生成AIパスポート 用語解説
プロンプトとは
生成AIに対して出力の指示や条件を与える、入力のテキストや文章。
まず押さえる結論
プロンプトは、生成AIパスポートの「第5章 テキスト生成AIのプロンプト制作と実例」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: 2026-06-27。
公式シラバス（PDF）（公式）混同しやすい用語との差
プロンプト / ファインチューニング
プロンプトは、モデルへの入力指示や条件指定です。出力形式や前提を与えて回答を調整します。
ファインチューニングは、学習済みモデルに追加学習を行ってモデル側を調整する方法です。
見分け方: 入力で制御する話か、モデルを追加学習する話かを見ます。
具体例から判断の境界を固める
指示の与え方を工夫する取り組みそのものではなく、生成AIへ渡す入力のテキストや文章そのものとして捉える
生成AIに「〇〇について300字で要約して」と入力するとき、この入力のテキストそのものがプロンプトです。プロンプトには、何をしてほしいかという指示、判断材料になる文脈、処理してほしいデータ、出力形式の指定などが含まれることがあります。同じ生成AIでも、渡すプロンプトの文章が変われば出力される内容も変わります。
- 問題文で見る箇所
- 「生成AIへの入力のテキストや文章」「指示や条件を与える」という語があればプロンプトを候補にします。望ましい出力を得るために指示の与え方を工夫・設計する取り組みを説明している場合は、プロンプトではなくプロンプトエンジニアリングを候補にします。
- 隣接概念との境界
- プロンプトエンジニアリングは、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・設計する取り組みです。プロンプトはその工夫の対象となる入力のテキストや文章そのものを指します。プロンプトが「もの」、プロンプトエンジニアリングがそれを「工夫する取り組み」という関係で区別します。
誤答しやすい選択肢
- 望ましい出力を得るために指示の与え方を工夫・設計する取り組みをプロンプトと呼ぶ。それはプロンプトエンジニアリングの説明であり、プロンプトは入力のテキストや文章そのものを指します。
- 事前学習済みモデルへ追加データを与えて調整する処理をプロンプトと呼ぶ。それはファインチューニングの説明であり、プロンプトはモデルを学習させず入力として渡す文章です。
- プロンプトを工夫すればモデルの重みが書き換わり、次回以降の回答にも自動的に反映されると考える。プロンプトは1回の入力に対する指示であり、モデル自体を変更するものではありません。
4段階の判断手順
- 01設問が指す対象が入力のテキストそのものか、その工夫・設計の取り組みかを先に分ける。
- 02入力のテキストや文章の説明であればプロンプトを候補にする。
- 03工夫・設計という取り組みの説明であればプロンプトエンジニアリングに切り替える。
- 04モデルの重みを変える処理（ファインチューニング）の説明が混ざっていないか見直す。
到達条件: プロンプトを生成AIへの入力のテキストとして説明し、プロンプトエンジニアリング・ファインチューニングとの違いを言える。
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
×Zero-ShotとFew-Shotの取り違え。例を示さず指示だけ＝Zero-Shot、例をいくつか示してから指示＝Few-Shot。
×プロンプトエンジニアリングとファインチューニング／プレトレーニングの混同。前者は指示の与え方の工夫、後者2つはモデル側の学習段階。
×テキスト生成AIの不得意（正確な計算・最新の情報・芸術の批評）を、得意分野（要約・メール作成・箇条書き変換）と取り違える。
関連する確認問題
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
ハイパーパラメータの一つで、生成AIが次の単語を選ぶ際に、出現確率の高い候補を上位から累積していき、累積確率が一定の割合に達するまでの候補の中から選ばせるものはどれか。
正解は「Top-p」である。設問は「ハイパーパラメータの一つ」「出現確率の高い候補を上位から累積」「累積確率が一定の割合に達するまでの候補の中から選ばせる」という条件を示しており、これは累積確率で候補を絞り込んでから選ばせるTop-pの仕組みと一致する。「Temperature」も出力のランダム性・多様性を調整するハイパーパラメータだが、値の大小で多様性を変える仕組みであり、候補を累積確率で絞り込む仕組みではない。「Output Indicator」は出力の形式や型を指定するプロンプトの構成要素であり、ハイパーパラメータではない。「Few-Shotプロンプティング」は解答例をいくつか提示してから指示する手法であり、次の単語の候補を絞り込むパラメータではない。
第5章 テキスト生成AIのプロンプト制作と実例 / プロンプティングの基礎
プロンプトの構成要素のうち、AIが回答を組み立てる際の判断材料となる前提条件や背景情報を与える部分を何というか。
正解は「Context」である。設問は「AIが回答を組み立てる際の判断材料」「前提条件や背景情報を与える部分」という条件を示しており、これは判断の助けになる背景情報を与えるContextの役割と一致する。「Instruction」はAIに実行してほしいことを伝える指示であり、背景情報ではなく行動そのものを伝える部分である。「Input Data」は処理させたい具体的なデータであり、判断のための前提条件ではなく処理対象そのものである。「Output Indicator」は出力の形式や型を指定する部分であり、前提条件や背景情報とは役割が異なる。
第5章 テキスト生成AIのプロンプト制作と実例 / プロンプティングの基礎
プロンプトの構成要素のうち、出力の形式や型（箇条書き・表形式など）を指定する部分を何というか。
正解は「Output Indicator」である。設問は「出力の形式や型（箇条書き・表形式など）を指定する部分」という条件を示しており、これはOutput Indicatorの役割と一致する。「Context」は判断材料となる前提条件や背景情報を与える部分であり、出力の形式そのものを指定する部分ではない。「Instruction」はAIに実行してほしいことを伝える指示であり、何をするかを伝える部分であって、どの形式で出すかを指定する部分ではない。「Input Data」は処理させたい具体的なデータであり、出力の形式を指定する部分ではなく処理対象そのものを指す。
同じ章で確認したい用語
到達チェック
- プロンプト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、プロンプト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）