生成AIパスポート第3章現在の生成AI（ジェネレーティブAI）の動向予想問題と解説

生成AIパスポート「第3章現在の生成AI（ジェネレーティブAI）の動向」の予想問題を22問、各問の完全解説つきで掲載しています。全問オリジナル自作・公式シラバス準拠です。

この分野で問われる主な論点

RAG
AIエージェント
生成AIが出来ることと主なサービス
ディープフェイク（深層偽造）技術
RAG（Retrieval Augmented Generation、検索拡張生成）

この分野を演習する（22問）

間違えやすいポイント（作問者分析）

当サイトの作問時に観察した、取り違えやすい論点です（公式の統計ではありません）。

RAGとファインチューニングの混同。RAGは外部知識（ベクトルデータベース）を検索して文脈に加える手法で、モデルの再学習はしない。ファインチューニングは追加学習。
ディープフェイクと偽情報（ディスインフォメーション）の区別。前者は人物の映像・音声を本物のように偽造する技術、後者は意図的に作られ拡散される偽情報そのもの。
生成物の種類の取り違え。Soraは動画、Image Generationは画像、音声生成AIは音声。名前ではなく生成する対象で見分ける。

第1問・ RAG

RAG（Retrieval-Augmented Generation、検索拡張生成）の説明として正しいものはどれか。

ア2つのネットワークを競わせて本物らしいデータを生成する手法
イ外部の知識（ベクトルデータベース等）を検索し、その結果を文脈に加えて回答の精度を高める手法正解
ウ静止画を補間してなめらかな動画に変換する技術
エモデルのパラメータを追加学習で更新し、特定用途に最適化する手法

解説

RAGは質問に関連する情報を外部知識（ベクトルデータベースに格納したチャンク等）から検索し、その内容を文脈として与えて生成させることで精度を高める手法。選択肢2はファインチューニング、3はGAN（敵対的生成ネットワーク）の説明。

https://guga.or.jp/assets/syllabus.pdf （第3章 RAG）

第2問・ AIエージェント

AIエージェントに関する記述として最も適切なものはどれか。

ア目標達成のために手順を自ら計画し、外部のツールやサービス（MCPによる連携など）も使いながら自律的にタスクを実行するAI正解
イテキストから画像のみを生成する専用モデル
ウ学習済みモデルを使わず、あらかじめ書かれたルールだけで動くプログラム
エ個人情報を復元できないよう加工する手法

解説

AIエージェントは、与えられた目標に対して自らタスクを計画・分解し、外部ツールやサービスと連携（MCP等）しながら自律的に実行するAIを指す。GenSpark・Manus・Skywork AIなどがツール事例として挙げられる。選択肢4は匿名加工情報（特定の個人を識別できないよう加工し、復元できないようにした情報）の説明。

https://guga.or.jp/assets/syllabus.pdf （第3章 AIエージェント）

第3問・生成AIが出来ることと主なサービス

次のうち、動画生成AIに分類されるものはどれか。

アImage Generation
イGemini
ウClaude
エSora正解

解説

Soraはテキストなどから動画を生成する動画生成AI。ClaudeとGeminiはテキスト生成（対話型）AI、Image Generationは画像生成の機能で、いずれも動画を生成するサービスではない。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第4問・生成AIが出来ることと主なサービス

学習データが少ないときに、画像の回転・反転・リサイズなどで擬似的にデータ量を増やす技術を何というか。

アデータの水増し（データ拡張）正解
イ潜在ベクトル
ウ正規化
エリマスタリング

解説

既存データに変換を加えて擬似的に量を増やす技術がデータの水増し（augmentation／データ拡張技術）。リマスタリングは画質・音質を補正して作り直すこと、正規化はデータの尺度を揃える前処理、潜在ベクトルはVAE等でデータを圧縮した表現で、いずれもデータ量を増やす技術ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第5問・ディープフェイク（深層偽造）技術

