香月 リサ 先生
模擬テスト2は活用・プロンプト編よ。
ここは実務にも直結する分野だから、試験後も役立つわ。
深見 つむぎ
プロンプト技法の知識が試される回ですね。
名称と特徴の対応に集中します。
戸倉 ジャスミン
プロンプト系、あたしけっこう好きな分野なんですよ! ここで点を稼ぐよ! 得意分野ってやつじゃん!
雪村 ましろ
わたしもカレーのレシピみたいで覚えやすかった〜えへへ!
香月 リサ 先生
RAGやファインチューニングの違い、マルチモーダルの定義も出ますよ。
全5問、準備はいいですか?
深見 つむぎ
やりましょう。
消去法の精度を高める機会でもあるわ。
戸倉 ジャスミン
任せとけ! プロンプトの勇者、参上じゃん!
戸倉 ジャスミン
Zero-shot・Few-shot・Chain-of-Thought…この3つが混乱しがちなんですよ。
香月 リサ 先生
「例の有無」と「推論過程の可視化」で切り分けるといいわよ。
Zero=例なし、Few=例あり、CoT=過程見せて、ね。
雪村 ましろ
覚えた〜!
深見 つむぎ
この3分類は試験の頻出テーマね。
セットで暗記しましょう。
確認クイズ
プロンプトに少数の入出力例を含めてからタスクを指示する手法は何か?
- Zero-shotプロンプティング
- Few-shotプロンプティング
- Chain-of-Thought
- RAG
こたえを見る
正解: 2. Few-shotプロンプティング
Few-shotプロンプティングは、少数の入出力例 (通常2〜5個) をプロンプト内に示してからタスクを指示する手法です。例からパターンを学習させ、応用動作を促すのが目的です。Zero-shotは例なし、CoTは推論過程を促す手法、RAGは外部検索活用で、それぞれ別レイヤーの技法です。
深見 つむぎ
次はChain-of-Thoughtの効果ね。
「ステップバイステップで考えて」の呪文の効果は…?
戸倉 ジャスミン
複雑な推論の正答率が上がる、だよね。
あたしの数学にも欲しい呪文じゃん。
確認クイズ
Chain-of-Thought (CoT) プロンプティングの効果として最も適切なものはどれか?
- 画像生成の品質が向上する
- 推論過程を明示させることで複雑な問題の正答率が向上する
- モデルの学習速度が上がる
- トークン数を大幅に削減できる
こたえを見る
正解: 2. 推論過程を明示させることで複雑な問題の正答率が向上する
CoTは「ステップバイステップで考えて」などの指示で推論過程を明示させ、算数・論理・複雑推論問題の正答率を向上させる手法です。トークン数はむしろ増加する点に注意。画像生成や学習速度の話ではありません。
香月 リサ 先生
RAGのメリット問題ね。
ただし「100%防止」のような極端な選択肢には注意よ。
深見 つむぎ
絶対・完全・100%の表現は、たいてい引っ掛けね。
確認クイズ
RAG (検索拡張生成) のメリットとして最も適切なものはどれか?
- モデルの再学習なしに最新情報を回答に反映できる
- ハルシネーションが100%防止される
- 計算コストが完全にゼロになる
- プロンプトが一切不要になる
こたえを見る
正解: 1. モデルの再学習なしに最新情報を回答に反映できる
RAGは外部知識ベースから情報を検索してプロンプトに付加するため、モデル再学習なしに最新情報を反映できるのが最大のメリットです。ハルシネーションのリスクは大幅に減りますが100%の防止ではなく、計算コストはむしろ検索部分で発生する点に注意。
雪村 ましろ
次はファインチューニングだねぇ! モデルに追加学習させるやつ!
戸倉 ジャスミン
RAGと区別が大事なんだよね、外部検索じゃなくてモデル自体の更新、と。
確認クイズ
ファインチューニングの説明として最も適切なものはどれか?
- プロンプトに例を追加する手法
- 外部データベースを検索する手法
- 事前学習済みモデルを特定タスク向けに追加学習する手法
- モデルのパラメータ数を削減する手法
こたえを見る
正解: 3. 事前学習済みモデルを特定タスク向けに追加学習する手法
ファインチューニングは、事前学習済みモデルを特定のタスクやドメインに合わせて追加学習する手法です。プロンプト工夫 (Few-shot) とは別レイヤー、RAGとも異なるアプローチで、モデル自体を調整する点が特徴です。
深見 つむぎ
最後はマルチモーダルね。
複数のモダリティを統合するAI、と。
香月 リサ 先生
単一モダリティ型との違いを意識すると選びやすいわよ。
確認クイズ
マルチモーダルAIの説明として最も適切なものはどれか?
- テキストのみを高速に処理するAI
- テキスト・画像・音声など複数の情報形式を統合的に扱えるAI
- 複数のモデルを同時に実行するシステム
- 多言語に対応した翻訳専用AI
こたえを見る
正解: 2. テキスト・画像・音声など複数の情報形式を統合的に扱えるAI
マルチモーダルAIは、テキスト・画像・音声・動画など複数のモダリティ (情報形式) を統合的に扱えるAIです。GPT-4V/4o、Gemini、Claude 3/4などが代表例です。多言語対応や複数モデル並列実行とは別の概念です。
香月 リサ 先生
第2回もお疲れさま! プロンプト技法とRAG・ファインチューニングの違いはクリアになったかしら?
深見 つむぎ
技法名と効果の対応をしっかり覚えておくことが、この分野の攻略ポイントね。
戸倉 ジャスミン
カタカナ用語多いけど、例と一緒だと覚えやすいじゃん!
雪村 ましろ
うーん…混乱しそうになったら、先生の比喩を思い出す〜!
香月 リサ 先生
その意気よ。
次はリスク・倫理編、配点の大きい分野に挑みましょう!
深見 つむぎ
技術と活用は土台、次は社会実装の論点ね。
気持ちを切り替えましょう。
戸倉 ジャスミン
2回目、手応えよかったじゃん! このペースでいけるね!