生成AIパスポートの出題範囲5章を要点で|頻出用語とプロンプトの基本、確認問題つき
生成AIパスポートは、一般社団法人 生成AI活用普及協会(GUGA)が実施する民間資格で、ChatGPTなどの生成AIを安全に、正しく使うための基礎知識を問う試験です。エンジニアでなくても受けやすく、会社員・学生の受験が増えています。この記事では、試験の概要と出題範囲の要点、よく出る用語を整理し、最後に全肢解説つきの確認問題を用意しました。
📺 動画でも学べます:生成AIパスポート 合格講座(YouTube・xana研究室)
先生と生徒の会話で、要点を動画でも確認できます。
▶ 再生リストを見る
試験の概要
| 項目 | 内容 |
|---|---|
| 実施団体 | 一般社団法人 生成AI活用普及協会(GUGA) |
| 方式 | オンライン(IBT方式)。自宅などから受験できる |
| 試験時間・問題数 | 60分・60問(4肢択一が中心) |
| 受験料 | 11,000円(税込)。学生は5,500円 |
| 受験資格 | なし |
| 実施回数 | 2026年は年5回(2月・4月・6月・8月・10月) |
2026年4月の試験では、受験者9,436人のうち7,487人が合格し、合格率は約79%でした。合格率は高めですが、シラバスの改訂で新しい用語が増えているので、最新の範囲で勉強することが大切です。日程・受験料は変わることがあるので、申込みの前にGUGAの公式サイトで確認してください。
出題範囲(シラバス)の全体像

シラバスは2026年2月の試験から改訂版が使われています。GUGAは2027年2月の試験から適用される新しい改訂も発表しているので、受ける回に合ったシラバス・教材を選びましょう。
第1章:AIの基礎
- 機械学習:データからルールを学ぶ方法。正解つきのデータで学ぶ教師あり学習、正解なしで特徴を見つける教師なし学習、試行錯誤で報酬を最大にする強化学習がある。
- ディープラーニング:何層にも重ねたニューラルネットワークで学ぶ方法。生成AIの土台。
第2章:生成AIと主なモデル
| 用語 | ひとことで |
|---|---|
| Transformer(トランスフォーマー) | 文章の中の単語どうしの関係に注目する仕組み(Attention)を使うモデル。GPTなどの大規模言語モデルの基礎 |
| LLM(大規模言語モデル) | 大量の文章で学習し、自然な文章を作れる言語モデル |
| GAN(敵対的生成ネットワーク) | 画像を作る役と見破る役を競わせて学ぶモデル |
| VAE(変分オートエンコーダ) | データの特徴を圧縮し、そこから新しいデータを作るモデル |
| 拡散モデル | ノイズから少しずつ画像を作り出すモデル。画像生成AIで広く使われる |
第3章:最新の動向
- RAG(検索拡張生成):社内文書などを検索し、その内容をもとに回答を作る仕組み。最新情報や社内情報に答えさせやすい。
- AIエージェント:目的に向けて、AIが自分で手順を考えてツールを使い、作業を進める仕組み。
- ディープフェイク:本物そっくりの偽の画像・音声・動画。詐欺や名誉の侵害に使われる危険がある。
第4章:リスク・法律・ガイドライン(最重要)
- ハルシネーション:AIが事実と違うことを、もっともらしく答えてしまう現象。出力は必ず人が確認する。
- 個人情報・機密情報:入力した情報が学習に使われたり外部に残ったりするおそれがある。会社のルールと各サービスの設定を確認してから入力する。
- 著作権:生成物が既存の作品に似ていて、それをもとに作られたと言える場合は、著作権の侵害になるおそれがある。
- ガイドラインと法律:国の「AI事業者ガイドライン」(第1.1版)や、2025年に成立した「人工知能関連技術の研究開発及び活用の推進に関する法律」(AI推進法)が出題範囲に入っている。
第5章:プロンプトの作り方
プロンプト(AIへの指示文)は、命令・文脈・入力データ・出力形式の4つの要素を意識すると、ねらった答えを得やすくなります。
- Zero-shot:例を示さずに指示だけで答えさせる。
- Few-shot:いくつかの例を示してから答えさせる。形式をそろえたいときに有効。
- Chain-of-Thought:「段階的に考えて」と促し、考える過程を書かせて精度を上げる。
頻出用語とプロンプトを4択で
問題1
生成AIが、事実とは異なる内容をもっともらしく出力してしまう現象を何というか。
- ディープフェイク
- ハルシネーション
- 過学習
- プロンプトインジェクション
正答:2
- 肢1 × ディープフェイクは、本物そっくりの偽の画像・音声・動画のこと。AIの誤った回答そのものではない。
- 肢2 ○(正答) 事実と違う内容をもっともらしく出力する現象はハルシネーション。出力は人が確認する必要がある。
- 肢3 × 過学習は、学習データに合わせすぎて新しいデータでうまく働かなくなること。
- 肢4 × プロンプトインジェクションは、悪意のある指示を入力してAIに想定外の動作をさせる攻撃。
問題2
社内の規程集を検索し、その内容をもとに生成AIに回答させる仕組みとして最も適切なものはどれか。
- GAN
- 強化学習
- RAG(検索拡張生成)
- Few-shotプロンプト
正答:3
- 肢1 × GANは画像などを生成するモデルで、文書を検索して答える仕組みではない。
- 肢2 × 強化学習は試行錯誤で報酬を最大にする学習方法。
- 肢3 ○(正答) RAGは、外部の文書を検索してその内容を回答に反映させる仕組み。社内情報や最新情報に答えさせたいときに使う。
- 肢4 × Few-shotはプロンプトに例を入れる書き方で、文書の検索はしない。
問題3
プロンプトに「入力:りんご→出力:果物」のような例をいくつか示してから、本題の質問をする方法はどれか。
- Zero-shotプロンプト
- Few-shotプロンプト
- Chain-of-Thought
- ファインチューニング
正答:2
- 肢1 × Zero-shotは例を示さずに指示だけで答えさせる方法。
- 肢2 ○(正答) いくつかの例を示してから答えさせる方法がFew-shot。答えの形式をそろえやすい。
- 肢3 × Chain-of-Thoughtは、考える過程を段階的に書かせる方法で、例の提示とは別のもの。
- 肢4 × ファインチューニングは、追加のデータでモデル自体を再学習させること。プロンプトの書き方ではない。
生成AIパスポートでよくある誤解
| よくある間違い | 正しい理解 |
|---|---|
| 生成AIの回答はインターネットで調べた最新情報なので正しい | ハルシネーションがあるので、事実関係は必ず人が確認する |
| 個人情報も入力してかまわない | 会社のルールとサービスの設定を確認し、必要なら入力しない・匿名化する |
| AIが作ったものなら著作権の問題はない | 既存の作品に似ていて依拠していれば、侵害になるおそれがある |
| どの回の試験も同じシラバス | 改訂があるので、受ける回に合ったシラバス・教材を使う |
コメント
コメントを投稿