生成AIパスポート用語解説

潜在ベクトルとは

エンコーダが入力データの特徴を圧縮して作り出す、数値の並びとして表される内部表現。潜在変数とも呼ばれ、デコーダはこの潜在ベクトルを受け取って元のデータに近い形へ復元する。

まず押さえる結論

潜在ベクトルは、生成AIパスポートの「第2章生成AI（ジェネレーティブAI）」に出てくる用語です。見分けの要点は、エンコーダは入力データを潜在ベクトルへ変換する処理、デコーダは潜在ベクトルを元データに近い形へ復元する処理です。潜在ベクトルは、この2つの処理の間に存在する、特徴を圧縮した数値の並びという内部表現そのものを指し、処理そのものとは区別されます。

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）

潜在ベクトルの具体例と、問題文で見る箇所・隣接概念との境界

変換する処理（エンコーダ・デコーダ）ではなく、変換された結果として得られる内部表現そのものとして捉える

VAE（変分自己符号化器）でエンコーダが入力データを処理すると、そのデータの特徴を圧縮した数値の並びが得られます。この数値の並びが潜在ベクトル（潜在変数）です。潜在ベクトルそのものは元データと同じ形をしておらず、デコーダがこの潜在ベクトルを受け取って初めて、元のデータに近い形へ復元されます。エンコーダ・デコーダが「変換する処理」であるのに対し、潜在ベクトルは処理の結果として存在する「内部表現」という点が識別材料です。

問題文で見る箇所: 「特徴を圧縮した数値の並び」「エンコーダとデコーダの間に位置する内部表現」という記述を確認します。データを圧縮・復元する処理そのものの説明であれば、潜在ベクトルではなくエンコーダ・デコーダを候補にします。
隣接概念との境界: エンコーダは入力データを潜在ベクトルへ変換する処理、デコーダは潜在ベクトルを元データに近い形へ復元する処理です。潜在ベクトルは、この2つの処理の間に存在する、特徴を圧縮した数値の並びという内部表現そのものを指し、処理そのものとは区別されます。

誤答しやすい選択肢

潜在ベクトルを、入力データを圧縮する処理そのものとして説明する。圧縮する処理を担うのはエンコーダで、潜在ベクトルはその処理結果である内部表現です。
潜在ベクトルを、元データと同じ形式・同じ次元を持つデータであるとする。潜在ベクトルは特徴を圧縮した内部表現であり、元データそのものの複製ではありません。
潜在ベクトルをデコーダが作り出すものとして説明する。潜在ベクトルを作り出すのはエンコーダで、デコーダはその潜在ベクトルを受け取って元データに近い形へ復元する側です。

4段階の判断手順

01設問が、データを変換する処理（エンコーダ・デコーダ）を問うているか、処理の結果である内部表現を問うているかを先に分ける。
02内部表現であれば、特徴を圧縮した数値の並びという説明になっているかを確認する。
03潜在ベクトルを作るのがエンコーダ側、受け取って復元するのがデコーダ側という順序が入れ替わっていないか見直す。

到達条件: 潜在ベクトルを、エンコーダが特徴を圧縮して作りデコーダが復元に使う内部表現として、エンコーダ・デコーダという処理そのものと区別して説明できる。

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）。