G検定 用語解説
基盤モデル（Foundation Model）とは
大量データで事前学習し、多様なタスクに応用できる大規模なモデルの総称。
まず押さえる結論
基盤モデル（Foundation Model）は、G検定の「大項目6 ディープラーニングの応用例」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×物体検出（R-CNN系/YOLO/SSD）とセグメンテーション（セマンティック＝画素単位の塗り分け、インスタンス＝個体ごとに区別）の混同。
×word2vec・BERT・GPTの違い（BERT＝前後両方向、GPT＝一方向・自己回帰）。
×強化学習の応用（DQN、AlphaGo）と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 生成AI・基盤モデル
大量かつ多様なデータで事前学習され、その後さまざまな下流タスクへ適応（ファインチューニング等）して幅広く応用できる大規模なモデルの総称はどれか。
正解は「基盤モデル（Foundation Model）」である。大量かつ多様なデータで事前学習し、その後さまざまな下流タスクへ適応して幅広く応用できる大規模モデルの総称が基盤モデル。敵対的生成ネットワーク（GAN）・変分オートエンコーダ（VAE）・畳み込みニューラルネットワーク（CNN）はいずれも特定の構造を持つモデルであり、多様なタスクに広く適応する総称ではない。GAN・VAE・CNNはそれぞれ生成器と識別器を競わせる構造、潜在変数を介した生成構造、畳み込み層を持つ構造という固有の構造を指す名称である点で、総称である基盤モデルとは性質が異なる。
大項目6 ディープラーニングの応用例 / 生成AI・基盤モデル
「基盤モデル（Foundation Model）」が従来のタスク特化型モデルと比べて注目される理由として、最も適切なものはどれか。
正解は「大量データで一度事前学習すれば、幅広い下流タスクに適応させて応用できるため」である。基盤モデルは、大量かつ多様なデータで一度事前学習すれば、その後さまざまな下流タスクへ適応（ファインチューニング等）させて幅広く応用できる点が特徴で、タスクごとに一から学習させる従来型に比べ応用範囲が広い。データ不要や手作業ルール記述という説明は誤り。比較の中心は、「タスクごとに一から学習する」のか、「共通の事前学習を下流タスクへ適応させる」のかである。基盤モデルも学習データを必要とし、判断ルールをすべて人が記述する方式でもないため、事前学習と適応の流れがある選択肢に絞る。
同じ章で確認したい用語
到達チェック
- 基盤モデル（Foundation Model）を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、基盤モデル（Foundation Model）に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）