的な情報。
140	出力形式（Output Indicator）	表示「箇条書きで」「表形式で」など、回答のフォーマット（見た目）の指定。
141	Zero-shot プロンプティング	表示例示を与えず、指示のみで回答を生成させる最も基本的な手法。
142	Few-shot プロンプティング	表示少数の「入力と回答の例」を提示し、回答の型や精度を安定させる手法。
143	思考の連鎖（CoT）	表示「ステップバイステップで考えて」と指示し、思考プロセスを明示させて論理性や計算精度を上げる技法。
144	構造化プロンプト	表示 ###などの記号を用い、役割・指示・制約などを視覚的に区切ってAIに伝える手法。
145	トークン	表示 AIが文字を処理する際の最小単位。料金計算や入力・出力制限の基準となる。
146	正確な文字数の指定（の限界）	表示 AIはトークンで処理するため、「500文字ぴったり」といった厳密な制御は苦手であるという特性。
147	計算の誤り（算術能力）	表示言語モデルは確率的に次を予測するため、複雑な計算で間違い（ハルシネーション）が起きるリスク。
148	最新情報の不足	表示事前学習データに含まれない、カットオフ以降の情報をAIが持っていないという限界。
149	ファクトチェック	表示 AIの回答が事実かどうか、人間が信頼できる情報源と照らし合わせて確認する工程。
150	AIリテラシー	表示 AIの特性・リスクを正しく理解し、安全かつ効果的に使いこなすために必要な総合的な教養。

第1章：AIの基本と仕組み キーワード確認

第3章：現在の生成AIの動向 キーワード確認

第4章：法律・倫理・社会原則 キーワード確認

第5章：実践！プロンプト制作と実例 キーワード確認

第1章：AIの基本と仕組みキーワード確認

第3章：現在の生成AIの動向キーワード確認

第4章：法律・倫理・社会原則キーワード確認

第5章：実践！プロンプト制作と実例キーワード確認