生成AIパスポートを受けてみた。
はじめに
2025年2月シラバスで作成した模擬予想問題を後半に追加しました。
随時追加中で現在100問です。また模擬試験問題ファイルをアップ中。
※この記事の問題は、生成AIパスポートの最新シラバスに準拠して作成した参考問題です。本試験とは異なる点がある可能性もありますので、学習の一助としてご利用ください。
また章末模擬問題とは別にリンク先に模擬問題を作成しております。
生成AIパスポートとは
生成AIパスポートは、一般社団法人生成AI活用普及協会（GUGA）が提供する民間資格試験であり、AIの基礎知識や生成AIの動向、情報リテラシーに関する知識を問うものです。生成AIについての基礎知識や簡易的な活用スキルの習得を可視化する認定試験・資格です。試験を通じて、文章生成をすることができるChatGPTなど、生成AIを活用したコンテンツ生成の具体的な方法や事例に加え、企業のコンプライアンスに関わる個人情報保護、著作権侵害、商用利用可否といった注意点などを学ぶことができます。
試験はオンラインで実施され、一定の合格基準を満たすことで認定されます。私の受験したの初回である2023年10月7日「2023年 第1回 生成AIパスポート試験」です。
生成AI活用普及協会(GUGA) 生成AIパスポート試験 2023年
なぜこの試験を受けることにしたのか
試験を受けた理由は、2022年年末からChatGPTを使い始めてAI技術の急速な発展と社会への影響に対応しなければという思いからです。
ChatGPTが公開され最初の3カ月ほど時間があるとChatGPTどう活用するか、インフルエンサーがやっている集まりやセミナーに参加して考えていました。特に建設業は情報化が遅れている業界でもあります。今現在、社内で生成AIって使ったことがないというおじさま方（若手もか）であふれています。
特に生成AIは、多様な業界で活用され始めており、その基礎知識をしっかりと理解することが今後のキャリアにおいて重要だと感じました。
また、30年以上前になりますが、PCの普及がビジネスの仕方を変えたようにAIの活用も大きなゲームチェンジャーとなると思っています。まだ会社がPCを一人一台配っていない時代に自分でノートPCを買い会社に持ち込んで仕事していました。当たり前ですが手書き電卓で仕事している人と比較して業務成果が出せるのは当然。いま生成AIを使わない人と生成AIを使いこなす人では当時起こったことがいま起こっていると思っています。
あとは社内への普及を考えてです。PCと同じように興味を持ってくれる人、仲間を増やすには体系的に教えていかなくてはならない。そのための勉強ツールとしてこういった資格（本）の知識は役に立ちます。
試験の概要
試験形式と問題数
生成AIパスポート試験の受験資格ですが学歴、年齢、実務経験等の制限は一切ありません。どなたでも受験していただけます。全てオンラインで実施される形式（ IBT方式）であり、問題形式も選択肢式の問題が採用されています。具体的には、60問の問題が出題されます。
出題範囲は、シラバスから 【2025年2月からのシラバスに修正】
・第１章 AI（人工知能）
・第２章 生成AI（ジェネレーティブAI）
・第３章 現在社会における生成AI（ジェネレーティブAI）の動向
・第４章 情報リテラシー・基本理念とAI社会原則
・第５章 テキスト生成AIのプロンプト操作例
試験時間と合格基準
試験時間は全体で60分と定められており、60問に対して正解率が一定の基準を満たすことが合格の条件となります。1問1分ですからG検定よりは全然よいです。
「2023年 第1回 生成AIパスポート試験」の受験者数は1,031名、そのうち合格者数は760名で、合格率は73.71％
「2024年 第1回 生成AIパスポート試験」の受験者数は1,613名、そのうち合格者数は1,211名で、合格率は75.08％
総合得点率や設問別の正解・不正解、本試験の合格ラインなどは未開示です。
正直言ってＧ検定と似たような合格率ですがこっちの方が全然楽勝です。
また、受験料は一般の場合1万1000円、学生の場合は5,500円と設定されており、この費用には試験料だけでなく、合格証の発行費用も含まれています。
自腹でしたから高いなぁって思っています。
勉強方法
活用した教材
生成AIパスポートの試験準備にあたり、公式本だけ買って利用しました。
最新のものを記載しましたが当時は問題集はなくテキストだけのバージョンでした。今であればサンプル問題も公式サイトにあります。
試験対策としてはこれだけですが、生成AIに関する基礎知識を深めるために、ネットの時事情報はよくみておりました。
勉強スケジュール
勉強スケジュールについては、うすい公式本をさらっと見て2週間前からと決めました。目を通してシラバスの情報はラインを引く感じで内容を理解。当時出張が多かったので新幹線の中と東横インで学習していました。
とくに生成AI関連のネット記事を読むなどして、普段から情報に触れるようにしているとよいと思います。
初回で過去問がなかったのですがそれこそ生成AIで予想問題を作成なんてしてみたりしました。
試験の感想と難易度
非ITですが全然余裕で試験時間もあまりました。素直な問題で満点取れたのではと思うぐらいです。初回だから易しい感じでだんだん難化するか、あくまでスキル確認試験なので同じ難易度を続けるかどちらかでしょうね。
試験の感想としては、満足しています。AI技術の基本的な部分から最新の動向に至るまで、この試験勉強を通じて新たな知識を得ることができたと感じています。G検定受ける前にちょうどよい資格ではないでしょうか。
また、具体的なプロンプトの方法など、実務にも役立つスキルを学べたことが非常に有益でした。
問題例１（2025年2月シラバスで作成・初級）
最近見てくれる方が増えてきたのでシラバスから問題を作成しました。比較的基礎寄りにしていますので気軽に解いてみてください。
初級10問×3セットと中級10問です。 2025年4月吉日
【択一問題】
Q1.AIの歴史において、知識表現が中心だったブームに該当するものを1つ選びなさい。
① 第一次AIブーム
② 第二次AIブーム
③ 第三次AIブーム
④ シンギュラリティ期
Q2.ルールベースAIの特徴として適切なものを1つ選びなさい。
