生成AIパスポート 用語解説
GPTモデルとは
OpenAIが開発した、大量のテキストで事前学習した文章生成向けの言語モデル。
まず押さえる結論
GPTモデルは、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
GPTモデルの世代が進むにつれて一般に増加してきた、モデルの規模を表す指標で、モデル内部で調整される値を指す語はどれか。
正解は「パラメータ」である。GPTモデルの世代が進むにつれて一般に増加してきた、モデル内部で調整される値でありモデルの規模を表す指標として用いられるのがパラメータである。データセットは学習に用いるデータの集まりであり、モデル内部で調整される値ではない。ハルシネーション（Hallucination）は事実と異なる出力を生む現象、マルチモーダルは複数種類のデータを扱えることを指す語であり、いずれもモデルの規模を表す指標ではない。データセット・ハルシネーション・マルチモーダルは、それぞれ学習データ、出力の現象、扱えるデータ種類という異なる性質を指す語である点で、モデル内部の調整値であるパラメータとは対象が異なる。
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
GPTモデルが公開された順番として正しいものはどれか。
正解は「GPT-2 → GPT-3.5 → GPT-4」である。GPTモデルはGPT-2（2019年）、GPT-3.5（2022年11月）、GPT-4（2023年3月）の順に公開された。他の選択肢はこの公開順と一致しない。GPTモデルは世代を追うごとに対応できるタスクの幅や性能が向上しており、公開時期の把握は各モデルの特徴を理解するうえでの基準になる。公開年を軸に整理すると、各モデルの性能差や対応範囲の変化を追いやすくなり、出題でも頻出の知識である。
同じ章で確認したい用語
到達チェック
- GPTモデ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、GPTモデ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）