AIF-C01：AWS Certified AI Practitioner 生成 AI の基礎 問1
生成 AI の基礎／生成 AI の基本概念（トークン・埋め込み・基盤モデル・プロンプト）社内 FAQ の検索機能を改善します。利用者の質問は「出張費の精算期限」のように、FAQ 本文の「旅費の申請は何日以内か」と語句が一致しないことが多くあります。語句が違っても意味が近い FAQ を見つけるために、生成 AI の基本概念として用いる処理はどれですか。
当サイトのオリジナル問題（AIF-C01：AWS Certified AI Practitionerの出題範囲「生成 AI の基礎」に対応。実際の試験問題ではありません）
- A各 FAQ の文字列を質問文と完全一致で照合するキーワードインデックスを作成する
- B質問文と FAQ をトークンに分割し、トークン数が近い FAQ を返す
- C質問文を温度（temperature）の低い設定で要約し、要約文どうしを比較する
- D質問文と FAQ をそれぞれ埋め込みベクトルに変換し、ベクトル間の距離で意味の近さを判定する
正解：D
解説
埋め込み（エンベディング）は、テキストの意味を数値ベクトルで表したものです。意味が近い文章はベクトル空間上でも近くなるため、語句が一致しなくても距離（コサイン類似度など）で関連する FAQ を探せます。トークンはモデルが処理するテキストの単位で、トークン数は入力量や課金・上限の指標であり、意味の近さを示しません。温度は出力のばらつきを調整する推論パラメーターです。
選択肢ごとの解説
- A誤り。完全一致の照合では、語句が異なる質問と FAQ を結び付けられません。
- B誤り。トークン数はテキストの長さの目安で、意味の近さを表しません。
- C誤り。温度は生成の多様性を調整する推論パラメーターで、検索の類似度判定とは別の概念です。
- D正しい。埋め込みベクトルの距離なら、語句が異なっても意味の近い FAQ を見つけられます。