生成AIパスポート試験（GUGA主催）の合格に、いちばん効くのは「問題を解きながら覚える」ことです。この記事は、公式シラバス（2026年版・全5章）に沿った例題20問を、1問ずつ徹底解説つきでお届けします。解説を読むだけで、参考書のように知識が身につく構成にしました。
解説では、正解の理由だけでなく、不正解の選択肢がなぜ違うのかまで説明しています。まずは何も見ずに解いて、そのあと解説をじっくり読んでください。試験は60分60問・四択、合格率は約79%。用語の意味を正しくつかめば、十分に独学で合格できます。
生成AIパスポート 例題（全20問・分野別）
問題1
「人工知能（AI）」という言葉が初めて使われたとされる、1956年に開催された会議はどれか。
A. チューリング会議
B. ジュネーブ会議
C. ダートマス会議
D. アシロマ会議
正解 C
【解説】
答えはダートマス会議です。1956年にジョン・マッカーシーらが開いたこの会議で「Artificial Intelligence（人工知能）」という言葉が初めて使われ、AI研究の出発点とされています。試験では「AIの始まり＝1956年ダートマス会議、提唱者＝ジョン・マッカーシー」がそのまま問われます。
各選択肢の解説
A：アラン・チューリング（人物）と混同させるひっかけ。チューリング会議という用語はない。
B：ジュネーブ会議はAIとは無関係。
C：正しい。1956年、AIの語が生まれた会議。
D：アシロマ会議はAI原則（2017年）の会議で、時代も目的も異なる。
試験対策ポイント：「1956年ダートマス会議＝AIの出発点、提唱者ジョン・マッカーシー」。
ワンポイント：アシロマAI原則（2017年）と混同しない。ダートマスは始まり、アシロマは原則。
関連知識：AIの定義に唯一の正解はなく、研究者により異なる点も押さえる。
問題2
正解ラベルのないデータから、似たもの同士をグループに分ける機械学習の手法はどれか。
A. クラスタリング（教師なし学習）
B. 回帰（教師あり学習）
C. 強化学習
D. 分類（教師あり学習）
正解 A
【解説】
答えはクラスタリングで、これは教師なし学習の代表です。機械学習は大きく、正解つきデータで学ぶ教師あり学習、正解なしでデータの構造を見つける教師なし学習、報酬を手がかりに試行錯誤する強化学習に分かれます。クラスタリングは正解ラベルを与えず、似たデータをまとめる手法で、顧客のグループ分けなどに使われます。
各選択肢の解説
A：正しい。ラベルなしで似たもの同士をまとめる教師なし学習。
B：回帰は数値を予測する教師あり学習。
C：強化学習は報酬による試行錯誤で、グループ分けではない。
D：分類は正解ラベルありでカテゴリを当てる教師あり学習。
試験対策ポイント：「教師なし＝正解なし。クラスタリング（グループ分け）と次元削減が代表」。
ワンポイント：教師あり＝分類・回帰、教師なし＝クラスタリング・次元削減、で対にして覚える。
関連知識：報酬で学ぶ強化学習は、囲碁AIやロボット制御で有名。
問題3
人間の脳の神経細胞（ニューロン）の仕組みをまねた構造を多層に重ね、複雑な特徴を自動で学習する手法はどれか。
A. ルールベース
B. クラスタリング
C. 決定木
D. ディープラーニング（深層学習）
正解 D
【解説】
答えはディープラーニング（深層学習）です。人工ニューロン（ノード）をつないだニューラルネットワークを何層にも深く重ねることで、画像や言葉のような複雑なデータから特徴を自動で学習します。従来は人間が特徴を指定していましたが、ディープラーニングはそれ自体を学習できる点が革新でした。生成AIもこの技術の上に成り立っています。
各選択肢の解説
A：ルールベースは人間が作ったルールで動く旧来型で、自ら学習しない。
B：クラスタリングはグループ分けの手法で、多層構造そのものではない。
C：決定木は条件分岐で判断する手法で、ニューラルネットではない。