① 大量のデータからパターンを学習する
② 人間の直感に基づく推論を行う
③ あらかじめ定義されたルールに基づいて処理する
④ 音声データの生成に特化している
Q3.画像認識AIの基本モデルに該当するものを1つ選びなさい。
① GPT
② CNN
③ RNN
④ LLM
Q4.次のうち、Transformerモデルの発明によって発展した技術に該当するものを1つ選びなさい。
① GAN
② ChatGPT
③ VAE
④ CNN
Q5.次のうち、強化学習の説明として適切なものを1つ選びなさい。
① 正解ラベルなしに学習する
② 正解ラベルに基づいて学習する
③ 報酬に基づき行動を最適化する
④ 大量の画像データで学習する
Q6.ディープフェイクの使用目的として、資料中で特に注意が必要とされている内容に該当するものを1つ選びなさい。
① 広告表現の多様化
② 芸術的映像作品の制作
③ 故意に人を欺く目的での使用
④ 教育資料の補完
Q7.ChatGPTが属するAIモデルの分類として適切なものを1つ選びなさい。
① 自己符号化モデル
② 生成型モデル
③ 判別型モデル
④ 回帰型モデル
Q8.AI社会原則として明記されているものに該当するものを1つ選びなさい。
① 効率性重視
② データ所有権の集中
③ プライバシー保護
④ 技術の独占
Q9.プロンプトエンジニアリングで使われる技法に該当するものを1つ選びなさい。
① ランダムサンプリング
② フルコンパイル方式
③ Few-Shotプロンプティング
④ 単語埋め込み最適化
Q10.次のうち、AIが事実に基づかない情報を、もっともらしく生成する現象に該当するものを1つ選びなさい。
① ハルシネーション
② トークナイズ
③ フィルタリング
④ エポック終了
【解答と解説】
Q1：②
第二次AIブームでは「知識表現」に基づいたシステム構築が主流でした。Q2：③
ルールベースAIはあらかじめ定められたルールに従って動作します。Q3：②
CNN（畳み込みニューラルネットワーク）は画像処理の基本モデルです。Q4：②
Transformerを基にしたChatGPTは、対話型生成AIの代表です。Q5：③
強化学習は「報酬」に基づいて行動を学習する方式です。Q6：③
ディープフェイクは「故意に人を欺く目的」で使われるリスクが問題視されています。Q7：②
ChatGPTは「生成型AI」に分類されます。Q8：③
AI社会原則の一つに「プライバシー保護」が明示されています。Q9：③
Few-Shotプロンプティングは、少数の例でAIを誘導する技法です。Q10：①
AIが誤って事実無根の情報を出力する現象を「ハルシネーション」と呼びます。
問題例２（2025年2月シラバスで作成・初級）
【択一問題】
Q1.AIの知能の仕組みとして不適切なものを1つ選びなさい。
① ルールベースAIによる判断
② 機械学習によるパターン抽出
③ ブロックチェーンによる分散台帳管理
④ ニューラルネットワークによる情報処理
Q2.機械学習における手法として不適切なものを1つ選びなさい。
① 教師あり学習
② 教師なし学習
③ 複製学習
④ 強化学習
Q3.次のうち、第三次AIブームの特徴として不適切なものを1つ選びなさい。
① ビッグデータの活用
② 深層学習の進展
③ 探索・推論の活用
④ 機械学習の普及
Q4.ディープフェイクに関する記述として不適切なものを1つ選びなさい。
① GANやVAEなどの技術が基礎となる
② 音声や映像を本物のように見せる技術である
③ 主にエンターテイメントの合法的利用に限られている
④ 偽情報拡散のリスクがある
Q5.生成AIに分類されない技術を1つ選びなさい。
① ChatGPT
② Stable Diffusion
③ Sora
④ Wi-Fiスキャニング
Q6.Transformerモデルの構成要素として不適切なものを1つ選びなさい。
① Multi-Head Attention
② Self-Attention
③ Positional Encoding
④ 動的コンパイル
Q7.次のうち、GPTモデルに関する記述として不適切なものを1つ選びなさい。
① GPT-1は1.17億パラメータを持つ
② GPT-3は画像生成を得意とする
③ GPT-4はマルチモーダル対応である
④ GPTシリーズはTransformerに基づく
Q8.情報リテラシーに関連しない内容を1つ選びなさい。
① ソーシャルエンジニアリング攻撃への対策
② AIの倫理的側面の理解
③ セキュリティとプライバシーへの配慮
④ 画像生成技術の高解像度処理
Q9.知的財産権に該当しないものを1つ選びなさい。
① 特許権
② 商標権
③ ブロックチェーン
④ 意匠権
Q10.次のうち、プロンプトエンジニアリングに関連しないものを1つ選びなさい。
① Zero-Shotプロンプティング
② Few-Shotプロンプティング
③ InstructionとContextの設計
④ ビッグデータの圧縮手法
【解答と解説】
Q1：③
ブロックチェーンは、データを複数の場所で安全に記録・管理するための「分散台帳」技術です。Q2：③
「複製学習」という用語は資料には存在せず、機械学習の分類にも含まれない。Q3：③
探索・推論は第一次AIブームの特徴。第三次では深層学習やビッグデータが主役。Q4：③
ディープフェイクはエンタメ用途に限らず、詐欺などの悪用も存在する。Q5：④
Wi-Fiスキャニングは通信技術であり、生成AIとは無関係。Q6：④
動的コンパイルはプログラム実行時の技術で、Transformer構成要素ではない。Q7：②
GPT-3はテキスト生成に特化しており、画像生成はできない（DALL-Eなどが担当）。Q8：④
画像の高解像度処理は技術的内容であり、情報リテラシーの観点とは異なる。Q9：③
ブロックチェーンは技術の仕組みであり、知的財産権の一種ではない。Q10：④
ビッグデータの圧縮手法はプロンプト技法とは関係がない。
問題例３（2025年2月シラバスで作成・初級）
Q1.AIにおいて「自己強化的な進歩により急速な技術進化が起こる」とされる概念に該当するものを1つ選びなさい。
① ニューラルネットワーク
② シンギュラリティ
③ 誤差逆伝播法
④ ドロップアウト