AIを使って実在する人物の顔や音声を本物のように合成・偽造する技術や、その生成物を何というか。

アマスキング
イリマスタリング
ウハルシネーション
エディープフェイク（深層偽造）正解

解説

実在の人物の映像・音声を本物のように合成・偽造する技術や生成物をディープフェイク（深層偽造）という。ハルシネーションは生成AIが誤った内容を出力する現象、マスキングは個人情報を隠す加工、リマスタリングは画質・音質を補正することで、いずれも人物を偽造する技術ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章ディープフェイク（深層偽造）技術）

第6問・ RAG（Retrieval Augmented Generation、検索拡張生成）

RAGで、検索対象の文書をあらかじめ扱いやすい小さな単位に分割したものを何というか。

アベクトルデータベース
イチャンク正解
ウ潜在ベクトル
エ自己回帰モデル

解説

RAGでは、文書を検索・参照しやすいように小さな単位へ分割し、この単位をチャンクと呼ぶ。ベクトルデータベースは分割した内容をベクトル化して格納する場所、潜在ベクトルはデータを圧縮した表現、自己回帰モデルは文章生成の方式で、いずれも分割した単位そのものを指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章 RAG）

第7問・ AIエージェント

次のうち、AIエージェントのツール事例として挙げられるものはどれか。

アGenSpark正解
イGemini
ウSora
エClaude

解説

GenSparkは、Manus・Skywork AIなどと並んでAIエージェントのツール事例として挙げられる。Soraは動画生成AI、ClaudeとGeminiはテキスト生成（対話型）AIで、自律的にタスクを実行するAIエージェントのツール事例ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章 AIエージェント）

第8問・ AIエージェント

AIエージェントが外部のツールやサービスと連携するための仕組みとして挙げられるものはどれか。

アRLHF
イMCP正解
ウNLP
エRAG

解説

MCPは、AIエージェントが外部のツールやサービスと連携するための仕組みとして挙げられる。RAGは外部知識を検索して回答に活かす手法、RLHFは人間のフィードバックによる強化学習、NLPは自然言語処理という技術分野で、いずれも外部連携の仕組みそのものではない。

https://guga.or.jp/assets/syllabus.pdf （第3章 AIエージェント）

第9問・生成AIが出来ることと主なサービス

テキストの指示（プロンプト）から絵やイラストなどの画像を作り出すAIの種類を何というか。

ア画像生成AI正解
イ動画生成AI
ウ音声生成AI
エ音楽生成AI

解説

テキストの指示から画像を作り出すAIを画像生成AIという。音声生成AIは音声、音楽生成AIは音楽、動画生成AIは動画を作り出すAIで、生成する対象が異なる。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第10問・ディープフェイク（深層偽造）技術

事実でない内容を意図的に作り出し、人を欺く目的で拡散される偽情報を指す語はどれか。

ア個人識別符号
イ偽情報（ディスインフォメーション）正解
ウハルシネーション
エマルウェア

解説

意図的に作り出され拡散される偽情報を、偽情報（ディスインフォメーション）という。ハルシネーションは生成AIが意図せず誤った出力をする現象、マルウェアは悪意あるソフトウェア、個人識別符号は個人を識別できる符号で、いずれも意図的に拡散される偽情報を指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章ディープフェイク（深層偽造）技術）

第11問・生成AIが出来ることと主なサービス

メロディーや伴奏など、楽曲を自動で作り出す生成AIの種類を何というか。

ア音楽生成AI正解
イ動画生成AI
ウ音声生成AI
エテキスト生成AI

解説

メロディーや伴奏といった楽曲を作り出すのは音楽生成AI。音声生成AIは話し声などの音声、動画生成AIは動画、テキスト生成AIは文章を作り出すAIで、生成する対象が異なる。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第12問・生成AIが出来ることと主なサービス

入力した文章を読み上げたり、人の声を合成して話し言葉の音声を作り出す生成AIを何というか。

ア音楽生成AI
イテキスト生成AI
ウ音声生成AI正解
エ画像生成AI

解説

話し言葉の音声を合成・生成するのは音声生成AI。音楽生成AIは楽曲、画像生成AIは画像、テキスト生成AIは文章を作り出すAIで、生成する対象が異なる。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第13問・生成AIが出来ることと主なサービス

