生成AIパスポートの3領域（AIの技術・AIの活用・AIのリスクと倫理）を横断した総合模擬試験40問です。本番形式で実力をチェックしましょう。解けなかった問題は、各問の解説末尾のリンクから対応する解説記事に進んでください。
Q1. 「生成AI（ジェネレーティブAI）」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
生成AI は、大量のデータから学習したパターンをもとに、文章・画像・音声・コードなどの新しいコンテンツを生成 するAIの総称です。あらかじめ用意された答えを選ぶのではなく、確率的にそれらしい出力を作り出す点が特徴です。
A は従来型の分類プログラム、C は表計算の補助機能、D は検索エンジンの説明であり、いずれも新しいコンテンツを生み出す生成AIとは異なります。
Q2. LLM（大規模言語モデル）の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
LLM（Large Language Model: 大規模言語モデル） は、書籍やWebの文章など膨大なテキストを学習し、人間のように自然な文章を理解・生成 できるAIモデルです。ChatGPTなどの会話型AIは、このLLMを中核に動いています。
A は画像認識モデル、B はロボット制御、D は数値集計の説明であり、いずれも言語を扱うLLMの説明ではありません。
Q3. 多くのLLMの土台となっている深層学習のモデル構造として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
Transformer は、2017年に発表された深層学習のモデル構造で、Attention（注意機構）によって文章中の単語同士の関係を効率よく学習できます。現在のLLMの多くは、このTransformerを土台に作られています。
A の決定木、B のサポートベクターマシン、C の k平均法は、いずれも古典的な機械学習の手法であり、LLMの基盤構造ではありません。
Q4. Transformerの中核となる「Attention（注意機構）」の役割として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
Attention は、文章を処理するときに どの単語に注目すべきかを重み付け し、離れた位置にある単語同士の関係性までとらえる仕組みです。これにより文脈を踏まえた自然な文章生成が可能になります。
B のモデル圧縮、C の翻訳機能、D のデータのラベル付けは、いずれもAttentionの役割ではありません。
Q5. 「基盤モデル（Foundation Model）」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
基盤モデル（Foundation Model） は、大規模で多様なデータから広く学習し、翻訳・要約・対話などさまざまな下流タスクへ応用できる汎用的なモデル を指します。LLMは基盤モデルの代表例です。
A は用途を限定した小型モデルの説明で汎用性に欠け、B はファームウェアの話、D は基盤モデルがファインチューニングで応用できる点に反するため、いずれも誤りです。
Q6. LLMの「事前学習（Pre-training）」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
事前学習 は、ラベルなしの 大量のテキストから言語の一般的なパターンや幅広い知識を獲得 する工程です。ここで土台となる汎用的な言語能力が作られます。
A は事前学習の後に行うファインチューニングの説明、C は配布、D は推論時のログ記録であり、いずれも事前学習そのものではありません。
Q7. 「ファインチューニング」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
ファインチューニング は、事前学習済みのモデルに対して 特定のタスクや分野のデータで追加学習 を行い、その用途に適した振る舞いへ調整する工程です。土台を活かしつつ少ないデータで専門性を高められます。
B は表示処理、C は学習を伴わない方式、D はゼロからの再学習であり、いずれもファインチューニングの説明とは異なります。
Q8. 人間の好みやフィードバックをもとにモデルの出力を望ましい方向へ調整する取り組みとして、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
アラインメント は、モデルの出力を 人間の意図や価値観、安全性の観点 に沿うよう調整する取り組みです。人間のフィードバックを使った強化学習（RLHF）などが代表的で、有害・不適切な出力を抑える役割を持ちます。
A のデータ圧縮、B のハッシュ化、C のキャッシュ最適化は、いずれも出力を人間の好みに合わせる調整とは無関係な技術用語です。
Q9. プロンプトの中に「お手本となる入力と出力の例」をいくつか示して回答させる方法として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
フューショット（Few-Shot） は、プロンプト内に いくつかのお手本（例）を示して から本題を解かせる手法です。例を見せることで、モデルが期待する出力形式や傾向をつかみやすくなります。
A のゼロショットは例を示さない方法、C のバックプロパゲーションと D のドロップアウトは学習時の技術であり、プロンプトに例を提示する手法とは異なります。
Q10. 複雑な問題に対し、答えに至るまでの「考える過程」を順に書かせて精度を高める手法として、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