D：正しい。多層ニューラルネットで特徴を自動学習する。
試験対策ポイント：「脳を模したニューラルネットを多層に＝ディープラーニング」。
ワンポイント：ルールベース（人がルール）とディープラーニング（自ら学習）の対比が頻出。
関連知識：深層学習は第三次AIブーム（ビッグデータ）を牽引した。
問題4
学習データに過度に適合し、未知のデータへの精度が下がる現象と、その対策の組み合わせとして正しいものはどれか。
A. ハルシネーション ― ファインチューニング
B. 過学習（オーバーフィッティング） ― ドロップアウトや正則化
C. 次元削減 ― データ拡張
D. シンギュラリティ ― 転移学習
正解 B
【解説】
答えは「過学習（オーバーフィッティング）」に対して「ドロップアウトや正則化」で対処する組み合わせです。過学習は、モデルが訓練データを丸暗記しすぎて、本番の未知データにうまく対応できなくなる現象です。対策として、学習中にわざと一部のノードを無効化するドロップアウトや、複雑になりすぎるのを抑える正則化などが使われます。
各選択肢の解説
A：ハルシネーションはAIがもっともらしい誤りを生む現象で、過学習とは別。
B：正しい。過学習の対策がドロップアウト・正則化。
C：次元削減はデータの特徴を減らす手法で、現象と対策の関係ではない。
D：シンギュラリティは技術的特異点の話で無関係。
試験対策ポイント：「過学習＝丸暗記のしすぎ。対策はドロップアウト・正則化」。
ワンポイント：訓練データだけ高精度で本番が低い＝過学習のサイン。
関連知識：転移学習（既存モデルを流用）も、少ないデータでの過学習を抑える助けになる。
問題5
AIが人間の知能を超え、その後の進歩を人間が予測できなくなるとされる時点（2045年に到来すると唱える説もある）を何というか。
A. シンギュラリティ（技術的特異点）
B. チューリングテスト
C. AGI
D. AI効果
正解 A
【解説】
答えはシンギュラリティ（技術的特異点）です。AIが人間の知能を超え、その先の進歩を人間が予測できなくなる転換点を指し、レイ・カーツワイルが2045年に到来すると唱えたことで有名です。あくまで概念・予測であり、確定した事実ではない点も押さえましょう。
各選択肢の解説
A：正しい。技術的特異点。カーツワイルの2045年問題。
B：チューリングテストはAIが人間らしいか判定する試験で、別概念。
C：AGI（汎用人工知能／強いAI）は何でもこなすAIで、特異点そのものではない。
D：AI効果は、実現すると「それは知能ではない」と見なされる心理現象。
試験対策ポイント：「人知を超える転換点＝シンギュラリティ（2045年・カーツワイル）」。
ワンポイント：弱いAI（ANI）＝特定用途、強いAI（AGI）＝万能。今のAIはすべてANI。
関連知識：AI効果（達成すると知能と見なされなくなる）も用語として問われる。
問題6
文章・画像・音声などのコンテンツを新しく作り出すAIを何と呼ぶか。
A. 識別AI
B. ルールベースAI
C. 生成AI（ジェネレーティブAI）
D. 分類AI
正解 C
【解説】
答えは生成AI（ジェネレーティブAI）です。学習したデータのパターンをもとに、文章・画像・音声・動画などを新しく生成するAIを指します。従来のAIが「これは何か」を判別する識別・分類が中心だったのに対し、生成AIは「新しく作り出す」点が最大の特徴です。ChatGPTやGeminiなどが代表例です。
各選択肢の解説
A：識別AIは入力が何かを見分けるAIで、新規生成はしない。
B：ルールベースAIは人が決めた規則で動く旧来型。
C：正しい。新しくコンテンツを生み出すAI。
D：分類AIはカテゴリ分けが役割。
試験対策ポイント：「新しく作り出す＝生成AI」。識別・分類との違いが軸。
ワンポイント：生成AIの土台はディープラーニング（特にTransformer）。