Q2.次のうち、VAE（変分自己符号化器）に関する説明として不適切なものを1つ選びなさい。
① 潜在変数を用いる生成モデルである
② 主に自然言語処理タスクに利用される
③ 入力データの圧縮と復元を目的とする
④ 潜在空間の分布を正規分布として仮定する
Q3.次のうち、機械学習の分類に該当する手法を1つ選びなさい。
① ドロップアウト学習
② オーバーフィッティング
③ 教師なし学習
④ ファインチューニング
Q4.次のうち、AIの能力レベルに関する次の分類のうち、最も高いレベルに該当するものを1つ選びなさい。
① 特化型AI（ANI）
② 汎用型AI（AGI）
③ 人工超知能（ASI）
④ 限定記憶AI
Q5.次のうち、プロンプト操作に関連しないものを1つ選びなさい。
① 文脈の校正
② Instructionの設計
③ データセットのラベリング
④ Few-Shotプロンプティング
Q6.次のうち、Transformerモデルで重要な仕組みに該当するものを1つ選びなさい。
① ハイパーパラメータ制御
② Self-Attention
③ ドロップアウト回避
④ ノイズキャンセリング
Q7.次のうち、生成AIによって可能となる技術に該当しないものを1つ選びなさい。
① テキスト生成
② 音声認識
③ 画像生成
④ 動画生成
Q8.次のうち、AIの画像認識モデル（CNN）において、画像から局所的な特徴を抽出する役割を担う主要な構成要素を1つ選びなさい。
① Attention Mechanism
② 畳み込み層（Convolution）
③ 再帰的処理（Recursion）
④ データ拡張（Augmentation）
Q9.AI開発における「正則化」の目的として適切なものを1つ選びなさい。
① 学習の高速化
② モデルの精度向上
③ 過学習の抑制
④ 潜在変数の抽出
Q10.次のうち、AI社会原則に含まれないものを1つ選びなさい。
① プライバシー保護
② 公平性の確保
③ イノベーションの否定
④ アカウンタビリティ
【解答と解説】
Q1：②
シンギュラリティは技術的特異点を指し、AIが人間を超える転換点とされます。Q2：②
VAEは画像などの生成によく使われ、自然言語処理が主ではありません。Q3：③
教師なし学習は、正解ラベルなしでパターン抽出を行う機械学習の一分類です。Q4：③
ASI（人工超知能） は、科学的創造性や社会的スキルなど、あらゆる領域で人間の知能を遥かに超える、仮説上の最も高いレベルのAIを指します。Q5：③
ラベリングは機械学習の前処理に関連しますが、プロンプト操作ではありません。Q6：②
Self-AttentionはTransformerの核心技術で、文脈把握を可能にします。Q7：②
音声認識は生成ではなく「識別」タスクであり、生成AIには分類されません。Q8：②
畳み込み層（CNN）は画像認識に特化した深層学習の主要構成要素です。Q9：③
正則化は過学習を防ぎ、モデルの汎化性能を向上させるために用いられます。Q10：③
イノベーションの推進は含まれますが、「否定」はAI社会原則には含まれません。
問題例４（2025年2月シラバスで作成・中級）
Q1.次のうち、GAN（敵対的生成ネットワーク）に関して不適切な説明を1つ選びなさい。
① GeneratorとDiscriminatorの2つのネットワークを用いる
② 画像分類精度を最大化するためのモデルである
③ 敵対的訓練によって生成精度を向上させる
④ 生成モデルの一種である
Q2.次のうち、Transformerにおける「位置エンコーディング（Positional Encoding）」の目的として適切なものを1つ選びなさい。
① 出力の多様性を確保する
② 単語の意味をベクトル化する
③ トークン間の順序情報を保持する
④ モデルの訓練速度を上げる
Q3.次のうち、ハルシネーション現象に該当しない状況を1つ選びなさい。
① AIが存在しない事実を回答する
② AIが意味的に破綻した回答を生成する
③ AIが提示された事実を忠実に出力する
④ AIが根拠のない引用を提示する
Q4.次のうち、Diffusionモデルの特徴に該当するものを1つ選びなさい。
① 潜在変数の操作によりラベル分類を行う
② ノイズを段階的に除去して画像を生成する
③ 音声波形を圧縮して再構成するモデルである
④ 画像のセグメンテーションを行う畳み込みネットワーク
Q5.次のうち、UL2R（Unifying Language Learning Paradigm）に関する説明として不適切なものを1つ選びなさい。
① 複数の言語学習パラダイムを統合するアプローチ
② 文生成と文分類を統一的に扱える設計がされている
③ BERTとGPTの構造を融合している
④ 音声認識のためのモデルである
Q6.次のうち、Reinforcement Learning from Human Feedback（RLHF）の特徴に該当するものを1つ選びなさい。
① 人間の選好を学習した報酬モデルでAIを訓練する
② 画像の高精度分類を目的とする手法である
③ 再帰的ニューラルネットワークに限定される
④ データ拡張によって強化される学習方式である
Q7.次のうち、Multi-Modalモデルに該当する構成として不適切なものを1つ選びなさい。
① 音声とテキストを同時に処理するモデル
② 画像と言語を統合して推論するモデル
③ 映像の色情報だけを処理するモデル
④ 異なる種類のデータを統合して学習するモデル
Q8.次のうち、Attention Mechanismにおける「スケーリング（Scaling）」の役割に該当するものを1つ選びなさい。
① スコアの極端化を抑え、勾配消失を防止する
② 単語の重みをランダムに拡大する
③ 層の数を自動調整する
④ パラメータ数を削減する
Q9.次のうち、深層学習における「早期終了（Early Stopping）」の目的として適切なものを1つ選びなさい。
① モデルのトレーニングを高速化するため
② 過学習を防止するために検証精度で停止する
③ 層の数を削減するための手法
④ ハイパーパラメータの自動最適化技法
Q10.次のうち、生成AIの倫理的課題に該当しないものを1つ選びなさい。
① ディープフェイクによる誤情報の拡散
② 利用者の意図しない偏見の助長
③ プロンプト技術の発展による応答精度向上
