生成AIパスポート 用語解説
プロンプトエンジニアリングとは
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。
まず押さえる結論
プロンプトエンジニアリングは、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。
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 / プロンプティングの基礎
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・設計する取り組みを何というか。
プロンプトの与え方を工夫してよりよい出力を引き出す取り組みがプロンプトエンジニアリング。ファインチューニングは追加学習でモデルを調整すること、プレトレーニングは大量データで事前学習する工程、RLHFは人間のフィードバックによる強化学習で、いずれもプロンプトの設計ではなくモデル側の学習・調整に関する用語である。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
大規模言語モデルを作る際に、大量のテキストデータを使ってあらかじめ汎用的な言語能力を学習させる工程を何というか。
大量データで汎用的な言語能力をあらかじめ学習させる工程がプレトレーニング（事前学習）。ファインチューニングはその後に特定用途へ追加学習して調整する工程、プロンプトエンジニアリングとFew-Shotプロンプティングは学習済みモデルへの指示の与え方で、いずれも事前学習の工程ではない。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
ニューラルネットワークを使わず、直前に現れた数語の並びをもとに、次に来る単語の出現確率を統計的に求める初期の言語モデルを何というか。
連続する数語（N個）の並びから次の単語の出現確率を統計的に求める初期の言語モデルがn-gramモデル。ニューラル言語モデルはニューラルネットワークを用いる方式で「使わず」に反する。LLMは大量データで学習した大規模言語モデル、プロンプトエンジニアリングは指示文の設計手法で、いずれも統計的に単語の並びを扱う初期モデルではない。
同じ章で確認したい用語
到達チェック
- プロンプトエンジニアリング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、プロンプトエンジニアリング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