関連知識：テキスト・画像・音声・動画・音楽と、生成できる種類は多岐にわたる。
問題7
ChatGPTなど近年の大規模言語モデルの中核で、文中の単語どうしの関連性（どこに注目すべきか）を捉える仕組みを持つモデル構造はどれか。
A. CNN
B. Transformer（Attention機構）
C. RNN
D. VAE
正解 B
【解説】
答えはTransformerです。2017年に登場したこのモデルは、Attention（注意）機構によって、文中のどの単語がどの単語と関係が深いかを効率的に捉えられます。これにより長い文脈を扱えるようになり、GPTやBERTなど現在の大規模言語モデルの土台になりました。「近年の言語系生成AIの中核＝Transformer」と覚えます。
各選択肢の解説
A：CNNは主に画像認識で使われる畳み込みの仕組み。
B：正しい。Attention機構を持つ言語処理の中核。
C：RNNは系列データを順に処理する旧来型で、長い文脈が苦手。Transformerの前身。
D：VAEは画像生成などに使う仕組み。
試験対策ポイント：「言語系生成AIの中核＝Transformer（Attention）」。
ワンポイント：RNN／LSTM→Transformerへ、という進化の流れを押さえる。
関連知識：GPTはTransformerのデコーダ側、BERTはエンコーダ側を主に使う。
問題8
OpenAIが開発したGPTモデルの特徴として、最も適切なものはどれか。
A. 画像を分類することに特化している
B. 双方向に文脈を読むことに特化した検索向けモデルである
C. ルールベースで動作する
D. 前の単語から次の単語を予測する形で、文章を生成することに強い
正解 D
【解説】
答えはDです。GPT（Generative Pre-trained Transformer）は、前の文脈から次に来る単語を予測する形で学習しており、文章の生成に強いのが特徴です。よく対比されるBERTは、文の前後（双方向）から意味を読み取るのが得意で、検索や分類など理解寄りのタスクに向きます。GPT＝生成（単方向）、BERT＝理解（双方向）と整理しましょう。
各選択肢の解説
A：画像分類はCNNなどの役割で、GPTの特徴ではない。
B：これはBERTの説明（双方向）。
C：GPTはルールベースではなくディープラーニング。
D：正しい。次の単語を予測して文章を生成する。
試験対策ポイント：「GPT＝生成・単方向」「BERT＝理解・双方向」。
ワンポイント：GPTのGはGenerative（生成）。名前が特徴を表している。
関連知識：GPTは事前学習（Pre-trained）＋ファインチューニングで賢くなる。
問題9
生成AIが、事実に基づかない誤った内容を、もっともらしく生成してしまう現象を何というか。
A. オーバーフィッティング
B. アライメント
C. ハルシネーション（幻覚）
D. ファインチューニング
正解 C
【解説】
答えはハルシネーション（幻覚）です。生成AIが、あたかも事実のように、しかし実際には誤った情報を自信ありげに出力してしまう現象を指します。生成AIは「もっともらしい続き」を確率的に作るため、事実の正確さを保証しません。だからこそ、出力は必ず人間がファクトチェックする必要があります。試験でも実務でも最重要の注意点です。
各選択肢の解説
A：オーバーフィッティング（過学習）は訓練データへの適合しすぎで、別現象。
B：アライメントは人間の意図にAIを合わせる調整のこと。
C：正しい。誤情報をもっともらしく生成する現象。
D：ファインチューニングは追加学習による性能調整。
試験対策ポイント：「もっともらしい嘘＝ハルシネーション」。必ず人間が確認。
ワンポイント：生成AIは正しさではなく、もっともらしさを出す、が本質。
関連知識：RAG（外部知識の参照）はハルシネーション低減の手段の一つ。
問題10
