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: 2026-08-31。
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
学習中に更新され、モデルの出力を左右する重みなどの値を指す用語の説明はどれか。
この事例では「訓練を通じて最適化されるモデル内部の値か」を確認すると、パラメータとは、AIモデルの学習（訓練）に用いるために集められた、データの集まりであるに絞れる。正解は「パラメータとは、AIモデルの学習（訓練）に用いるために集められた、データの集まりである」（誤り）である。パラメータは、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であり、設問の説明はデータセットの定義をパラメータに誤って当てはめている。自然言語処理・データセット・ハルシネーションの説明はいずれも正しい。パラメータ数はモデルの表現力に関わる指標として、GPTモデルの世代比較でもしばしば言及される。
第2章 生成AI（ジェネレーティブAI） / ChatGPT
分類例を三つプロンプトへ示し、その規則に従って新しい文を分類させた。この方法の説明はどれか。
この事例では「少数の入出力例を文脈内に提示するか」を確認すると、Few-Shotプロンプティングに絞れる。正解は「Few-Shotプロンプティング」である。Few-Shotでは、実行してほしいタスクの少数の入出力例をプロンプト内に示し、モデルの重みを更新せず、テキストによる指示と例示だけで回答させる。GPT-3原論文でも、勾配更新やファインチューニングを行わず、タスクと少数例をテキストで与える設定が評価された。ファインチューニングはタスク向けデータでモデルのパラメータを追加学習する。転移学習は別タスクで得た知識を新しいタスクへ利用する広い枠組みで、プロンプト内の例示だけを指す名称ではない。ドロップアウトは学習中に一部のノードを無効化して過学習を抑える手法である。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
二つの文が連続する関係かを予測する課題を、BERTの事前学習で使った。該当する概念の説明はどれか。
この事例では「文同士の連続関係を予測するNSPか」を確認すると、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に絞れる。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）