④ 著作権を侵害する生成物の作成
【解答と解説】
Q1：②
GANは画像分類ではなく、画像やデータの生成を目的としたモデルです。Q2：③
位置エンコーディングは、Transformerで順序情報を保持するために使用されます。Q3：③
忠実に出力している場合はハルシネーションではありません。Q4：②
Diffusionモデルはノイズを段階的に除去することで、画像を生成するモデルです。Q5：④
UL2Rは言語モデルであり、音声認識は対象ではありません。Q6：①
RLHFは、まず人間がAIの出力の良し悪しを評価・順位付けします。次に、その人間の好みを学習した「報酬モデル」を構築します。最終的に、その報酬モデルを強化学習の指標（報酬）として使い、AIの応答がより
人間の好みに沿うように行動を最適化する手法です。Q7：③
映像の色情報のみを処理するのはマルチモーダルとは言いません。Q8：①
Self-Attentionでは、内積によってAttentionスコアを計算しますが、この値が大きくなりすぎると、後続のsoftmax関数の勾配がほぼ0になって学習が停滞する「勾配消失」が起こりやすくなります。スケーリングは、スコアを特徴量の次元数の平方根で割ることによって適切な範囲に調整し、安定した学習を可能にする重要な役割を担っていますQ9：②
早期終了は、検証データの精度が向上しなくなった時点で訓練を止めて過学習を防ぎます。Q10：③
応答精度の向上は倫理的課題ではなく、技術的進展です。
問題例５（2025年2月シラバスで作成・中級）
Q1.次のうち、Attention Mechanismの一部でないものを1つ選びなさい。
① Query
② Key
③ Value
④ Anchor
Q2.次のうち、生成AIにおける「ハルシネーション」の例に該当するものを1つ選びなさい。
① AIが存在しない学説をもっともらしく語る
② 正確なデータを正確に要約する
③ 与えられた記事の要点を抽出する
④ プロンプトに忠実に事実のみ記述する
Q3.次のうち、RNN（リカレントニューラルネットワーク）に関する説明として不適切なものを1つ選びなさい。
① 内部に再帰的なループ構造を持っている
② 勾配消失問題により長期の記憶が苦手な場合がある
③ 画像分類タスクに特化して設計されている
④ 文章や音声など、時系列データの処理に適している
Q4.次のうち、生成AIモデル「Stable Diffusion」の特徴に該当するものを1つ選びなさい。
① ノイズ除去による段階的生成プロセス
② 自己回帰型のテキスト生成手法
③ 時系列分析向け回帰モデル
④ 音声からテキストを生成する技術
Q5.次のうち、VAE（変分自己符号化器）の特徴に該当しないものを1つ選びなさい。
① 潜在空間に基づくデータ生成
② GANと同様の敵対的学習構造
③ データ圧縮と復元の能力
④ 入力データを潜在変数にマッピング
Q6.次のうち、深層学習における「ドロップアウト（Dropout）」の目的に該当するものを1つ選びなさい。
① 層数の削減
② 過学習の抑制
③ 訓練速度の低下
④ 出力精度の故意的劣化
Q7.次のうち、強化学習（Reinforcement Learning）の報酬設計に関して不適切なものを1つ選びなさい。
① 適切な行動を促進するために報酬を与える
② 全行動に対してランダムに報酬を与える
③ 長期的報酬を最大化する行動を促す
④ 人間によるフィードバックを活用する場合がある
Q8.次のうち、Transformerにおける「Multi-Head Attention」の利点として適切なものを1つ選びなさい。
① 計算コストの削減のみを目的とする
② 異なる特徴に同時に注目できる
③ すべての重みを固定するため訓練不要
④ 層の数を減らすための手法
Q9.次のうち、シンギュラリティ（技術的特異点）に関する記述として不適切なものを1つ選びなさい。
① 人間の知能を超えるAIの到来を指す
② カーツワイルが提唱した2045年問題に関連する
③ 人間の進化速度が加速する要因とされる
④ 現時点で完全に到達していると科学的に証明されている
Q10.次のうち、テキスト生成AIにおける「Few-Shotプロンプティング」の特徴として正しいものを1つ選びなさい。
① モデルの再学習（ファインチューニング）が必須である
② プロンプト内に少数の回答例を提示し、応答の精度や形式を誘導する
③ 応答を生成するために、常に大量の計算リソースを必要とする
④ 出力の多様性を一切制御できなくなる手法である
【解答と解説】
Q1：④
AnchorはAttentionの要素ではなく、Query・Key・Valueが基本構成です。Q2：①
存在しない情報をもっともらしく答える現象がハルシネーションです。Q3：③
RNNは、内部にループ構造を持つことで時系列データの文脈を捉えるのに適したネットワークであり、主に自然言語処理や音声認識に利用されます。画像分類に特化して設計されているのはCNN（畳み込みニューラルネットワーク）です。①、②、④はいずれもRNNの構造や性質に関する正しい説明です。Q4：①
Stable Diffusionは、ノイズ除去を段階的に行う拡散型生成モデルです。Q5：②
VAEは敵対的学習を行わず、GANとは異なります。Q6：②
ドロップアウトは過学習防止のため、ランダムにニューロンを無効化します。Q7：②
ランダム報酬では学習が成立しないため不適切です。Q8：②
Multi-Head Attentionは、異なる特徴に同時に注意を向けられる仕組みです。Q9：④
シンギュラリティは未来の仮説であり、現在科学的に到達した事実はありません。Q10：②
Few-Shotプロンプティングは、AIにタスクを指示する際、プロンプト（指示文）の中にいくつかの具体的な「お手本」（例題と回答）を含める手法です。AIはこれらのお手本をその場で参照し（インコンテキスト学
習）、ユーザーが求める回答の形式や精度を理解して応答を生成します。モデルの再学習（ファインチューニング）が不要な点が大きな特徴です。
問題例６（2025年2月シラバスで作成・中級）
【プロンプトエンジニアリング 問題例】
Q1.次のプロンプトは、どのプロンプトエンジニアリング技法に該当するか、最も適切なものを1つ選びなさい。
