生成AIパスポート 用語解説
制約付きボルツマンマシンとは
ボルツマンマシンの結合を制限し、データを受け取る層と隠れ層の間だけを結合させることで、学習を効率化したモデル。
まず押さえる結論
制約付き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）」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: 2026-08-31。
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） / 生成AIの誕生まで
生成モデルの初期に登場した確率的なモデルで、ユニット間の結合の一部を制限した「制約付き」と呼ばれる形が知られているものはどれか。
正解は「ボルツマンマシン」である。生成モデルの初期に登場した確率的なモデルで、ユニット間の結合を一部制限した制約付きボルツマンマシンという形で知られているのがボルツマンマシンである。Transformerモデルは自己注意力を中核とするモデル、GAN（敵対的生成ネットワーク）は生成器と識別器を競わせる方式、自己回帰モデルは直前までの出力から次を予測する方式であり、いずれも『制約付き』の形で知られる初期の確率的モデルではない。GAN・自己回帰モデル・Transformerモデルは、それぞれ生成器と識別器の競合、直前出力からの予測、自己注意力という異なる仕組みを持つ点で、結合を制限した初期の確率的モデルとは系統が異なる。
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）の『制約付き』に対応する結合構造として適切なのはどれか。
正解は「visible-hidden間を結合し、同じ層のunit同士には直接結合を置かない」です。RBMは、観測されるvisible unitと特徴を表すhidden unitからなる2層ネットワークで、両層の間には対称な重み付き結合がある。一方、hidden unit同士にもvisible unit同士にも直接結合を置かないことが『制約付き』の構造に当たる。片方の層だけで結ぶ説明では2層間の関係を表せず、すべてを相互接続する説明では制約がなくなる。どこを結び、どこを結ばないかを一組で確認する。
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。
同じ章で確認したい用語
到達チェック
- 制約付き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、制約付き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
執筆: ミナト編集部（運営者情報を見る）