チェイン・オブ・ソート（Chain-of-Thought: 思考の連鎖） は、いきなり答えを出させるのではなく 途中の推論ステップを順に書かせる ことで、計算や論理を要する問題の正答率を高めるプロンプト手法です。
A は学習データの水増し、B は複数モデルの結果を統合する手法、D はモデルの軽量化技術であり、いずれも推論過程を書かせる手法ではありません。
Q11. ノイズだらけの状態から少しずつノイズを取り除いて画像を生成する、画像生成AIで広く使われる手法として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
拡散モデル（Diffusion Model） は、ランダムなノイズの状態から 少しずつノイズを取り除いていく ことで画像などを生成する手法です。高品質な画像生成AIで広く採用されています。
B の線形回帰、C のナイーブベイズ、D の主成分分析は、いずれも予測や分析に用いる古典的手法で、画像生成の中心的な仕組みではありません。
Q12. テキスト・画像・音声など複数種類のデータをまとめて扱えるAIを表す言葉として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
マルチモーダル は、テキスト・画像・音声・動画など複数種類（モダリティ）のデータをまとめて入力・出力できる AIを指します。画像を見て説明文を作る、図を読み取って質問に答えるといった使い方が可能になります。
A のシングルタスクは1種の作業のみ、B のオンプレミスは設置形態、C のフェイルオーバーは障害時の切替であり、いずれも複数データ種別を扱う概念ではありません。
Q13. 「スケーリング則（Scaling Laws）」が示す傾向として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
スケーリング則 は、モデルのパラメータ数・学習データ量・計算量を増やすほど、性能がおおむね予測可能に向上していく という経験則です。大規模化が進められてきた背景にある考え方です。
A・C は規模やデータを減らすほど良くなるという逆の主張、D は規模と無関係という主張で、いずれもスケーリング則の傾向に反します。
Q14. LLMが文章を生成するときの基本的な仕組みとして、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
LLMは、直前までの文脈（入力やそれまでに生成した語）をもとに、次に来る確率がもっとも高いトークン（語の断片）を順番に選んで 文章を作ります。確率にもとづく生成のため、同じ問いでも出力が揺らぐことがあります。
A の定型文の取り出しや D の並べ替えは生成の仕組みとは異なり、B は1語ずつ逐次生成する実際の動きに反します。
Q15. 「AGI（汎用人工知能）」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
AGI（Artificial General Intelligence: 汎用人工知能） は、特定タスクに限定されず 人間のように幅広い課題へ柔軟に対応できる 人工知能を指す概念です。現在広く使われているAIは特定用途に強い「特化型AI」が中心で、AGIはまだ実現途上とされています。
B〜D はいずれも特定の用途に限られた仕組みであり、汎用的に対応するAGIの説明とは異なります。
Q16. 「プロンプトエンジニアリング」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
プロンプトエンジニアリング は、AIから望ましい回答を引き出すために 指示文（プロンプト）の書き方を工夫・設計 する取り組みです。目的・前提・出力形式を明確に伝えるほど、回答の質が安定しやすくなります。
A のモデル改変、B のサーバ設定、C のデータ収集は、いずれも指示文を工夫するプロンプトエンジニアリングとは別の作業です。
Q17. 生成AIに資料の要約を依頼するときのプロンプトとして、もっとも望ましいものはどれですか？
回答
解説
正解は「C」です。
良いプロンプトの基本は、対象・目的・想定読者・出力形式 を具体的に伝えることです。「箇条書きで3点」「200字で」のように条件を明確にすると、期待に近い回答が得られやすくなります。
A・B は情報不足、D はあいまいさを増やしており、いずれもAIが意図をつかめず質の高い出力につながりません。
Q18. 「RAG（検索拡張生成）」の仕組みの説明として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
RAG（Retrieval-Augmented Generation: 検索拡張生成） は、回答を作る前に 外部の文書やデータベースから関連情報を検索 し、その内容をプロンプトに加えて生成する仕組みです。最新情報や社内文書を根拠にでき、誤った情報の生成を抑えやすくなります。
A の再学習、C の翻訳、D の文字認識は、いずれも外部情報を検索して回答に活かすRAGの仕組みとは異なります。
Q19. 「AIエージェント」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
AIエージェント は、与えられた目標に対して 必要な手順を自ら計画し、検索や外部ツールの利用などを組み合わせて タスクを進めるAIです。単発の応答にとどまらず、複数ステップの作業を自律的にこなせる点が特徴です。
B は単発応答にとどまる従来型、C は画面録画ツール、D はストレージであり、いずれも自律的に作業を進めるAIエージェントの説明とは異なります。
Q20. 生成AIが得意とする業務活用の例として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