プロンプト例
「次の文章を中学生向けにわかりやすく言い換えてください。『ニュートンの運動の法則とは、物体に力が加わると運動状態が変化することを表す法則です。』」
① Few-Shotプロンプティング
② Zero-Shotプロンプティング
③ プロンプトチェーニング（連続プロンプティング）
④ 役割付与型プロンプティング
Q2.次のプロンプト例の問題点として不適切なものを1つ選びなさい。
プロンプト例
「最近のAIの発展について教えて。ただし、長すぎないようにして、でも重要なところは全部詳しく。」
① 出力条件があいまいである
② 出力の長さ指定が明確でない
③ 出力対象（誰向けか）が指定されていない
④ 出力に必要な情報ソースが具体的に提示されている
Q3.次のプロンプトがAIに要求している主なタスクとして、最も適切なものを1つ選びなさい。
プロンプト例
「以下の表形式のデータを読み取り、英語でサマリーを作成してください。」
① データの新規生成
② 情報の抽出と要約
③ プログラムのデバッグ
④ クリエイティブな文章の創作
Q4.次のプロンプト設計方針として適切なものを1つ選びなさい。
設計目標
「新入社員向けに、難しい技術用語を避け、日常的な言葉に置き換えた形で説明文を作成してもらいたい」
① 出力に専門用語を多用するよう促す
② 例示なしに単純な指示文のみ送る
③ ターゲット（新入社員）を明示し、語彙制約も指示する
④ 出力対象の読解レベルを無視する
Q5.次のプロンプトの設計意図として最も適切なものを1つ選びなさい。
プロンプト例
「あなたはマーケティングのプロフェッショナルです。新製品『EcoBottle』の特徴を、SNS向けに30文字以内のキャッチコピーにまとめてください。」
① モデルに自由な創造性を最大限発揮させるための設計
② モデルに特定の役割を与え、出力スタイルを制御する設計
③ モデルに長文記事の生成を促すための設計
④ モデルにファクトチェック機能を求めるための設計
【解答と解説】
Q1：②
Zero-Shotプロンプティングは「事前例なしでタスクを指示する」形式。Q2：④
このプロンプトの問題点として、①「あいまいな条件（重要なところは全部）」、②「不明確な長さ（長すぎないように）」、③「対象読者が不明」はすべて的確な指摘です。一方で、このプロンプトには情報ソースが
提示されていません。そのため、「情報ソースが具体的に提示されている」という④の指摘自体が事実と異なり、これが「不適切な問題点の指摘」となります。Q3：②
このプロンプトは、与えられた「表形式のデータ」という文脈（Context）から、AIに情報を読み取らせ（抽出）、その内容を要約（サマリー作成）するように指示しています。これは、既にある情報から特定の要素を取り出して処理する「情報の抽出と要約」タスクの典型例です。Q4：③
ターゲット読者の指定と語彙の簡単化指示が、プロンプト設計のポイント。Q5：②
このプロンプトは「マーケティングのプロ」という役割付与＋「SNS向け30文字以内」という出力スタイルを厳密に指定しています。役割と条件を組み合わせた典型的な役割付与型プロンプティングです
問題例7（2025年2月シラバスで作成・初級）【プロンプト設計 問題（実践編）】
Q1.生成AIに「社内会議の議事録作成」を依頼する際、最も効果的なプロンプトはどれか。
① 議事録をまとめてください。
② 次の発言内容をもとに、要点を整理し、箇条書き形式で社内向け議事録を作成してください。
③ 会議について文章を書いてください。
④ 発言内容をそのままテキスト化してください。
Q2.生成AIに「商品紹介文の作成（カジュアルなトーン）」を依頼する際、最も効果的なプロンプトはどれか。
① 商品について適当に紹介文を書いてください。
② 商品紹介文を作ってください。
③ 次の商品『SmartBag』について、若い層をターゲットにカジュアルな口調で紹介文を作成してください。200文字以内でまとめてください。
④ 商品の紹介を簡単にしてください。
Q3.生成AIに「クレーム対応メールの下書き」を依頼する際、最も効果的なプロンプトはどれか。
① クレームに返信してください。
② 以下のクレーム内容を踏まえ、謝罪の意を伝えつつ、今後の対応方針を明確にした返信文を作成してください。敬語を使用し、丁寧な表現を心がけてください。
③ クレームに対応するメールを書いてください。
④ 問題に答える返信を書いてください。
Q4.生成AIに「就職活動用の自己PR文（真面目なトーン）」を作成させる際、最も効果的なプロンプトはどれか。
① 自己PRを書いてください。
② これまでの経験をもとに、就職活動用の自己PR文を300文字以内で作成してください。文体は丁寧語（です・ます調）で、誠実さが伝わるようにしてください。
③ 適当に自己紹介を書いてください。
④ 自分のことについて書いてください。
Q5.生成AIに「製品マニュアルの要約版作成」を依頼する際、最も効果的なプロンプトはどれか。
① 製品について短くまとめてください。
② 製品マニュアルの要点を抽出し、初心者向けにわかりやすく要約してください。箇条書き形式で、200文字以内に収めてください。
③ 簡単に説明してください。
④ 説明文を少しだけ短くしてください。
【解答と解説】
Q1：②
具体的な対象（発言内容）、形式（箇条書き）、目的（社内向け）が明示されているため最も効果的。Q2：③
ターゲット層（若い層）、トーン（カジュアル）、文字数制限（200文字以内）が明確で、生成精度が上がる。Q3：②
謝罪＋対応方針＋敬語指定と、ビジネス対応に必要な指示がしっかり含まれている。Q4：②
経験を踏まえる指示、丁寧語指定、誠実さのトーン指示などがあり、就活用途に最適なプロンプト。Q5：②
初心者向け、要点抽出、文字数制限、形式指定（箇条書き）と、明確な要件が揃っている。
問題例8（2025年2月シラバスで作成・中級）【プロンプト改善 問題】
Q1.問：次のプロンプト改善案のうち、最も効果的なものはどれか。
改善前プロンプト
「新商品のPR文を書いてください。」
① 新商品の特徴とターゲット層を指定して自由形式で書かせる
② 新商品の特徴、ターゲット層、文字数制限を指定して書かせる
③ 新商品の概要だけ渡し、自由に表現させる
