生成AIパスポート 用語解説
パラメータとは
モデルが学習を通じて内部に獲得・調整する値の総称。値の数（パラメータ数）はモデルの規模を表す指標としても使われ、生成時に利用者が設定するハイパーパラメータとは区別される。
まず押さえる結論
パラメータは、生成AIパスポートの「第2章 生成AI（ジェネレーティブAI）」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: 2026-06-27。
公式シラバス（PDF）（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
×ハルシネーション・アライメント・ファインチューニングの取り違え。事実と異なるもっともらしい出力＝ハルシネーション、人間の意図に沿わせること＝アライメント、追加学習で調整＝ファインチューニング。
×GANとVAEの混同。GANは生成器と識別器を競わせる方式、VAEはエンコーダ・デコーダと潜在ベクトルを使う方式。
×Transformerの中核を畳み込みや位置エンコーディングと取り違える。中核は自己注意（Self-Attention）。
関連する確認問題
第2章 生成AI（ジェネレーティブAI） / ChatGPT
GPTモデルの世代が進むにつれて一般に増加してきた、モデルの規模を表す指標で、モデル内部で調整される値を指す語はどれか。
正解は「パラメータ」である。GPTモデルの世代が進むにつれて一般に増加してきた、モデル内部で調整される値でありモデルの規模を表す指標として用いられるのがパラメータである。データセットは学習に用いるデータの集まりであり、モデル内部で調整される値ではない。ハルシネーション（Hallucination）は事実と異なる出力を生む現象、マルチモーダルは複数種類のデータを扱えることを指す語であり、いずれもモデルの規模を表す指標ではない。データセット・ハルシネーション・マルチモーダルは、それぞれ学習データ、出力の現象、扱えるデータ種類という異なる性質を指す語である点で、モデル内部の調整値であるパラメータとは対象が異なる。
第2章 生成AI（ジェネレーティブAI） / ChatGPT
AIモデルの学習（訓練）に用いるために集められた、データの集まりを何というか。
正解は「データセット」である。AIモデルの学習（訓練）に用いるために集められたデータの集まりをデータセットという。パラメータはモデル内部で学習によって調整される値、ファインチューニングは学習済みモデルを特定用途向けに追加学習すること、マルチモーダルは複数種類のデータを扱えるモデルの性質であり、いずれも「学習に用いるために集められたデータの集まり」そのものを指す語ではない。学習に使う「データそのものの集合」か、モデル内部の値・処理・性質のいずれかという軸で選択肢を分類すると、データの集まりに当たるデータセットだけが残る。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
BERTモデルとその関連概念に関する次の説明のうち、誤っているものはどれか。
正解は「NSP（Next Sentence Prediction）とは、BERTモデルのパラメータ数を削減し、軽量化・効率化を図った派生モデルである」（誤り）である。NSPは、与えられた2つの文が文章内で連続しているかどうかを判定させる事前学習タスクであり、設問の説明はALBERTの定義をNSPに誤って当てはめている。MLM・RoBERTa・ALBERTの説明はいずれも正しい。BERTはTransformerの一部（エンコーダ）を用いた双方向の文脈理解に強みを持つモデルとして知られる。
同じ章で確認したい用語
到達チェック
- パラメータ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、パラメータ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）