生成AIパスポート 用語解説
ボルツマンマシンとは
全てのノードが対称に結合し、確率的な仕組みでデータの背後にあるパターンを学習しようとする、生成AIにつながる初期の生成モデルの一つ。
ボルツマンマシンの意味と見分け方
ボルツマンマシンは、生成AIパスポートの「第2章 生成AI（ジェネレーティブAI）」に出てくる用語です。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。
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
「第2章 生成AI（ジェネレーティブAI）」の問題で、取り違えやすい組み合わせです。
- 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） / 生成AIの誕生まで
制約付きボルツマンマシン（RBM）にvisible unitが4個、hidden unitが3個あり、各visible unitと各hidden unitの間を1本ずつ結ぶ。同じ層内には結合を置かないとき、層間の結合は何本か。
正解は「12本」です。RBMはvisible unitとhidden unitの層間を結び、visible同士とhidden同士には直接結合を置かない。設問では4個のvisible unitそれぞれが3個のhidden unitすべてと1本ずつ結ばれるため、層間結合は4×3＝12本になる。7本はunit数4＋3の合計、16本は4×4、21本は7×3であり、いずれも二つの層の全組合せを数えていない。どの層同士を結ぶかを確定してから、片方の個数と他方の個数を掛ける。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
画像認識などで広く使われ、フィルタを用いた畳み込みによって画像の局所的な特徴を抽出することを中核とするニューラルネットワークはどれか。
正解は「CNN（畳み込みニューラルネットワーク）」である。CNNは、フィルタを用いた畳み込みによって画像の局所的な特徴を抽出することを中核とし、画像認識で広く使われるニューラルネットワークである。問題文の「フィルタを用いた畳み込み」「画像の局所的な特徴を抽出」という条件は、CNNの構造そのものである。RNN（回帰型ニューラルネットワーク）は前の情報を保持しながら系列データを順に処理するモデル、ボルツマンマシンは確率的な仕組みでデータの分布を学習する初期の生成モデル、VAE（変分自己符号化器）はエンコーダ・デコーダと潜在ベクトルで復元する生成モデルであり、いずれも畳み込みによる局所特徴の抽出を中核とする構造ではない。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
系列データ（シーケンスデータ）を扱うニューラルネットワークのうち、RNNを改良し、長い系列でも情報を保持しやすくしたモデルはどれか。
正解は「LSTM（長・短期記憶）」である。RNNを改良し、長い系列でも情報を保持しやすくしたモデルが、長・短期記憶と呼ばれるLSTM（長・短期記憶）である。CNN（畳み込みニューラルネットワーク）は畳み込みで画像の局所特徴を扱うモデル、ボルツマンマシンは初期の確率的な生成モデル、Transformerモデルは自己注意力を中核とするモデルであり、いずれも「RNNを改良し長い系列の情報を保持する」ためのモデルではない。CNNは画像処理向け、ボルツマンマシンは確率的な生成の仕組み、Transformerモデルは自己注意力中心のアーキテクチャという、RNNの改良とは異なる系統に属する点を見分け方にする。
同じ章で確認したい用語
到達チェック
- ボルツマンマシン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、ボルツマンマシン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
用語を体系的に学べる書籍（Amazon）
PR
執筆: AI資格ドリル編集部（運営者情報を見る）