AIF-C01：AWS Certified AI Practitioner 生成 AI の基礎 問7
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）ある企業が、要約・文書分類・問い合わせ文の下書き作成といった複数の言語タスクに、同じ AI 技術を使いたいと考えています。タスクごとに個別のモデルを一から学習するのではなく、1 つのモデルを使い回す方針です。この方針を支える基盤モデルの特徴として適切なものはどれですか。
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要約用、分類用、下書き用に、タスクごとに専用の小規模モデルを一から学習し、それぞれ別々に運用する
- B大規模で多様なデータで事前学習された汎用モデルを、プロンプトの工夫や必要に応じた微調整で、さまざまなタスクに適応させる
- C分類用に固定のラベルで学習した分類モデルを、追加の調整なしに要約や下書き作成にもそのまま流用する
- Dタスクごとに処理手順を人が記述したルールを作成し、ルールに一致した場合にだけ定型文を出力する
正解：B
解説
基盤モデルは、大規模で多様なデータで事前学習された汎用的なモデルで、プロンプトによる指示や、必要に応じたファインチューニングによって、要約・分類・文章生成など多くのタスクに適応できます。タスクごとにモデルを一から学習する必要がなく、開発コストを抑えやすい点が特徴です。ただし、特定ドメインでの精度や出力の品質は、プロンプトや追加のカスタマイズで確認・調整する必要があります。
選択肢ごとの解説
- A誤り。タスクごとに一から学習する方式は、データ収集と学習の負担がタスクの数だけ増え、1 つのモデルを使い回す方針と合いません。
- B正しい。事前学習された汎用モデルをプロンプトや微調整で適応させるのが、基盤モデルの特徴です。
- C誤り。特定のラベルで学習した分類モデルは、そのタスク専用であり、調整なしで文章生成などの別タスクをこなせません。
- D誤り。ルールベースの方式は、想定した条件にしか対応できず、多様な入力から新しい文章を生成する生成 AI の使い回しとは異なります。