生成AIパスポート 用語集
生成AIパスポートでよく問われる重要用語を、短い定義つきでまとめました。各用語は出題分野（問題と完全解説）にリンクしています。
第1章 AI（人工知能）
- 教師あり学習
- 正解（ラベル）付きのデータで、入力と正解の対応関係を学習する手法。分類や回帰が代表例。
- 教師なし学習
- 正解ラベルのないデータから、構造やパターンを見つける手法。クラスタリングや次元削減が代表例。
- 強化学習
- 行動の結果として得られる報酬を手がかりに、より多くの報酬を得る行動を試行錯誤で学習する枠組み。
- ディープラーニング
- ニューラルネットワークの層を深く重ね、複雑なパターンを学習する機械学習の手法。第三次AIブームの中心。
- 過学習（オーバーフィッティング）
- 訓練データに適合しすぎて、未知のデータへの予測精度が下がる現象。
- シンギュラリティ（技術的特異点）
- AIが人間の知能を超え、社会に不可逆的な変化をもたらすとされる転換点。レイ・カーツワイルは2045年の到来を予測。
- 弱いAI（ANI）／強いAI（AGI）
- 特定の課題に特化したAIが弱いAI（ANI）、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI（AGI）。
第2章 生成AI（ジェネレーティブAI）
- 生成AI（ジェネレーティブAI）
- 文章・画像・音声などのコンテンツを新たに生成するAIの総称。
- GAN（敵対的生成ネットワーク）
- 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て学習する生成モデル。
- Transformer
- 自己注意（Self-Attention）を中核とするアーキテクチャ。現在の多くの大規模言語モデルの基盤。
- ハルシネーション
- 生成AIが、事実と異なる内容をもっともらしい文章として出力してしまう現象。
- ファインチューニング
- 事前学習済みのモデルを、特定の用途やタスク向けに追加学習して調整すること。
- RLHF
- 人間の評価を報酬として強化学習を行い、モデルの出力を人間の意図・好みに近づける手法。
- マルチモーダル
- テキスト・画像・音声など、複数の種類のデータをまとめて扱えること。
第3章 現在の生成AI（ジェネレーティブAI）の動向
- RAG（検索拡張生成）
- 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精度を高める手法。モデルの再学習はしない。
- AIエージェント
- 目標に対して手順を自ら計画・分解し、外部ツールとも連携しながら自律的にタスクを実行するAI。
- MCP
- 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。
- ディープフェイク（深層偽造）
- AIで実在の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。
第4章 情報リテラシー・基本理念とAI社会原則
- 要配慮個人情報
- 人種・信条・病歴・犯罪歴など、取扱いに特に配慮を要する個人情報。
- 匿名加工情報
- 特定の個人を識別できず、かつ復元できないように加工した個人情報。
- AI事業者ガイドライン
- AIの事業活動を担う主体（開発者・提供者・利用者）に向けた国の指針。法律ではない。
- AI新法
- 2025年6月4日に公布された「人工知能関連技術の研究開発及び活用の推進に関する法律」の通称。
第5章 テキスト生成AIのプロンプト制作と実例
- プロンプトエンジニアリング
- 生成AIから望ましい出力を得るために、指示（プロンプト）の与え方を工夫・設計する取り組み。
- Zero-Shot／Few-Shotプロンプティング
- 例を示さず指示だけで実行させるのがZero-Shot、解答例をいくつか示してから指示するのがFew-Shot。
- Temperature
- 生成の出力のランダム性・多様性を調整するパラメータ。値を大きくすると多様な出力になりやすい。
- LLM（大規模言語モデル）
- 大量のテキストで学習し、人間が書いたような自然な文章を生成できる大規模な言語モデル。