機械学習の前処理で、値の範囲が異なるデータの尺度（スケール）を一定の範囲にそろえることを何というか。

ア画像のリサイズ
イ正規化正解
ウデータの水増し（データ拡張）
エリマスタリング

解説

値のスケールを一定の範囲にそろえる前処理が正規化。リマスタリングは画質・音質を補正して作り直すこと、データの水増し（データ拡張）は擬似的にデータ量を増やす技術、画像のリサイズは画像の大きさを変える処理で、いずれもデータの尺度をそろえる処理ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第14問・生成AIが出来ることと主なサービス

古い音源や映像を、生成AIの技術も用いて画質・音質を補正し、より高品質に作り直すことを何というか。

アリマスタリング正解
イ正規化
ウデータの水増し（データ拡張）
エ画像のリサイズ

解説

既存の音源・映像を補正して高品質に作り直すことがリマスタリング。正規化はデータの尺度をそろえる前処理、データの水増し（データ拡張）はデータ量を擬似的に増やす技術、画像のリサイズは画像の大きさを変える処理で、いずれも作り直しによる高品質化を指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第15問・生成AIが出来ることと主なサービス

画像の縦・横の大きさ（解像度や寸法）を変更する処理を何というか。

ア正規化
イリマスタリング
ウ潜在ベクトル
エ画像のリサイズ正解

解説

画像の縦横の大きさを変更する処理が画像のリサイズ。正規化はデータの尺度をそろえる前処理、リマスタリングは画質・音質を補正して作り直すこと、潜在ベクトルはVAE等でデータを圧縮した表現で、いずれも画像の大きさを変える処理ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第16問・生成AIが出来ることと主なサービス

生成AIと、それが作り出す生成物による分類の組み合わせとして正しいものはどれか。

アSora ── 画像生成AI
イVeo3 ── 動画生成AI正解
ウClaude ── 音声生成AI
エGemini ── 音楽生成AI

解説

Veo3は動画を作り出す動画生成AIなので組み合わせが正しい。Geminiはテキスト生成（対話型）AIで音楽生成AIではなく、Soraは動画生成AIで画像生成AIではなく、Claudeはテキスト生成AIで音声生成AIではないため、いずれも組み合わせが誤り。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第17問・生成AIが出来ることと主なサービス

ClaudeやGeminiのように、文章で指示を受けて文章を生成したり対話したりする生成AIの種類を何というか。

アテキスト生成AI正解
イ音楽生成AI
ウ動画生成AI
エ画像生成AI

解説

文章を生成・対話するClaudeやGeminiはテキスト生成AIに分類される。画像生成AIは画像、音楽生成AIは楽曲、動画生成AIは動画を作り出すAIで、生成する対象が異なる。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第18問・ RAG（Retrieval Augmented Generation、検索拡張生成）

RAGで、分割した文書をベクトル（数値の並び）に変換して格納し、質問に関連する情報を検索するために使われるデータベースを何というか。

アチャンク
イ自己回帰モデル
ウデータセット
エベクトルデータベース正解

解説

文書をベクトル化して格納し、関連情報を検索するために使うのがベクトルデータベース。チャンクは検索しやすいよう文書を分割した小さな単位、データセットは学習用のデータの集まり、自己回帰モデルは直前までの出力から次を予測して文章を生成する方式で、いずれも検索用のデータベースそのものではない。

https://guga.or.jp/assets/syllabus.pdf （第3章 RAG（Retrieval Augmented Generation、検索拡張生成））

第19問・ RAG（Retrieval Augmented Generation、検索拡張生成）

社内マニュアルなど自社固有の文書をRAGで参照させて回答させることの利点として、最も適切なものはどれか。

アモデルを再学習させなくても、社内の最新・固有の情報にもとづいた回答を得やすくなる正解
イモデルが事実と異なる内容を作り出すこと（ハルシネーション）を完全にゼロにできる
ウ外部の情報をいっさい使わず、モデル内部の知識だけで回答できるようになる
エ生成AIが文章を生成する速度そのものを高速化できる