生成AIは、文章の要約・たたき台づくり・アイデア出し といった「下書きを素早く作る」用途を得意とします。最終確認を人が行う前提で使えば、作業時間を大きく短縮できます。
A は人の確認を欠く重大判断、B は検算なしの会計、C は個人情報の不適切な外部送信であり、いずれもリスクが高く望ましい活用例とはいえません。
Q21. ソフトウェア開発で生成AIを使う際の姿勢として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
生成AIはコードのたたき台づくりに役立ちますが、誤りや脆弱性を含むことがある ため、人によるレビューとテストで動作と安全性を確認 したうえで採用するのが適切な姿勢です。
A は無検証の反映で危険、C は実際に開発補助で活用されている点に反し、D はライセンス確認を怠る点で不適切です。
Q22. 現在の生成AIが「苦手としやすいこと」として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
生成AIは学習した時点までの知識をもとに答えるため、学習データに含まれない最新の事実を正確に答えること は苦手です。最新情報が必要なときは、RAGなどで外部の最新データを参照させる工夫が有効です。
B の下書き作成、C の言い換え、D の翻訳は、いずれも生成AIが比較的得意とする作業です。
Q23. 企業が生成AIを業務に導入する際の「制限要因（注意すべき点）」として、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
生成AIの業務活用では、出力が必ずしも正確とは限らない こと、入力した機密情報や個人情報の取り扱い に配慮が必要なことが代表的な制限要因です。利用ルールを定めて運用することが求められます。
A・B・D はいずれも生成AIの利点であり、導入を妨げる制限要因にはあたりません。
Q24. 「あなたはプロの校正者です。次の文章を校正してください」のように役割を与えるプロンプトの狙いとして、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
役割を与えるプロンプト（ロールプロンプト）は、AIに 期待する立場や観点を明示 することで、その役割にふさわしい 回答の方向性や精度を整える 狙いがあります。「校正者として」「初心者向けに」などの指定が出力を安定させます。
A の学習、B の暗号化、C の速度向上は、いずれもプロンプトの工夫とは無関係で、役割付与の狙いではありません。
Q25. 組織で生成AIの活用を進めるときの進め方として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
生成AIの組織導入では、利用ガイドラインを整え、まず 小規模に試して効果と課題を見極めてから段階的に広げる 進め方が適切です。情報の取り扱いや責任の所在をルール化しておくことが安全な活用につながります。
A はルール不在で情報漏えいの危険、C は無計画な全社導入、D は無検証の採用であり、いずれもリスク管理を欠いた進め方です。
Q26. 生成AIの出力を業務で使うときの基本姿勢として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
生成AIは もっともらしい誤りを含むことがある ため、出力は鵜呑みにせず 事実や根拠を人が確認（ファクトチェック）してから利用 するのが基本姿勢です。特に重要な判断や公開物では確認が欠かせません。
B・C・D はいずれも確認を省く姿勢で、誤情報をそのまま広めるリスクがあり不適切です。
Q27. 社内の最新マニュアルにもとづいて生成AIに正確に回答させたい場合の方法として、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
社内文書の内容に沿った正確な回答を得るには、RAGなどでその文書をAIに参照させ、内容を根拠に回答を生成 させる方法が有効です。AIの記憶だけに頼ると、古い情報や事実と異なる内容を答えてしまうことがあります。
A・B・D はいずれも実際のマニュアルの内容を踏まえないため、最新かつ正確な回答にはつながりません。
Q28. マルチモーダルな生成AIだからこそ可能になる活用例として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
マルチモーダル なAIは、画像と言語など 複数の種類のデータをまたいで処理 できます。写真を読み取って説明文を作る、図表を見て質問に答えるといった活用は、マルチモーダルだからこそ可能になります。
A〜C はいずれもテキストだけで完結する作業で、テキスト専用のAIでも行え、マルチモーダルである必要はありません。
Q29. 生成AIの「ハルシネーション」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
ハルシネーション（幻覚） は、生成AIが 事実とは異なる内容を、もっともらしい文章として出力してしまう 現象です。AIは確率的に文章を作るため、知らないことでも自信ありげに答えてしまうことがあり、出力の事実確認が重要になります。
B の処理停止、C の暗号化、D の表示乱れは、いずれも誤情報の生成とは関係がなく、ハルシネーションの説明ではありません。
Q30. AIにおける「バイアス（偏り）」が生じる主な原因として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
AIのバイアスは、主に 学習データに含まれる社会的・歴史的な偏りを、AIがそのまま学習・反映 してしまうことで生じます。その結果、特定の属性に不公平な出力をする恐れがあり、データの偏りに注意が必要です。