ChatGPTが人間にとって自然で望ましい応答をするよう、人間の評価（フィードバック）を使って調整する学習手法はどれか。
A. RLHF（人間のフィードバックによる強化学習）
B. クラスタリング
C. データ拡張
D. 次元削減
正解 A
【解説】
答えはRLHF（Reinforcement Learning from Human Feedback）です。人間が応答の良し悪しを評価し、その評価を報酬として強化学習でモデルを調整することで、より自然で安全な受け答えに近づけます。ChatGPTが人間好みの答え方をするのは、この仕組み（アライメント）のおかげです。
各選択肢の解説
A：正しい。人間の評価を使ってモデルを望ましい応答に調整する。
B：クラスタリングは教師なしのグループ分け。
C：データ拡張は学習データを水増しする手法。
D：次元削減はデータの特徴量を減らす手法。
試験対策ポイント：「人間の評価で望ましい応答へ＝RLHF」。アライメントの代表手法。
ワンポイント：事前学習で土台を作り、RLHFなどで人間好みに整える、の2段構え。
関連知識：特定用途に合わせる追加学習がファインチューニング。
■ ここまでのミニまとめ（問題1〜10／第1〜2章）
復習：AIの始まり＝1956年ダートマス会議／教師なし＝クラスタリング／脳を模した多層＝ディープラーニング／丸暗記のしすぎ＝過学習（対策：ドロップアウト・正則化）／人知を超える転換点＝シンギュラリティ／新しく作る＝生成AI／言語系の中核＝Transformer／GPT＝生成・BERT＝理解／もっともらしい嘘＝ハルシネーション／人間の評価で調整＝RLHF。
問題11
テキストだけでなく、画像・音声など複数の種類の情報をまとめて扱える生成AIの性質を何というか。
A. ハルシネーション
B. シンギュラリティ
C. オープンソース
D. マルチモーダル
正解 D
【解説】
答えはマルチモーダルです。文字（テキスト）だけでなく、画像・音声・動画など複数の種類（モード）の情報を横断して入力・出力できる性質を指します。たとえば画像を見せて内容を説明させたり、文章から画像を生成したりできます。近年のGPTやGeminiはマルチモーダルに対応しています。
各選択肢の解説
A：ハルシネーションは誤情報を生む現象。
B：シンギュラリティは技術的特異点。
C：オープンソースは公開・改変できるソフトのこと。
D：正しい。複数種類の情報を扱える性質。
試験対策ポイント：「複数種類の情報を横断＝マルチモーダル」。近年の主要トレンド。
ワンポイント：画像→説明、文章→画像、音声→文字など、入出力の組み合わせが広がる。
関連知識：外部知識を検索して回答に使うRAGも2026年版シラバスの新テーマ。
問題12
実在の人物の顔や声をAIで精巧に合成し、本人が言っていない・していないことをさせる偽の映像・音声を作る技術を何というか。
A. データ拡張
B. ディープフェイク（深層偽造）
C. ファインチューニング
D. クラスタリング
正解 B
【解説】
答えはディープフェイクです。ディープラーニングを使って人物の顔や声を精巧に合成し、本物と見分けがつきにくい偽の映像・音声を作る技術です。詐欺やなりすまし、偽情報（ディスインフォメーション）の拡散に悪用される危険があり、生成AIの負の側面として重要です。受け取る側のリテラシー（真偽の確認）が求められます。
各選択肢の解説
A：データ拡張は学習データを水増しする正当な技術。
B：正しい。顔や声を偽造する技術。
C：ファインチューニングは追加学習。
D：クラスタリングはグループ分け。
試験対策ポイント：「顔・声の精巧な偽造＝ディープフェイク」。偽情報拡散のリスク。
ワンポイント：対策の基本は、情報源の確認と、うのみにしないリテラシー。
関連知識：偽情報＝ディスインフォメーション、という用語も押さえる。
問題13