解説

RAGは外部の文書を検索して文脈に加える仕組みなので、モデルを再学習（ファインチューニング）させなくても最新・固有の情報にもとづく回答を得やすくなる点が利点。生成速度を上げる技術ではなく（選択肢1）、ハルシネーションを軽減はしても完全にゼロにはできず（選択肢2）、外部情報を検索して活用する手法なので内部知識だけで答えるという説明（選択肢4）も誤り。

https://guga.or.jp/assets/syllabus.pdf （第3章 RAG（Retrieval Augmented Generation、検索拡張生成））

第20問・ディープフェイク（深層偽造）技術

ディープフェイク技術が悪用された場合に生じうる問題として、最も適切なものはどれか。

ア桁数の多い計算が正確になり、最新の出来事に関する情報にも強くなるという効果がある
イ実在する人物が実際には言っていない発言や行っていない行動を、本物のように見せかけ、偽情報の拡散や詐欺に悪用される正解
ウ個人情報が復元できないように加工され、本人のプライバシーがより強く守られるようになる
エ学習に使うデータが自動的に水増しされ、モデルの精度が向上するという効果が得られる

解説

ディープフェイクは実在する人物の映像や音声を本物のように偽造する技術で、悪用されると、実際にはしていない発言・行動を捏造して偽情報の拡散や詐欺、名誉毀損などにつながる危険がある。選択肢2はデータの水増し（データ拡張）、選択肢3は匿名加工情報の説明であり、選択肢4はテキスト生成AIがむしろ苦手とする計算・最新情報の話で、いずれもディープフェイクの危険性ではない。

https://guga.or.jp/assets/syllabus.pdf （第3章ディープフェイク（深層偽造）技術）

第21問・生成AIが出来ることと主なサービス

画像生成AIと動画生成AIは、いずれもプロンプトから視覚的なコンテンツを作り出すが、両者が作り出す生成物の違いの説明として最も適切なものはどれか。

ア画像生成AIも動画生成AIも、いずれも文章のみを作り出す点では同じである
イ画像生成AIは時間方向に連続する複数のフレーム（動き）を、動画生成AIは1枚の静止画を作り出すという違いがある
ウ画像生成AIは1枚の静止画を、動画生成AIは時間方向に連続する複数のフレーム（動き）を作り出すという違いがある正解
エ画像生成AIは音声を、動画生成AIは楽曲を作り出すという違いがある

解説

画像生成AIは1枚の静止画を生成し、動画生成AIは時間方向に連続する複数のフレームからなる映像（動き）を生成する点が異なる。SoraやVeo3が動画生成AIの例として挙げられる。音声を作り出すのは音声生成AI、楽曲を作り出すのは音楽生成AI、文章を作り出すのはテキスト生成AIであり、画像と動画の生成物を逆に述べた選択肢や、両者を文章生成と同一視する選択肢は誤り。

https://guga.or.jp/assets/syllabus.pdf （第3章生成AIが出来ることと主なサービス）

第22問・ RAG（Retrieval Augmented Generation、検索拡張生成）

RAG（検索拡張生成）で外部の文書を回答に活用するときの処理の流れとして、最も適切なものはどれか。

ア質問に対してまずモデルが回答を生成し、その後で文書をチャンクへ分割してベクトルデータベースへ保存するだけで、検索は行わない
イ外部の文書はいっさい使わず、モデル内部の知識だけで質問に回答する
ウモデルのパラメータを追加学習で更新したうえで、ベクトルデータベースを削除してから回答を生成する
エ文書を小さな単位（チャンク）に分割してベクトルデータベースに格納し、質問に関連する部分を検索して文脈に加え、その内容をもとに回答を生成する正解

解説

RAGでは、参照したい文書をあらかじめ小さな単位（チャンク）に分割してベクトルデータベースに格納しておき、質問が来るとそれに関連する部分を検索して文脈に加え、その内容をもとに回答を生成する。先に回答を生成してから保存し検索を行わないとする流れは順序が誤りで、外部文書を使わずモデル内部の知識だけで答えるとする説明はRAGの前提に反する。パラメータを追加学習で更新するのはファインチューニングであり、検索の土台となるベクトルデータベースを削除するという流れも誤りである。

https://guga.or.jp/assets/syllabus.pdf （第3章 RAG（Retrieval Augmented Generation、検索拡張生成））

この分野を演習で力試し →