④ 新商品の特徴を与えてカジュアルなトーンで書かせる
Q2.問：次のプロンプト改善案のうち、最もターゲットに合った出力が期待できるものはどれか。
改善前プロンプト
「初心者向けにAIを説明してください。」
① AIの概要だけ説明させる
② 初心者向けに、専門用語を極力避け、事例を交えて説明させる
③ 専門用語を使用しつつAIを簡単にまとめる
④ AI技術の歴史から未来予測まで幅広く解説させる
Q3.問：次のプロンプト改善案のうち、最も一貫性の高い出力が期待できるものはどれか。
改善前プロンプト
「セミナー告知文を書いてください。」
① セミナーの日時と場所だけ指定する
② セミナーの対象者、目的、開催日時、場所を明示する
③ セミナー概要だけ与えて自由に告知させる
④ セミナーの開催目的だけ明示する
Q4.問：次のプロンプト改善案のうち、最も応用力が高いものはどれか。
改善前プロンプト
「イベントの報告記事を書いてください。」
① イベント名と開催日だけ与える
② イベント名、開催日、主要トピックを与え、800文字以内でまとめるよう指示する
③ イベントの感想だけ自由に書かせる
④ イベントレポートを自由な長さで書かせる
Q5.問：次のプロンプト改善案のうち、最も完成度が高いものはどれか。
改善前プロンプト
「会社の新規プロジェクトについて紹介してください。」
① プロジェクト名と担当者を与え紹介文を書かせる
② プロジェクト名、目的、ターゲット層、特徴を与えて紹介文を書かせる
③ プロジェクト概要だけ渡して自由に紹介させる
④ プロジェクトの特徴だけ与えて紹介させる
Q6.問：次のプロンプト改善案のうち、最もユーザー満足度が高くなる設計はどれか。
改善前プロンプト
「FAQを作ってください。」
① FAQの対象読者を指定し、想定質問例も与えて作成させる
② FAQ対象製品だけ提示して自由に作成させる
③ FAQの質問数だけ指定して自由に作らせる
④ FAQ対象ジャンルだけ示して作成させる
Q7.問：次のプロンプト改善案のうち、最もトーンの統一が期待できるものはどれか。
改善前プロンプト
「飲食店の紹介記事を書いてください。」
① 飲食店名のみ与えて紹介させる
② 飲食店名とおすすめメニューを指定し、カジュアルなトーンで書かせる
③ 飲食店名と場所を指定し、自由なトーンで書かせる
④ 飲食店名と営業時間だけ指定する
Q8.問：次のプロンプト改善案のうち、最もビジネス向きな出力が期待できるものはどれか。
改善前プロンプト
「ニュース記事を書いてください。」
① ニュースのトピックだけ与えて記事を書かせる
② ニュースのトピック、読者層（ビジネスパーソン向け）、トーン（フォーマル）を指定して書かせる
③ ニュースの概要だけ与えて自由に記事を書かせる
④ ニュースに関する意見を自由に書かせる
Q9.問：次のプロンプト改善案のうち、最もアウトプット品質が安定するものはどれか。
改善前プロンプト
「会社紹介資料を作成してください。」
① 会社名だけ与えて作成させる
② 会社名、事業内容、設立年、強みを示して作成させる
③ 会社名と業種のみ与えて作成させる
④ 自由に想像して作成させる
Q10.問：次のプロンプト改善案のうち、最もアウトプットの正確性を高めるものはどれか。
改善前プロンプト
「環境問題に関する説明文を書いてください。」
① 環境問題のテーマを絞り、具体例を必ず含めるよう指示する
② 環境問題全般を自由に説明させる
③ 環境問題について好きな話題で書かせる
④ 環境問題以外にも話題を広げさせる
【解答と解説】
Q1：②
ターゲット、特徴、文字数制限まであり、最も出力の精度が高い。Q2：②
初心者向けに専門用語を避け、事例を交えて説明するのが最適。Q3：②
対象者・目的・開催日時・場所まで揃えて一貫性ある告知文が期待できる。Q4：②
主要トピックも含めた800文字以内指示で実用性・応用性が高い。Q5：②
プロジェクト名、目的、ターゲット、特徴まで揃えた紹介が最も完成度が高い。Q6：①
対象読者＋質問例まで与えるとFAQの実用性がぐっと高まる。Q7：②
おすすめメニューとカジュアルトーン指定で、トーンの統一が取りやすい。Q8：②
読者層とトーン指定があるためビジネス記事として最適。Q9：②
会社名＋事業内容＋設立年＋強みまであると出力が安定する。Q10：①
テーマを絞り具体例必須指示で、正確かつ具体的な説明文になる。
問題例9（2025年2月シラバスで作成・中級）
Q1.AIが知能を持つ仕組みのうち、不適切なものを1つ選びなさい。
① ルールベースによる推論
② 機械学習によるパターン認識
③ 感覚神経による本能的反応
④ ニューラルネットワークによる情報処理
Q2.生成AIの自己回帰型モデルの特徴に該当するものを1つ選びなさい。
① 入力されたデータを時系列で分類する
② 過去の出力を次の出力の入力として使用する
③ 入力データを無視してランダムに出力する
④ データをクラスタリングして要約する
Q3.Transformerモデルに関する記述で不適切なものを1つ選びなさい。
① Self-Attention機構を中心に構成されている
② 自然言語処理タスクで広く利用される
③ 順序情報は位置エンコーディングで付与する
④ 訓練は決まった教師ラベルを使うことを前提とする
Q4.深層学習の過学習を防ぐ技術に該当するものを1つ選びなさい。
① 勾配爆発
② 正則化
③ ハルシネーション
④ 生成的敵対学習
Q5.ディープフェイク技術のリスクに関する不適切な記述を1つ選びなさい。
① 詐欺やなりすましへの悪用が懸念される
② 高度な技術であれば検知が困難な場合がある
③ ディープフェイクは基本的にエンターテイメント用途のみに使われる
④ 法的な規制や対策が進められている
Q6.生成AIにおいて画像生成の基礎技術に該当するものを1つ選びなさい。
① VAE
② RNN
③ LSTM
④ RLHF
Q7.AI社会原則に含まれる理念として不適切なものを1つ選びなさい。
① 人間中心の考え方
② 公平性の確保
③ セキュリティ確保
④ 利用者の監視強化
Q8.LLMにおけるFew-Shotプロンプティングの特徴として適切なものを1つ選びなさい。
① 例を提示せずに出力を求める
② 少数の例を示して出力精度を高める
③ すべての文脈を無視して生成する