人種・信条・病歴・犯罪歴など、取り扱いに特に配慮を要する個人情報を、個人情報保護法上で何というか。
A. 要配慮個人情報
B. 匿名加工情報
C. 個人識別符号
D. 仮名加工情報
正解 A
【解説】
答えは要配慮個人情報です。人種、信条、社会的身分、病歴、犯罪の経歴など、本人が不当な差別や偏見を受けないよう、取り扱いに特に配慮が必要な情報を指します。取得には原則本人の同意が必要で、通常の個人情報より厳しく扱われます。生成AIに入力する情報にこうしたデータが含まれないよう注意が必要です。
各選択肢の解説
A：正しい。病歴・信条など特に配慮を要する情報。
B：匿名加工情報は個人を特定できないよう加工した情報で、別区分。
C：個人識別符号は指紋やマイナンバーなど、それ単体で個人を識別できる符号。
D：仮名加工情報は他の情報と照合しなければ特定できないよう加工した情報。
試験対策ポイント：「病歴・信条・犯罪歴など＝要配慮個人情報（取得に原則同意）」。
ワンポイント：生成AIに個人情報や機密情報を安易に入力しない、が実務の鉄則。
関連知識：匿名加工情報・仮名加工情報・個人識別符号との区別が頻出。
問題14
生成AIが作った文章や画像に関する権利について、日本の現状の考え方として最も適切なものはどれか。
A. AIが作ったものはすべてAI開発企業の著作物になる
B. AI生成物は常に著作権で保護される
C. 既存の著作物に似た生成物は、著作権侵害になる可能性がある
D. AI生成物には一切の権利問題が生じない
正解 C
【解説】
答えはCです。生成AIの出力が、学習元や既存の著作物と類似している場合、著作権侵害となる可能性があります。利用者は、生成物をそのまま使う前に、既存の権利を侵害していないか確認する責任があります。また、人間の創作的な関与がない単なるAIの自動出力は、著作物として認められにくいとされています。安易に「AIが作ったから自由に使える」と考えないことが大切です。
各選択肢の解説
A：一律に開発企業のものになるわけではない。
B：常に保護されるわけではなく、人間の創作的関与が乏しいと認められにくい。
C：正しい。既存著作物に類似すれば侵害の可能性がある。
D：権利問題が生じないは誤り。侵害リスクは存在する。
試験対策ポイント：「AI生成物＝既存の権利を侵害しうる。使う前に確認する責任」。
ワンポイント：知的財産権には著作権・特許権・商標権・意匠権などがある。
関連知識：肖像権・パブリシティ権、不正競争防止法（営業秘密）も出題範囲。
問題15
人の心理的なスキ（親切心や焦り）につけこんで、パスワードなどの情報を盗み出す手口の総称はどれか。
A. マルウェア
B. ソーシャルエンジニアリング
C. ランサムウェア
D. クラスタリング
正解 B
【解説】
答えはソーシャルエンジニアリングです。技術的にシステムを破るのではなく、人間の心理につけこんで情報を聞き出す・盗む手口の総称です。上司を装った電話、緊急を装ったメール（フィッシング）、背後からの覗き見などが含まれます。生成AIで巧妙な文面が簡単に作れる時代、こうした手口はより見破りにくくなっており、注意が必要です。
各選択肢の解説
A：マルウェアは不正なソフトウェアの総称で、人の心理を突く手口ではない。
B：正しい。人の心理につけこむ手口の総称。
C：ランサムウェアはデータを暗号化し身代金を要求するマルウェア。
D：クラスタリングは機械学習の手法で無関係。
試験対策ポイント：「人の心理を突く＝ソーシャルエンジニアリング」。
ワンポイント：フィッシング（メール）・スミッシング（SMS）・ヴィッシング（電話）も同系統。
関連知識：生成AIは巧妙な詐欺文面の作成にも悪用されうる、という視点が重要。
問題16
日本の「人間中心のAI社会原則」が掲げる基本理念に含まれないものはどれか。
A. 人間の尊厳が尊重される社会（Dignity）
B. 多様な背景の人々が多様な幸せを追求できる社会（Diversity & Inclusion）
