2026年2月適用の最新シラバスに完全対応した、生成AIパスポートの無料問題集(分野別一覧)です。公式の過去問が公開されていない本試験において、出題傾向を掴むための練習問題としてご活用いただけます。
こちらのページでは、すべての模擬問題をカテゴリ別に整理して一覧化しています。本番の模擬試験に向けた分野別の特訓や、苦手なカテゴリの弱点克服に最適です。
各問題には詳しい解説も完備していますので、インプットとアウトプットを繰り返して確実な合格を目指しましょう!
AI(人工知能)
-
Q.1 AI(人工知能)の定義
-
Q.2 ダートマス会議の歴史的意義
-
Q.3 AIとロボットの違い
-
Q.4 第1次AIブームの特徴
-
Q.5 第2次AIブームの特徴
-
Q.6 第3次AIブームの特徴
-
Q.7 AI研究の歴史的変遷
-
Q.8 AIとロボットの具体例の区別
-
Q.9 ルールベースの定義
-
Q.10 ルールベースの限界
-
Q.11 機械学習の定義
-
Q.12 学習済みモデルの理解
-
Q.13 教師あり学習の特徴
-
Q.14 教師なし学習の特徴
-
Q.15 教師なし学習の具体例
-
Q.16 強化学習の特徴
-
Q.17 半教師あり学習
-
Q.18 ノーフリーランチ定理の理解
-
Q.19 ニューラルネットワークの定義
-
Q.20 ディープラーニングの定義
-
Q.21 情報の重みづけ
-
Q.22 学習の仕組み
-
Q.23 過学習の理解
-
Q.24 正則化の目的
-
Q.25 ドロップアウトの仕組み
-
Q.26 転移学習の定義
-
Q.27 転移学習のメリット
-
Q.28 クラスタリングの目的
-
Q.29 AIの4つのレベル
-
Q.30 レベル3とレベル4の違い
-
Q.31 各レベルの具体例
-
Q.32 弱いAI(ANI)の定義
-
Q.33 強いAI(AGI)の理解
-
Q.34 現在のAIの位置づけ
-
Q.35 特徴量の役割と進化
-
Q.36 第1次AIブームの技術
-
Q.37 第1次AIブームの限界
-
Q.38 第2次AIブームの特徴
-
Q.39 第2次AIブームの限界
-
Q.40 第3次AIブームの要因
-
Q.41 機械学習による進化
-
Q.42 AIの歴史のまとめ
-
Q.43 シンギュラリティの提唱者
-
Q.44 2045年問題の理解
-
Q.45 AI効果(AI Effect)
生成AI(ジェネレーティブAI)
-
Q.46 CNN(畳み込みニューラルネットワーク)の特徴
-
Q.47 VAE(変分自己符号化器)の特徴
-
Q.48 GAN(敵対的生成ネットワーク)の仕組み
-
Q.49 RNN(回帰型ニューラルネットワーク)の弱点
-
Q.50 LSTM(長・短期記憶)の特徴
-
Q.51 TransformerのAttentionメカニズム
-
Q.52 位置エンコーディングの役割
-
Q.53 GPTモデルの特徴
-
Q.54 BERTモデルの特徴
-
Q.55 BERTの派生モデル
-
Q.56 AIのデータ処理の進化
-
Q.57 ChatGPTの開発元と基盤技術
-
Q.58 GPT-3の特徴
-
Q.59 GPT-3.5とRLHF
-
Q.60 GPT-4の特徴
-
Q.61 最新モデルの特徴
-
Q.62 アライメント(Alignment)の理解
-
Q.63 ハルシネーションの理解
-
Q.64 マルチモーダルの理解
-
Q.65 Code Interpreterの特徴
-
Q.66 GPTsの理解
-
Q.67 Codexの役割
-
Q.68 OpenAIの次世代モデル
現在の生成AIの動向
-
Q.69 テキスト生成AIの仕組み
-
Q.70 テキスト生成AIの主要サービス
-
Q.71 画像生成AIのデータ処理
-
Q.72 リマスタリング技術の理解
-
Q.73 動画生成AIの主要モデル
-
Q.74 ディープフェイクの定義
-
Q.75 偽情報と誤情報の違い
-
Q.76 ディープフェイクの悪用事例
-
Q.77 RAGの基本的な仕組み
-
Q.78 RAGの導入メリット
-
Q.79 チャンクの役割
-
Q.80 ベクトルデータベースの特徴
-
Q.81 RAGとファインチューニングの違い
-
Q.82 RAGの歴史
-
Q.83 AIエージェントと従来のAIの違い
-
Q.84 AIエージェントの処理サイクル
-
Q.85 GenSparkの特徴
-
Q.86 Manusの特徴
-
Q.87 Skywork AIの特徴
-
Q.88 MCPの役割
情報リテラシー・基本理念とAI社会原則
-
Q.89 インターネットリテラシーの定義
-
Q.90 情報リテラシーの理解
-
Q.91 セキュリティとプライバシー
-
Q.92 デジタル市民権の理解
-
Q.93 フィッシング詐欺の種類
-
Q.94 ソーシャルエンジニアリングの理解
-
Q.95 ソーシャルエンジニアリングの手口
-
Q.96 マルウェアとネットワークの脅威
-
Q.97 生成AI利用時のプライバシーリスク
-
Q.98 生成AI技術の悪用リスク
-
Q.99 個人情報保護法と対象事業者
-
Q.100 個人識別符号の理解
-
Q.101 要配慮個人情報の取り扱い
-
Q.102 匿名加工情報の特徴
-
Q.103 生成AIと個人情報
-
Q.110 AI社会の基本理念
-
Q.111 AI社会原則の7つの原則
-
Q.112 AIの事業活動を担う3つの主体
-
Q.113 AI利用者の定義
-
Q.114 AIガバナンスの構築プロセス
-
Q.115 人間中心のAI社会原則
-
Q.116 AI新法の正式名称
-
Q.117 ガイドラインとAI新法の違い
-
Q.118 リスクベースアプローチの適用
-
Q.119 高リスクAIの具体例と規制
-
Q.120 AI新法で想定される具体的なリスク
-
Q.121 AI新法の基本構造
テキスト生成AIのプロンプト制作と実例
-
Q.104 知的財産権の種類の理解
-
Q.105 AIの学習段階における著作権
-
Q.106 生成・利用段階での著作権侵害
-
Q.107 肖像権とパブリシティ権
-
Q.108 不正競争防止法とデータの扱い
-
Q.109 AI生成物と著作権
-
Q.122 プロンプトの構成要素
-
Q.123 Zero-Shotプロンプティング
-
Q.124 Few-Shotと文脈内学習
-
Q.125 文章校正のプロンプト
-
Q.126 文章要約のプロンプト
-
Q.127 文体の対象変更
-
Q.128 話者の設定(ペルソナ)
-
Q.129 例え話による表現技法
-
Q.130 ビジネス書類のテンプレート作成
-
Q.131 ディベート相手としてのAI活用
-
Q.132 質問させながら進めるプロンプト技術
-
Q.133 タスクの抽出と業務分解
-
Q.134 データ処理と整形におけるAI活用
-
Q.135 グローバル対応におけるAI活用
-
Q.136 テキスト生成AIの文字数指定
-
Q.137 テキスト生成AIの計算能力
-
Q.138 知識のカットオフの理解
-
Q.139 芸術批評とAIの限界
-
Q.140 n-gramモデルの特徴
-
Q.141 LLMのプレトレーニングの役割
-
Q.142 プロンプトエンジニアリングの理解
-
Q.143 Temperature(温度)の設定効果
-
Q.144 ハイパーパラメータの調整
