生成AIパスポート 用語解説
RLHFとは
人間の評価を報酬として強化学習を行い、モデルの出力を人間の意図・好みに近づける手法。
まず押さえる結論
RLHF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
ChatGPTの開発で使われた、人間の評価を報酬として強化学習を行い、モデルの応答を人間の好みに近づける手法の略称はどれか。
正解は「RLHF」である。RLHF（Reinforcement Learning from Human Feedback）は、人間による評価を報酬として強化学習を行い、モデルの応答を人間の意図や好みに近づける手法である。問題文の「人間の評価を報酬とする」「強化学習」という条件は、RLHFという手法名の由来そのものを指している。自然言語処理（NLP）は人間の言葉をコンピュータに処理させる技術分野の名称であり手法ではない。NSP（Next Sentence Prediction）とMLM（Masked Language Model）はBERTの事前学習で使われる手法で、文の並びや穴埋め語を予測する仕組みであり、人間の評価を報酬とする強化学習ではない。
第2章 生成AI（ジェネレーティブAI） / ChatGPT
人間が日常的に使う言葉（自然言語）をコンピュータに処理・理解させる技術分野を何というか。
正解は「自然言語処理（NLP）」である。自然言語処理は、人間が日常的に使う言葉（自然言語）をコンピュータに処理・理解させる技術分野を指す。問題文の「人間が日常的に使う言葉」「コンピュータに処理・理解させる」「技術分野」という条件は、自然言語処理という語の定義そのものである。アライメント（Alignment）はAIの振る舞いを人間の意図に合わせること、マルチモーダルは複数種類のデータをまとめて扱えること、RLHF（Reinforcement Learning from Human Feedback）は人間の評価を報酬とする強化学習の手法であり、いずれも技術分野の名称ではなく、性質や手法を表す語である。
第2章 生成AI（ジェネレーティブAI） / ChatGPT
ChatGPT上で、利用者が用途に合わせて独自にカスタマイズした対話AIを作成・公開できる機能を何というか。
正解は「GPTs」である。利用者が用途に合わせて独自にカスタマイズした対話AIを作成・公開できる機能がGPTs。Code Interpreterはコードの実行などを行う機能、InstructGPTは指示に沿うよう改良されたモデル、RLHFは人間のフィードバックによる強化学習の手法で、いずれも『独自の対話AIを作成・公開する機能』ではない。この問題では、利用者が行うことが「コード実行」や「モデルの学習」ではなく、「用途に合わせた対話AIの作成・公開」である点を拾う。製品上の作成機能、モデル、学習手法、実行機能を同じ階層の語として扱わないことが見分け方になる。
同じ章で確認したい用語
到達チェック
- RLHF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、RLHF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）