C. 持続性ある社会（Sustainability）
D. AIの利益を最大化する社会（Profit）
正解 D
【解説】
答えはDです。日本の「人間中心のAI社会原則」は、AIを使う社会が目指すべき3つの理念として、人間の尊厳（Dignity）、多様性と包摂（Diversity & Inclusion）、持続可能性（Sustainability）を掲げています。AIはあくまで人間を豊かにする道具であり、AIの利益を最大化することが目的ではありません。人間中心という言葉がそのまま理念を表しています。
各選択肢の解説
A：基本理念の一つ（尊厳）。
B：基本理念の一つ（多様性と包摂）。
C：基本理念の一つ（持続可能性）。
D：正しい（これが含まれない）。利益最大化は理念ではない。
試験対策ポイント：「3理念＝尊厳・多様性と包摂・持続可能性」。人間中心が軸。
ワンポイント：AIは人間を豊かにする手段。目的化しない、が原則の根っこ。
関連知識：AI社会原則（人間中心・教育・プライバシー・セキュリティ・公正競争・透明性・イノベーション）も押さえる。
問題17
生成AIをビジネスで使うときの姿勢として、最も適切なものはどれか。
A. 出力は必ず人間が事実確認し、最終的な判断と責任は人間が持つ
B. 生成AIは正確なので、出力をそのまま提出してよい
C. 機密情報や個人情報も、効率化のため積極的に入力する
D. 著作権は気にせず、生成物を自由に商用利用する
正解 A
【解説】
答えはAです。生成AIはあくまで下書きや発想の補助であり、ハルシネーション（誤情報）のリスクを常に伴います。そのため、出力は人間が必ず事実確認し、最終判断と責任は人間が負うのが大原則です。機密・個人情報の入力は情報漏洩につながり、著作権侵害の確認も利用者の責任。生成AIは賢い相棒ですが、丸投げする道具ではありません。
各選択肢の解説
A：正しい。人間による確認と責任が大原則。
B：生成AIは正確さを保証しない。そのまま提出は危険。
C：機密・個人情報の入力は漏洩リスクで避けるべき。
D：著作権の確認を怠るのは侵害リスクがある。
試験対策ポイント：「確認・判断・責任は人間。丸投げしない」が生成AI活用の基本姿勢。
ワンポイント：便利さとリスクは表裏一体。リテラシーを持って使う。
関連知識：情報漏洩・著作権・ハルシネーションが3大注意点。
問題18
生成AIへの指示（プロンプト）を構成する要素として、一般に挙げられないものはどれか。
A. 命令・指示（Instruction）
B. 文脈・背景（Context）
C. モデルのパラメータ数（Parameter Count）
D. 出力形式の指定（Output Indicator）
正解 C
【解説】
答えはCです。効果的なプロンプトは、命令（Instruction）、文脈・背景（Context）、入力データ（Input Data）、出力形式の指定（Output Indicator）といった要素で構成されます。モデルのパラメータ数はAIの内部仕様であり、利用者が書くプロンプトの構成要素ではありません。良い指示ほど、背景と欲しい出力の形を具体的に伝えているのがポイントです。
各選択肢の解説
A：プロンプトの構成要素（命令）。
B：構成要素（文脈）。
C：正しい（含まれない）。パラメータ数はモデル側の仕様。
D：構成要素（出力形式の指定）。
試験対策ポイント：「プロンプト4要素＝命令・文脈・入力データ・出力形式」。
ワンポイント：背景（Context）と出力形式を具体的に書くほど、狙った答えが返る。
関連知識：プロンプトの工夫全般をプロンプトエンジニアリングと呼ぶ。
問題19
プロンプトの中に、お手本となる例をいくつか示してからタスクをやらせる手法を何というか。
A. Zero-Shotプロンプティング
B. Few-Shotプロンプティング
C. ファインチューニング