A・C はAIが感情や意図を持つという誤った前提、D は通信の問題であり、いずれもバイアスの主因ではありません。
Q31. 生成AIと著作権に関する考え方として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
生成AIの出力であっても、既存の著作物と類似する内容を利用・公開すれば、著作権侵害となる可能性 があります。AIが作ったかどうかにかかわらず、利用する側が権利関係に注意する必要があります。
A・B はAI出力なら無条件で問題なしという誤り、C は学習利用がいかなる場合も自由とする極端な主張であり、いずれも適切ではありません。
Q32. 生成AIサービスに業務で入力する際、個人情報の取り扱いとしてもっとも適切なものはどれですか？
回答
解説
正解は「C」です。
生成AIに個人情報を入力すると、学習や保管を通じて 意図しない形で利用・漏えいする恐れ があります。利用規約・社内ルール・個人情報保護法など関連法令にもとづき、安易な入力を避けて慎重に扱う ことが求められます。
A・B は無制限な入力で漏えいリスクが高く、D は取り扱いの確認を怠る点で不適切です。
Q33. 社外の生成AIサービスに自社の機密情報を入力することのリスクとして、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
社外の生成AIサービスに機密情報を入力すると、その内容が外部に保存・利用され、機密が漏えいする恐れ があります。サービスの規約を確認し、機密情報は入力しない、または法人向けの安全な環境を選ぶといった配慮が必要です。
B のネットワーク停止、C の生成高速化、D の即時完全消去は、いずれも事実とは異なる記述です。
Q34. 「プロンプトインジェクション」の説明として、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
プロンプトインジェクション は、入力やWebページなどに 巧妙な指示文を紛れ込ませ、AIに本来禁止されている動作や機密の開示をさせようとする 攻撃手法です。生成AIを業務に組み込む際のセキュリティリスクとして注意が必要です。
A の高速化、C の暗号化、D の翻訳は、いずれも攻撃手法ではなく、プロンプトインジェクションの説明とは異なります。
Q35. AIの判断根拠を人が理解できるようにする「説明可能性（透明性）」が重視される理由として、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
AIの 説明可能性（透明性） が重視されるのは、判断の根拠が分からないまま重要な決定に使うと、誤りや不公平を見抜けず、結果の信頼性や説明責任を損なう からです。人が結果を検証・納得できる状態が求められます。
A の速度、B のサイズ、D の暗号化は、いずれも説明可能性が重視される理由とは関係がありません。
Q36. 「責任あるAI」の考え方にもとづく望ましい姿勢として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
責任あるAI は、公平性・安全性・透明性・プライバシー保護・説明責任 などに配慮し、人や社会への影響に責任を持ってAIを開発・利用する考え方です。性能だけでなく、その使われ方や影響まで含めて考える姿勢が重視されます。
A〜C はいずれも公平性や責任を軽視する立場で、責任あるAIの考え方に反します。
Q37. 生成AIで実在の人物そっくりの偽の動画や画像（ディープフェイク）を無断で作成・公開する行為について、もっとも適切なものはどれですか？
回答
解説
正解は「B」です。
実在の人物そっくりの偽コンテンツ（ディープフェイク）を無断で作成・公開すると、肖像権や名誉などの権利侵害、なりすまし、偽情報の拡散 につながる恐れがあります。生成AIの悪用例として社会的に問題視されています。
A・C はAI生成なら問題なしという誤り、D は削除後も拡散の影響が残りうる点に反し、いずれも適切ではありません。
Q38. 生成AIの出力を業務で公開・利用する際、著作権上のトラブルを避けるための行動として、もっとも適切なものはどれですか？
回答
解説
正解は「A」です。
著作権トラブルを避けるには、出力が 既存作品と類似していないかを確認 し、利用するサービスの規約や権利関係をチェック してから使うことが大切です。AIが作ったかどうかにかかわらず、利用者の確認が責任を果たす鍵になります。
B・D は確認を怠る姿勢、C は侵害リスクを高める誤りであり、いずれも適切な回避行動ではありません。
Q39. AIに関する規制の世界的な動向についての説明として、もっとも適切なものはどれですか？
回答
解説
正解は「D」です。
AIに関しては、リスクの大きさに応じて規制を変える（リスクベース）考え方 など、各国・地域でルールづくりや議論が活発に進められています。ガイドラインや法整備の動向は変化が続いており、最新の状況を確認する姿勢が大切です。
A・C は規制の動きがないという誤り、B はすでに完全統一されたという誤りであり、いずれも実際の動向と異なります。
Q40. 生成AIを安心して使い続けるための心構えとして、もっとも適切なものはどれですか？
回答
解説
正解は「C」です。
生成AIを安心して活用し続けるには、出力の事実確認（ハルシネーション対策）・著作権や個人情報など権利と情報の取り扱い・利用ルールの順守 を意識することが大切です。便利さとリスクの両面を理解して付き合う姿勢が、生成AIパスポートで問われる核心です。
A は無検証、B は情報の無配慮な入力、D は権利の軽視であり、いずれもリスクを高める誤った心構えです。
試験全体の流れや学習の進め方を確認したい時は、生成AIパスポート 試験概要・勉強法ガイド に戻れます。