④ 出力内容をランダムに選択する
Q9.次のうち、プロンプトエンジニアリングで重視すべき要素に該当しないものを1つ選びなさい。
① 明確な指示（Instruction）
② 適切な文脈提供（Context）
③ 出力指標（Output Indicator）
④ 自由な感性で任せること（無指示）
Q10.Reinforcement Learning from Human Feedback（RLHF）に関する説明として適切なものを1つ選びなさい。
① 人間の選好を学習した報酬モデルを構築し、それを強化学習に利用する手法
② 人間が作成した正解データのみでモデルをファインチューニングする手法
③ 事前学習データの量を増やすことで、モデルの性能を向上させる手法
④ 生成結果をランダムに採用することで、出力の多様性を確保する手法
【解答と解説】
Q1：③
本能的反応はAIの知能の仕組みには含まれない。Q2：②
自己回帰型モデルは過去の出力を次の入力に使用する。Q3：④
Transformerは教師ラベルなしの自己教師あり学習にも適用可能。Q4：②
正則化（regularization）は過学習抑制手段のひとつ。Q5：③
ディープフェイクはエンタメ用途に限らず悪用リスクが高い。Q6：①
VAE（変分自己符号化器）は画像生成の基礎技術のひとつ。Q7：④
監視強化はAI社会原則には含まれない。Q8：②
Few-Shotプロンプティングは少数例を提示して出力精度を高める。Q9：④
自由放任ではなく、明確な指示がプロンプトエンジニアリングでは重要。Q10：①
RLHFは、AIの出力をより人間の意図や好みに沿うように調整するための訓練手法であり、主に以下のステップで構成されます。
問題例10（2025年2月シラバスで作成・中級）
Q1.次のうち、生成AI「Stable Diffusion」の特徴として適切なものを1つ選びなさい。
① テキストデータの自動分類に特化している
② 時系列データ予測に使用される
③ ノイズ除去を通じた画像生成を行う
④ データベース検索技術を応用している
Q2.次のうち、GAN（敵対的生成ネットワーク）に関する記述として不適切なものを1つ選びなさい。
① 生成器（Generator）と識別器（Discriminator）を対抗させる
② データをノイズに変換することを目的とする
③ 生成と識別のプロセスが交互に最適化される
④ 画像や音声の生成に活用される
Q3.次のうち、第三次AIブームに関連する要素として適切なものを1つ選びなさい。
① 探索と推論中心のアプローチ
② 知識表現によるエキスパートシステム
③ 深層学習とビッグデータの活用
④ ロジックプログラミングの普及
Q4.次のうち、TransformerのSelf-Attention機構に関する説明として適切なものを1つ選びなさい。
① 入力シーケンス間の関係を一方向にのみ考慮する
② すべての入力間の関連度を同時に計算する
③ 逐次処理に依存するため並列処理が難しい
④ 長期依存関係を無視する設計になっている
Q5.次のうち、生成AIにおけるハルシネーション現象に関する記述として不適切なものを1つ選びなさい。
① 実際には存在しない情報をもっともらしく生成する
② 学習済みの知識に基づき正確な回答を返す
③ 出力内容に虚偽情報が含まれる場合がある
④ 生成AI特有の課題の一つである
Q6.次のうち、AI社会原則における「アカウンタビリティ」の意味に最も近いものを1つ選びなさい。
① AIの判断理由や責任を明確にできること
② AIが自律的に行動する能力
③ AIによる偏見の除去を自動化すること
④ AIが人間に指示されずに決定を行うこと
Q7.次のうち、RLHF（Reinforcement Learning from Human Feedback）において誤っている説明を1つ選びなさい。
① 人間のフィードバックを使って報酬モデルを訓練する
② 人間が直接すべての出力を正解に書き換える
③ 報酬モデルに基づきポリシー（行動方針）を最適化する
④ モデル出力の「望ましさ」に基づく強化学習を行う
Q8.次のうち、Transformer以降に登場した派生モデルに該当するものを1つ選びなさい。
① CNN（Convolutional Neural Network）
② LSTM（Long Short-Term Memory）
③ BERT（Bidirectional Encoder Representations from Transformers）
④ VAE（Variational Autoencoder）
Q9.次のうち、情報リテラシー教育において不適切な指導項目を1つ選びなさい。
① フィッシング詐欺への警戒
② 個人情報の適切な取り扱い
③ セキュリティ意識の向上
④ ソーシャルエンジニアリングを積極的に活用する
Q10.次のうち、生成AIが不得意とされる領域に該当するものを1つ選びなさい。
① 大量の文章生成
② クリエイティブなアイデア出し
③ 事実に厳密な検証が必要な情報生成
④ 自然な言語表現
【解答と解説】
Q1：③
Stable Diffusionはノイズ除去プロセスを経て画像生成を行う。Q2：②
GANはノイズからリアルなデータ生成を目指すので、ノイズに変換するのが目的ではない。Q3：③
第三次AIブームは「深層学習」「ビッグデータ活用」が主流。Q4：②
Self-Attentionではすべての入力間の関連性を同時に計算する。Q5：②
ハルシネーションは誤情報生成であり、「正確な回答を返す」わけではない。Q6：①
アカウンタビリティは、AIの判断根拠や責任の所在を明確にすること。Q7：②
人間がすべて書き換えるのではなく、フィードバックから報酬モデルを構築する。Q8：③
BERTはTransformer登場後に開発された派生モデルの代表例。Q9：④
ソーシャルエンジニアリングは防止すべき対象であり、積極活用は不適切。Q10：③
生成AIは事実厳密性が要求される領域（正確な報道など）が不得意とされる。
問題例11（2025年2月シラバスで作成・中級）
Q1.Transformerにおける「Multi-Head Attention」の利点として最も正しいものを1つ選びなさい。
① 複数の入力系列を完全に独立して処理できる
