今回はITパスポート試験の2024年4月から適用されるシラバスバージョン6.2で追加される新用語について詳しくご説明します。
これらの用語をできるだけわかりやすく解説し、皆さんに理解を深めていただくことを目指しますので、ぜひ最後までご覧ください。
※なお、動画でチェックしたい方は、下記のYouTubeをご視聴ください。
目次
- 1 ITパスポート シラバスVer.6.2（生成AI）新用語の解説
- 1.1 生成AI（ジェネレーティブAI）
- 1.2 マルチモーダルAI
- 1.3 プロンプトエンジニアリング
- 1.4 ランダム性
- 1.5 ディープラーニング
- 1.6 基盤モデル
- 1.7 過学習
- 1.8 ファインチューニング
- 1.9 転移学習
- 1.10 大規模言語モデル（LLM）
- 1.11 畳み込みニューラルネットワーク（CNN）
- 1.12 再帰的ニューラルネットワーク（RNN）
- 1.13 敵対的生成ネットワーク（GAN）
- 1.14 AIサービスのオプトアウトポリシー
- 1.15 人間中心のAI社会原則
- 1.16 説明可能なAI（Explainable AI）
- 1.17 HUMAN IN THE LOOP（HITL）
- 1.18 ハルシネーション
- 1.19 ディープフェイク
- 1.20 エコーチェンバーとフィルターバブル
- 1.21 デジタルタトゥー
- 1.22 プロンプトインジェクション攻撃
- 1.23 敵対的サンプル
- 2 生成AIとディープラーニングの基礎
- 3 まとめ
ITパスポート シラバスVer.6.2（生成AI）新用語の解説
生成AI（ジェネレーティブAI）
このAIはテキストや画像、音声、動画など様々なコンテンツを生成する能力を持っています。最も有名なのは、OPEN AI社のChat-GPTですが、GoogleのBardやマイクロソフトのCoPilotなども存在します。
マルチモーダルAI
複数のデータの種類（テキスト、画像、音声など）を組み合わせて処理できるAIです。先に挙げたChat-GPTやGoogleのBardもマルチモーダルAIの例です。
プロンプトエンジニアリング
AIに対する指示文のことを「プロンプト」と言います。プロンプト次第でAIから最適な回答を引き出す技術をプロンプトエンジニアリングと呼びます。
ランダム性
生成AIが作るコンテンツに一定のランダムな要素を加えること。これにより、指示文が同じでも、毎回異なるコンテンツが生成されるようになります。
ディープラーニング
人間の脳の仕組みを模倣したニューラルネットワークを用いたAI技術です。データの特徴を自動で抽出し、学習することができます。
基盤モデル
広範囲かつ大量のデータを事前学習し、その後の学習を通じて微調整を行うAIモデルです。人間が義務教育で幅広い分野を学んだ後、高等教育で専門的な学習をすることに似ています。
過学習
AIが与えられたデータに適応し過ぎてしまい、未知のデータに対する処理精度が落ちる現象です。
ファインチューニング
基盤モデルのAIを専門分野に特化させるために、新たに学習させること。
転移学習
基盤モデルを利用して新たな分野の学習をさせ、学習効率を向上させること。
大規模言語モデル（LLM）
大量のテキストデータから単語の意味や出現確率、文章の構造などを学習・分析するAIモデルです。
畳み込みニューラルネットワーク（CNN）
人間の視覚神経をモデルにしたAIで、画像認識に特化しています。畳み込み層を利用して画像内の特徴を効果的に抽出します。
再帰的ニューラルネットワーク（RNN）
時系列データや連続的なデータの処理に強みを持つAI。以前に処理したデータの内容を再度取り込み、データ処理に影響を与えます。
敵対的生成ネットワーク（GAN）
2種類のニューラルネットワークを内部に持ち、一方がデータを生成し、もう一方がそのデータをチェックするAIです。
AIサービスのオプトアウトポリシー
ユーザーが拒否の意見を表明した場合、そのユーザーのデータをAIに活用しない方針を指します。
人間中心のAI社会原則
以下の3つの価値を尊重し、実現を追求する社会を目指す考え方です：人間の尊厳が尊重される社会、多様な幸せを追求できる社会、持続性のある社会。
説明可能なAI（Explainable AI）
AIが出力したデータや回答の根拠や経緯を適切に説明できるAIのこと。
HUMAN IN THE LOOP（HITL）
AI運用において、人間が介在することでプロセスを改善し、より正確な回答を導く取り組み。
ハルシネーション
AIが生成する事実に基づかない虚偽の情報。
ディープフェイク
人工知能を利用して人物の動画や音声に加工処理を行う技術。悪意を持って合成される場合があります。
エコーチェンバーとフィルターバブル
SNSで自分と似た意見を持つ人ばかりとつながることによる偏った意見の増幅（エコーチェンバー）や、検索エンジンやSNSのアルゴリズムによりユーザー一人一人に見たいものばかり表示されること（フィルターバブル）。
デジタルタトゥー
インターネットに書き込まれたコメントや個人情報が拡散後に完全に削除できず、将来まで残り続けること。
プロンプトインジェクション攻撃
悪意のあるプロンプトや質問をAIに入力し、開発者が意図していない動作をさせる攻撃。
敵対的サンプル
AIに間違った学習をさせるようなわずかなノイズが入った学習サンプル。
生成AIとディープラーニングの基礎
生成AIを理解する上で不可欠な技術がディープラーニングです。この技術は、シラバスバージョン6.2以前からITパスポートで出題されていますが、その重要性から再度確認しておきましょう。
ディープラーニングとは？
ディープラーニングは、人間の脳の仕組みを模倣したニューラルネットワークを利用したAIの技術です。この技術では、AI自体がデータの特徴を抽出し、学習する能力を持っています。
ニューラルネットワークの構造
ニューラルネットワークは、複数の層を通過するデータの処理方法に基づいています。データは入力層からシステムに入り、さまざまな中間層を経由して最終的に出力層から結果が出力されます。このプロセスは、人間の脳内のニューロンが情報を処理する方法に似ています。
各層でのデータの処理は、入力される情報に基づいて調整されます。どの経路を通るか、各ニューロンがどのような出力をするかは、入力データによって異なります。このような複雑で分散した処理構造が、ディープラーニングの核心です。
ディープラーニングをイメージする際には、データが多層のネットワークを通過し、各層で情報が処理され、最終的に出力が変化する構造を思い浮かべると良いでしょう。この分散したシステムの構造が、ディープラーニングの強力な能力の源泉となっています。
まとめ
以上、今回の記事では、2024年4月からITパスポート試験で出題される生成AIの新用語（シラバスv6.2）について説明しました。
2024年4月以降にITパスポート試験に受験される方はもちろんのこと、生成AIなど最新のITに関心のある方にもご参考頂ければ幸いです。
ここまでお読みいただきまして、ありがとうございました。
