生成AIパスポート 用語解説
マルチモーダルとは
テキスト・画像・音声など、複数の種類のデータをまとめて扱えること。
まず押さえる結論
マルチモーダルは、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
テキスト・音声・画像といった複数種類の情報を、一つのモデルでまとめて入出力できる、マルチモーダルに対応したGPTモデルの一つはどれか。
正解は「GPT-4o」である。テキスト・音声・画像といった複数種類の情報を一つのモデルでまとめて入出力できる、マルチモーダルに対応したGPTモデルがGPT-4oである。GPT-1は初期のテキスト中心のモデル、BERTモデルはMLM・NSPで事前学習する別系統のモデル、InstructGPTは人間のフィードバックでGPT-3を改良したモデルで、いずれもテキスト・音声・画像を一つのモデルでまとめて扱うことを特徴とするものではない。テキスト中心か複数種類の入出力かという軸と、GPTモデル系列かBERT系列かという軸で選択肢を分類すると、マルチモーダル対応のGPT-4oだけが残る。
第2章 生成AI（ジェネレーティブAI） / ChatGPT
生成AIの出力や振る舞いを、人間の意図や価値観に沿うように調整しようとする取り組みを何というか。
正解は「アライメント（Alignment）」である。生成AIの出力や振る舞いを、人間の意図や価値観に沿うように調整しようとする取り組みをアライメント（Alignment）という。ハルシネーションは事実と異なる内容をもっともらしく出力してしまう現象、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、データセットは学習に用いるデータの集まりで、いずれも人間の意図に沿わせる「調整の取り組み」ではなく、出力の不具合・モデルの性質・学習素材を指す語である。
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。
同じ章で確認したい用語
到達チェック
- マルチモーダル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、マルチモーダル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）