② 複数の特徴に並列的に注目し、より豊かな表現を可能にする
③ 入力系列をランダムにシャッフルして特徴量を拡張する
④ 出力層を単純化し計算量を削減する
Q2.次のうち、DiffusionモデルまたはVAEモデルに関する記述として不適切なものを1つ選びなさい。
① Diffusionは段階的なノイズ除去を通じて生成する
② VAEは潜在空間から直接サンプリングして生成する
③ Diffusionは潜在空間を前提とせずに分類問題を解く
④ VAEは入力データを潜在表現に圧縮するプロセスを持つ
Q3.Few-Shotプロンプティングの効果を最大化するための工夫として最も適切なものを1つ選びなさい。
① 例示を完全にランダムに選ぶ
② 出力形式に一貫性を持たせる
③ 少数の例を全て異なるジャンルから提供する
④ 例の文体やトーンをできるだけバラバラにする
Q4.次のうち、ハルシネーション現象と単なる誤解答との違いに関する説明として最も適切なものを1つ選びなさい。
① ハルシネーションは、開発者が意図的に埋め込んだ誤情報や偽データを指す現象である
② ハルシネーションは、事実に基づいていない情報を、もっともらしく創作してしまう現象である
③ 誤解答とは、AIが正解を知りつつも、何らかの意図をもってわざと間違える現象である
④ 誤変換とは、文章の表現が変わるだけで、元となる情報の事実関係は常に維持される現象だ
Q5.プロンプトエンジニアリングにおける「Instruction」と「Context」の違いについて最も正しいものを1つ選びなさい。
① Instructionは背景知識を与えること、Contextは出力方法を指示すること
② Instructionは出力を誘導する明示的な指示、Contextは背景や状況を与えるもの
③ InstructionもContextも自由度を高めるための無指示領域
④ 両者とも出力制御には関与しない
Q6.次のうち、RLHFにおける「報酬モデル（Reward Model）」の役割として最も正しいものを1つ選びなさい。
① AIの出力内容を評価せず、完全にランダムな値のスコアを報酬として与え続ける
② 人間の好みを学習し、AIの新しい出力に対して「望ましさ」のスコアを予測する
③ 事前学習のデータのみを使い、人間からのフィードバックなしで報酬を自己設定する
④ AIの出力が改善されたかどうかに関わらず、常に一定の固定値を報酬として与える
Q7.次のうち、VAE（Variational Autoencoder）の目的に関する記述として不適切なものを1つ選びなさい。
① データの潜在表現を学習する
② データの生成を容易にする
③ データを離散ラベルに分類するために設計されている
④ データの低次元潜在空間への圧縮を行う
Q8.次のうち、Zero-ShotプロンプティングとFew-Shotプロンプティングの違いに関する記述として適切なものを1つ選びなさい。
① Zero-Shotは少数例を提示するがFew-Shotは例を提示しない
② Zero-Shotは事前例なしでタスク指示を行うがFew-Shotは少数例を与えてタスク指示する
③ 両者とも必ず教師ありデータに依存する
④ Few-Shotはランダムに例を与えてモデルを混乱させる戦略である
Q9.次のうち、情報リテラシーの教育において「クリティカルシンキング」を育成する具体的方法として最も適切なものを1つ選びなさい。
① 情報を無条件で信じる練習をする
② 与えられた情報源の信頼性を評価させる訓練を行う
③ あらゆる情報を感情的に否定する訓練をする
④ 情報収集を極力制限するよう促す
Q10.次のうち、生成AIと従来のルールベースAIとの本質的な違いに関する説明として最も適切なものを1つ選びなさい。
① 生成AIは固定ルールに基づき出力するが、ルールベースAIは自由生成する
② 生成AIは大量データからパターンを学習して出力を生成する
③ ルールベースAIは人間の模倣能力に特化している
④ 生成AIは必ずしも学習データに基づかず直感で出力を行う
【解答と解説】
Q1：②
Multi-Head Attentionは並列的に異なる特徴に注目できる。Q2：③
選択肢③は不適切です。まず、Diffusionモデルは画像などのデータを生成する「生成モデル」であり、ラベルを予測する「分類モデル」ではありません。また、StableDiffusionのように、計算効率を上げるために潜在空間（LatentSpace）で処理を行うモデルも存在します。①、②、④はいずれも各モデルの特徴を正しく説明していますQ3：②
Few-Shotでは出力形式の一貫性が特に重要。Q4：②
ハルシネーション（幻覚）は、AIが学習データに含まれていない、あるいは事実に基づかない情報を、あたかも事実であるかのように、もっともらしく創作・生成してしまう現象を指します。単なる知識不足による
誤答や誤変換とは異なり、「ありもしない情報を創作する」という点が特徴です。Q5：②
Instruction＝明示的指示、Context＝背景・状況の提供。Q6：②
報酬モデルは、RLHFのプロセスにおいて人間評価者の代理として機能します。まず、人間がAIの複数の出力に「どちらが良いか」などの順位付けを行います。報酬モデルは、その人間の選好データを学習し、「どの
ような出力が人間に好まれるか」を予測してスコア付けする能力を獲得します。このスコアが、強化学習フェーズにおける報酬信号として利用されます。Q7：③
VAEは分類モデルではない。潜在空間で生成・復元を目的とする。Q8：②
Zero-Shot＝例なし、Few-Shot＝少数例あり、が正しい違い。Q9：②
クリティカルシンキングは情報源の信頼性を評価する力を育む。Q10：②
生成AIは大量データからパターンを学習し自由生成する。
模擬試験＆回答解説
✅ 出題設定
問題数：合計60問
制限時間：60分想定
難易度：基礎〜中級
出題ジャンル：シラバス記載の生成AI、プロンプトエンジニアリング、情報リテラシー、AI社会原則、AI技術基礎、応用技術をバランスよく
最後に
学び直しに遅すぎることなんてない✨
毎日1問でもいいから継続して勉強すること。飲み会ある日は電車の中でも朝でも昼休みでもいい。言い訳してやらないは無し。それを習慣つけることが合格への道。
