ITパスポート 令和7年度 問28：system_strategyに関する問題

答えは d です。

生成AIは、「文章で“こういうの作って”とお願いすると、前もってたくさん勉強した知識をもとに、新しい文章や画像などを作ってくれるAI」です。ChatGPTや画像を作るAIをイメージするとぴったり。

dは「言葉で指示する」「勉強したデータをもとに」「新しいものを作る」と全部そろっているので正解。

👉 覚え方：生成AI＝「お願いすると“新しく作ってくれる”AI」。

ほかの選択肢：a 勉強なしで作る＝生成AIは勉強あってこそなので×／b 将来の数字を予測する＝予測のAI（別物）／c シナリオ通り動く＝RPA（自動化）。

なぜこれが正解か

正解は d。生成AI（Generative AI）は、大量のデータを事前に学習したモデルを基に、自然言語などで指示（プロンプト）された内容に従って、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。dはこの定義を正確に表している。

各選択肢の解説

• a：「一切の学習を必要とせず」が誤り。生成AIは膨大な学習があってこそ成り立つ。
• b：過去データの相関から将来値を予測＝予測モデル（回帰分析・予測AI）の説明で、新規コンテンツの生成ではない。
• c：シナリオに基づくソフトウェアロボットによる業務自動化＝RPAの説明。

覚え方・ひっかけ注意

生成AIの3要件は「事前学習・プロンプト指示・新規生成」。aの「学習不要」、bの「予測」、cの「自動化」はそれぞれ別概念。特にbの“予測”と生成AIの“生成”を取り違えないこと。生成AIはディープラーニングの応用である点も押さえる。

生成AIのアーキテクチャと「生成」の本質

生成AI（Generative AI）は、大量の学習データからパターンを抽出し、新しいコンテンツ（テキスト・画像・音声・動画・コード等）を生成するAIの総称である。テキスト生成の場合、主流のアーキテクチャはTransformer（2017年Googleが発表）に基づくLLM（大規模言語モデル）であり、数千億から数兆のパラメータを持つニューラルネットワークが学習されている。「自然言語で指示（プロンプト）を入力すると、事前学習データを基に新しいコンテンツを生成する」という説明が設問dであり、これが生成AIの正確な定義である。

各選択肢が示す別のAI技術の分類

• 選択肢a（一切の学習なしに新しいコンテンツを生成）：これは事実に反する説明であり、どのAI技術にも当てはまらない。生成AIは大量データでの事前学習（Pre-training）が必須であり、「学習なし」という前提は生成AIの本質と矛盾する。
• 選択肢b（過去のデータから相関を学習し、現在データから将来値を予測）：これは生成AIではなく予測AIまたは機械学習の回帰分析・時系列予測の説明である。売上予測・需要予測・株価予測等に使われる予測型モデルを指す。
• 選択肢c（シナリオに基づいてソフトウェアロボットが業務自動化）：これはRPA（Robotic Process Automation）の説明である。生成AIとは全く別のツール・技術分野。

プロンプトエンジニアリングとRAGの実務的重要性

生成AIを業務で活用する際の実践的知識として「プロンプトエンジニアリング」がある。入力する指示（プロンプト）の設計・最適化によって出力の品質を大幅に変えられる技術であり、「ロールを与える・出力形式を指定する・例示を示す（Few-shot）」等の技法が確立している。またRAG（Retrieval-Augmented Generation）は、外部の最新情報や社内ドキュメントを検索して生成に組み込む手法で、学習データのカットオフ問題やハルシネーションの低減に有効。2024〜2025年にかけて企業での生成AI活用の主流アプローチとなっている。

試験での位置づけと近年の急速な出題増加

生成AIは2023年以降のITパスポートシラバスで最も重要度が高まったテーマであり、出題頻度・配点比率ともに急増中。「生成AIとは何か」という基本問題から「プロンプトエンジニアリング・ハルシネーション・RAG・AI倫理・著作権リスク」まで幅広い出題が予測される。設問dの「自然言語で指示・事前に学習したデータ・新しいコンテンツを生成」という三要素の組み合わせが生成AIを他のAI技術から区別するポイントとして出題文によく現れる。

選択肢の発展補足

生成AIの種類を用途別に整理すると、テキスト生成（LLM：ChatGPT・Claude・Gemini等）・画像生成（拡散モデル：Stable Diffusion・DALL-E等）・音声生成・動画生成・コード生成（GitHub Copilot等）がある。これらはすべて学習済みモデルに基づいて「新しいコンテンツを生成する」という共通の特性を持つ。基本情報技術者では生成AIを支えるディープラーニング・Transformer・GAN（敵対的生成ネットワーク）の仕組みまで問われ、応用情報技術者ではAI倫理・規制（EU AI法・日本のAI事業者ガイドライン）との関連も出題される。