D. クラスタリング
正解 B
【解説】
答えはFew-Shotプロンプティングです。プロンプトの中に「こう入力したらこう出力してほしい」という例をいくつか（few）示してからタスクを依頼する方法で、AIが狙いを理解しやすくなり精度が上がります。例を一切示さずに指示だけ与えるのはZero-Shotです。追加学習をせず、プロンプトの工夫だけで精度を上げられるのが利点です。
各選択肢の解説
A：Zero-Shotは例を示さず指示だけを与える方法。
B：正しい。例をいくつか示してからやらせる方法。
C：ファインチューニングはモデル自体を追加学習させる、別レイヤーの手法。
D：クラスタリングは機械学習の手法で無関係。
試験対策ポイント：「例を示す＝Few-Shot、例なし＝Zero-Shot」。
ワンポイント：モデルを再学習せず、例示だけで精度を上げられるのがFew-Shotの利点。
関連知識：段階的に考えさせる思考の連鎖（Chain-of-Thought）も有効な技法。
問題20
テキスト生成AIが「苦手」とすることとして、当てはまらないものはどれか。
A. 正確な文字数を指定どおりに出力すること
B. 複雑な計算を正確に行うこと
C. 学習後に起きた最新の出来事を答えること
D. 文章の要約や言い換えを行うこと
正解 D
【解説】
答えはDです。テキスト生成AIは、文章の要約・校正・言い換えといった言語処理は得意です。一方で、正確な文字数の指定、正確な計算、学習時点より後の最新情報などは苦手とされます。これは、生成AIがもっともらしい言葉の続きを作る仕組みで、電卓や検索エンジンのような正確性を持たないためです。苦手を理解して使い分けるのが、上手な活用のコツです。
各選択肢の解説
A：苦手なこと（正確な文字数指定）。
B：苦手なこと（正確な計算）。
C：苦手なこと（最新情報）。
D：正しい（苦手ではない）。要約・言い換えは得意分野。
試験対策ポイント：「苦手＝正確な文字数・計算・最新情報。得意＝要約・校正・言い換え」。
ワンポイント：計算や最新情報は、外部ツール連携（電卓・検索・RAG）で補う。
関連知識：生成AIは正確さより、もっともらしさを出す、が根本原理。
■ 総まとめ（問題11〜20／第3〜5章）
復習：複数種類の情報＝マルチモーダル／顔・声の偽造＝ディープフェイク／病歴・信条＝要配慮個人情報／AI生成物は既存権利を侵害しうる／人の心理を突く＝ソーシャルエンジニアリング／AI社会原則3理念＝尊厳・多様性・持続可能性／確認と責任は人間／プロンプト4要素／例を示す＝Few-Shot／生成AIは計算・最新情報・正確な文字数が苦手。
最重要：生成AIは「正しさ」ではなく「もっともらしさ」を出す。だから①ハルシネーション（必ず人間が確認）②情報漏洩（機密・個人情報を入力しない）③著作権（既存権利の確認）——この3点が、試験でも実務でも問われ続けます。
現役エンジニアの視点：実務での使いどころ
生成AIパスポートは、いまいちばん「取っておくと話が早い」資格の一つです。学んで良かったのは、ハルシネーション・情報漏えい・著作権という「生成AIを安全に使うための勘所」が整理できたこと。用語を暗記するだけでなく、実際にChatGPTなどを触りながら解くと、一気に腹落ちします。仕事でAIを使う人ほど、学ぶ価値が大きい試験です。
おわりに
お疲れさまでした。生成AIパスポートは、AIの基礎用語、生成AIの仕組み、そして情報リテラシー・法倫理（著作権・個人情報・AI社会原則）を、バランスよく問う試験です。特に、ハルシネーション・情報漏洩・著作権という「生成AIの注意点」は繰り返し出るので、確実に押さえておきましょう。
勉強法の全体像や、おすすめ教材は別記事でまとめています。あわせてどうぞ。
👉 生成AIパスポートの勉強法・合格体験記【取得者が解説】
👉 AI時代に取るべきIT資格は？
👉 G検定の勉強法・合格体験記
【PR】
コメント