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。

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。

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。

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。

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）。