RAG（検索拡張生成）とは

まず押さえる結論

RAG（検索拡張生成）は、生成AIパスポートの「第3章 現在の生成AI（ジェネレーティブAI）の動向」に出てくる用語です。見分けの要点は、ファインチューニングは、事前学習済みモデルへ追加データを与えて重みそのものを調整する方法です。RAGはモデルの重みを変えず、回答時に外部の知識を検索して文脈に加える方法なので、モデルの再学習はしません。どちらも回答の精度や最新性を高める目的で使われますが、変更する対象がモデルの内部か、回答時に参照する情報かで区別します。

比較記事でさらに確認する

RAG（検索拡張生成）の具体例と、問題文で見る箇所・隣接概念との境界

モデルを追加学習する手法ではなく、外部の知識を検索して回答時の文脈に加える手法として捉える

社内マニュアルや最新情報のように、モデルの学習時には存在しなかった情報をもとに回答させたい場面があります。RAGでは、そうした文書をあらかじめチャンクと呼ばれる単位に分割してベクトルデータベースに格納しておき、質問が来るたびに関連する部分を検索し、その検索結果を文脈に加えたうえで生成AIに回答させます。ここで行っているのはモデルの重みを書き換える学習ではなく、回答の材料を外部から補う処理です。

問題文で見る箇所

「外部の知識を検索する」「ベクトルデータベース」「文脈に加える」という語があればRAGを候補にします。モデルの重みを追加データで調整するという記述であれば、RAGではなくファインチューニングを候補にします。

隣接概念との境界

ファインチューニングは、事前学習済みモデルへ追加データを与えて重みそのものを調整する方法です。RAGはモデルの重みを変えず、回答時に外部の知識を検索して文脈に加える方法なので、モデルの再学習はしません。どちらも回答の精度や最新性を高める目的で使われますが、変更する対象がモデルの内部か、回答時に参照する情報かで区別します。

誤答しやすい選択肢

• RAGを、事前学習済みモデルへ追加データを与えて重みを調整する手法として扱う。それはファインチューニングの説明で、RAGはモデルの再学習をしません。
• RAGを使えば必ず最新かつ正確な回答が得られると断定する。RAGは検索結果を文脈に加える手法であり、検索対象の情報が古い・誤っていれば回答も影響を受けます。
• チャンクやベクトルデータベースという語をファインチューニングの説明として扱う。これらはRAGが外部知識を検索する仕組みに関する語です。

4段階の判断手順

1. 01設問が回答時に外部情報を検索する処理か、モデル自体を追加学習する処理かを先に分ける。
2. 02ベクトルデータベースやチャンクという語があるかを確認する。
3. 03モデルの重みを変えない、という条件が書かれているかを確認する。
4. 04RAGを使っても情報源の正確さ次第で誤りが残る可能性を選択肢で確認する。

到達条件: RAGを外部知識の検索と文脈への追加として説明し、モデルを再学習するファインチューニングとの違いを言える。

試験での問われ方

誤答しやすいポイント

「第3章 現在の生成AI（ジェネレーティブAI）の動向」の問題で、取り違えやすい組み合わせです。

• RAGとファインチューニングの混同。RAGは外部知識（ベクトルデータベース）を検索して文脈に加える手法で、モデルの再学習はしない。ファインチューニングは追加学習。
• ディープフェイクと偽情報（ディスインフォメーション）の混同。前者は人物の映像・音声を本物のように偽造する技術、後者は意図的に作られ拡散される偽情報そのもの。
• 生成物の種類の取り違え。Soraは動画、Image Generationは画像、音声生成AIは音声。名前ではなく生成する対象で見分ける。

関連する確認問題

同じ章で確認したい用語

用語を体系的に学べる書籍（Amazon）

用語の意味を調べたあとに、試験範囲の流れの中で読み直したいときの公式テキストと公認テキストです。購入前に版と試験範囲への対応を確認してください。

AXリテラシー教科書 生成AIパスポート 公式テキスト 2027年試験シラバス対応試験を実施する生成AI活用普及協会（GUGA）が書いた公式テキストです。2027年2月試験から使われるシラバスに対応しています。発売日は2026年11月24日です。Amazonで見る最短攻略！生成AIパスポート 公認テキスト＆問題集試験を実施する生成AI活用普及協会が監修した公認テキストと問題集です。Amazonで見る