生成AIアドバイザー認定試験 用語解説
Stable Diffusion（潜在拡散モデル）とは
画像を作る拡散モデルを、画素そのものではなく、学習済みのオートエンコーダがつくる潜在空間（圧縮した表現）で動かす方式。画素空間で直接動かす従来の拡散モデルは、学習に数百GPU日がかかり、推論にも費用がかかるという問題があった。潜在空間で学習すると、計算量を減らしながら細部も保てるとされる。モデルにクロスアテンション層を入れることで、テキストなどの条件を与えて画像を生成できる。公式シラバスでは第2課題の第4章「代表的な生成AIサービスの特徴」にStable Diffusionが挙がる。
まず押さえる結論
Stable Diffusion（潜在拡散モデル）は、生成AIアドバイザー認定試験の「第2課題 生成AIの基礎理解」に出てくる用語です。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: 2026-10-04。
試験概要（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
「第2課題 生成AIの基礎理解」の問題で、取り違えやすい組み合わせです。
- 大規模言語モデル・拡散モデル・GANの説明の取り違え。次の語を予測するのが大規模言語モデル、ノイズを段階的に取り除くのが拡散モデル、作る側と見分ける側が競い合うのがGANである。
- トークン・パラメータ・学習データの混同。トークンは文章を処理する単位、パラメータは学習で調整される数値、学習データは学習に使う文章などの集まりである。
- 生成AIの特徴を、データを使わない、または誤りが起こらないと考えること。生成AIもデータから学習して動き、新しい文章や画像を作れる一方で、誤りも起こる。
関連する確認問題
第2課題 生成AIの基礎理解 / 第1章 生成AIの仕組み
Stable Diffusionなどの画像生成に使われる「拡散モデル」の仕組みとして、最も適切なものはどれか。
正解は「ノイズを段階的に取り除きながら、画像を作り上げる」である。拡散モデルは、ノイズから少しずつノイズを取り除く過程を通じて画像を生成する仕組みである。次の単位を予測し続けるのは大規模言語モデル、生成器と識別器が競い合うのはGAN、人が書いた規則に従うのはルールベースAIの説明である。問題文の手がかりは、ノイズを段階的に取り除く点である。 画像生成の仕組みを問う設問では、ノイズを取り除く過程という手がかりで、次の単位の予測やGANの競い合いと区別できる。
第2課題 生成AIの基礎理解 / 第4章 代表的な生成AIサービスの特徴
生成AIサービスの特徴を比べて選ぶ場面で、最も適切な進め方はどれか。
正解は「用途に合わせて、ChatGPT（OpenAI）やClaude（Anthropic）などの特徴を比較して選ぶ」である。代表的な生成AIサービスには、ChatGPT（OpenAI）、Claude（Anthropic）、Gemini（Google）、Stable Diffusionなどがあり、それぞれ特徴が異なる。サービス比較の項目では、用途に合わせてサービスの特徴を比べる考え方が土台になる。知名度だけで決めると、用途に合わないサービスを選んでしまうおそれがある。実際の業務では、文章の作成が中心なのか、画像の生成が中心なのかによって、向くサービスも変わってくる。
同じ章で確認したい用語
到達チェック
- Stable Diffusion（潜在拡散モデル）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、Stable Diffusion（潜在拡散モデル）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）