シラバス5章から2問ずつ、全10問。合格ラインは本試験に合わせて 7/10（正答率70%）です。下の画面でそのまま解けます。
本サイトは非公式です。生成AIパスポート試験を実施する一般社団法人 生成AI活用普及協会（GUGA）および株式会社DAILとは提携していません。過去問・公式問題集の転載は行わず、公開シラバスの項目に沿って独自に作問しています。
読み込んでいます…
AIが自律的に作った絵や文章に、著作権が宿らないのはなぜか。
答え：3— Llama 2
正解はLlama 2です。Metaは2023年7月18日、研究および商用利用に無償で使えるとする次世代の大規模言語モデル「Llama 2」の提供開始を発表しました。7B・13B・70Bの3つのパラメータ規模で展開され、事前学習版と対話向けにファインチューニングされた版が含まれます。Microsoftが優先パートナーとなり、Azureのほか複数のプラットフォームで利用できるようにされました。Geminiは同時期のGoogleのモデル、Claudeは Anthropicのモデルで、いずれもLlama 2とは開発元が異なります。
答え：4— ネガティブプロンプト
正解はネガティブプロンプトです。通常のプロンプトが画像に含めたい要素を指示するのに対し、ネガティブプロンプトは崩れた顔や余分な手足、ぼやけ、ウォーターマークなど、出力から除外したい要素を指定する入力です。Stable DiffusionやMidjourneyでは専用の入力欄や構文が用意されており、ポジティブとネガティブの両方の指示を同時に考慮して画像が生成されます。システムプロンプトはAIの役割や口調を指定するもの、ゼロショット・Few-shotは例を示すかどうかによる指示の技法で、いずれも除外を目的とした指定ではありません。
答え：1— 教師なし学習
正解は教師なし学習です。総務省の令和元年版情報通信白書は、機械学習の学習法を教師あり学習・教師なし学習・強化学習の3つに大別すると整理しています。このうち教師なし学習は、正解のラベルを付けない学習用データを用いる方法で、「これはネコである」という情報を与えなくても、画像の中からネコと他の生き物を区別するパターンをコンピューター自身が発見できる点が特徴です。教師あり学習は正解ラベル付きデータで学習する方法、強化学習は試行錯誤と報酬によって学習する方法で、いずれも教師なし学習とは仕組みが異なります。
答え：3— ファインチューニング（Fine-tuning）
正解はファインチューニング（微調整）です。大規模言語モデルは、まず膨大な汎用テキストで汎用的な言語能力を獲得する「事前学習」を行い、その後に特定のタスクやドメイン向けのデータでモデルの一部または全体を再訓練し、パラメータを調整する「ファインチューニング」の段階を経ることが多いとされています。事前学習は汎用的な基盤能力の獲得が目的であるのに対し、ファインチューニングは個別の用途への適応が目的です。トークナイズは文章をトークンに分割する前処理、アノテーションは学習用データに正解ラベルを付ける作業で、いずれも学習段階そのものを指す語ではありません。
答え：2— AI Overviews（AIによる概要）
正解はAI Overviews（AIによる概要）です。Googleは2024年5月14日付の公式ブログで、検索向けにカスタマイズしたGeminiモデルを用いた「AI Overviews」を米国内の全ユーザーへ展開すると発表しました。複数の検索を重ねずに複雑な質問を一度に尋ねられるようにし、年内には10億人規模への提供を目指すとされています。Bardは同社の対話型AIサービスの旧名称、SGE LabsはAI Overviewsが一般提供される前の実験段階の呼称、ナレッジパネルは検索結果に表示される従来型の情報パネルで、いずれも今回の発表の名称とは異なります。
答え：4— コンテキストウィンドウ
正解はコンテキストウィンドウです。生成AIが回答を作る際に一度に参照できる情報量の上限を指し、トークン数で表されます。ユーザーの入力だけでなく、会話履歴やシステムからの指示、AI自身が生成する出力も含めて消費され、上限を超えると古い会話や長文の一部が切り捨てられ、前提の抜けた回答になることがあります。温度は出力のランダム性を調整するパラメータ、エンベディングは文章や単語を数値ベクトルに変換する技術、ファインチューニングは学習済みモデルを追加学習で調整する手法で、いずれも参照できる情報量の上限そのものを指す語ではありません。
答え：2— RLHF（人間のフィードバックに基づく強化学習）
正解はRLHF（人間のフィードバックに基づく強化学習）です。OpenAIが2022年3月に発表した論文は、人間の模範回答による教師ありファインチューニング、出力順位からの報酬モデル学習、その報酬モデルを基準にした強化学習（PPO）での方策最適化という3段階の手法を示しました。約100分の1の規模のInstructGPTの出力がGPT-3より好まれたと報告されています。PPOはこの手法内の最適化アルゴリズムの名称にとどまり、RAGやCoTは別の技法です。
答え：3— パブリシティ権
正解はパブリシティ権です。最高裁は2012年2月2日の判決（通称ピンク・レディー事件）で、氏名や肖像が持つ顧客吸引力を排他的に利用する権利としてパブリシティ権を認め、その侵害は肖像等そのものを独立した鑑賞対象の商品として使う場合など、専ら顧客吸引力の利用を目的とする場合に限られると判示しました。AIで有名人の声や姿を無断で模倣し宣伝等に利用する行為も、この権利の侵害に当たるおそれがあるとされています。著作者人格権は著作物に対する人格的利益の保護、商標権と特許権はそれぞれ標章や発明の保護を目的とする別の権利です。
答え：1— トイ・プロブレム
正解はトイ・プロブレムです。総務省の令和6年版情報通信白書によると、第1次AIブーム（1950年代後半〜1960年代）は「推論」と「探索」の研究が中心で、解くべき問題を記述できれば解を提示できましたが、コンピューターの性能や人間の知能のモデル化の限界から、当時のAIはパズルや迷路のような単純化された「トイ・プロブレム」しか解けず、ルールやゴールが曖昧な現実世界の問題には対応できませんでした。この限界が実用化の壁となり、第1次AIブームは冬の時代を迎えたとされています。フレーム問題は第2次AIブームの知識表現で指摘された別の課題です。
答え：2— 生成物の著作権は発生しない
正解は「著作権は発生しない」です。文化審議会著作権分科会法制度小委員会が2024年3月15日に取りまとめた「AIと著作権に関する考え方について」は、人間が『AIを道具として使った』といえるには創作意図と創作的寄与の両方が必要だとし、指示が詳細であるほど創作的寄与が認められやすくなるとする一方、人間の創作的寄与が乏しくAIが自律的に生成したといえる生成物には著作権が発生しないと整理しています。著作物性の有無は個別具体的な事例ごとに総合的に判断されるとされ、開発事業者への自動帰属やパブリックドメイン化、利用者への自動帰属は、いずれもこの文書の整理とは異なります。