生成AIパスポート用語解説

生成AI（ジェネレーティブAI）とは

文章・画像・音声などのコンテンツを新たに生成するAIの総称。

まず押さえる結論

生成AI（ジェネレーティブAI）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）

比較記事でさらに確認する

生成AIとLLMの違い生成AIとLLMの違いを、分類と実現技術の関係、代表的な生成AI・LLMの例、生成AIパスポートでの判断手順と確認問題まで解説します。

具体例から判断の境界を固める

生成AI（ジェネレーティブAI）を、役割と隣接概念の境界から捉える

文章・画像・音声などのコンテンツを新たに生成するAIの総称。試験では名称だけでなく、処理の対象、目的、使う段階を別概念と入れ替えた選択肢が出るため、定義の主語と動作を分けて確認します。

問題文で見る箇所: 既存データを分類するだけでなく、文章・画像・音声など新しいコンテンツを生成するAIかを確認します。
隣接概念との境界: 生成AIは出力の種類による広い分類で、LLMやGAN、拡散モデルはその実現に使われるモデルや構造です。

誤答しやすい選択肢

入力を既存カテゴリへ分類する処理を、すべて生成AIと呼ぶ。定義の主語と処理対象を確認します。
生成AI（ジェネレーティブAI）の目的だけを見て、同じ目的を持つ別手法まで同じ用語とする。具体的な処理を比較します。
生成AI（ジェネレーティブAI）を使えば目的が必ず達成されると断定する。適用条件や評価を別に確認します。

4段階の判断手順

01問題文が状態、手法、評価指標、制度のどれを説明しているか決める。
02定義の中心となる対象と動作が生成AI（ジェネレーティブAI）に一致するか確認する。
03隣接概念と共通する目的ではなく、処理や条件の違いを見る。
04必ず・完全に・だけでよいという過度な断定がないか見直す。

到達条件: 生成AI（ジェネレーティブAI）を一文で説明し、最も混同しやすい隣接概念との違いを処理または条件から言える。

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

×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）。

同じ章で確認したい用語

GAN（敵対的生成ネットワーク）Transformer ハルシネーションファインチューニング RLHF マルチモーダル

到達チェック

生成AI（ジェネレーティブAI）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、生成AI（ジェネレーティブAI）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

シェア:Xでシェア LINEでシェア

執筆: ミナト編集部（運営者情報を見る）