この記事では、(Prompt Engineering Professional)PEP検定の学習に役立つ問題集をまとめています。
公式教材の内容を踏まえつつ、理解を深めるための確認問題・補足解説を付けています。
生成AIを安全かつ効果的に活用するための基礎知識を整理したい方に向けた内容です。
※本記事は非公式の学習補助コンテンツであり、検定の出題内容そのものを示すものではありません。
問題1：AIの定義として正しいものはどれか？
A) 人間の脳構造を完全に模倣した装置
B) 人間の知能を模倣し学習・推論などを行う技術
C) 自律的に意思決定するロボットのみを指す
D) インターネット上の情報を検索する仕組み
正解：B
解説（引用：p. AIの概要）
資料では「AIはコンピュータシステムが人間の知能を模倣し、学習、推論、認識、意思決定などを行う技術」と説明されている。検索機能やロボットだけを指すわけではなく、より広い概念である。
問題2：Narrow AI の特徴として正しいものはどれか？
A) 複数領域を横断して汎用的に学習する
B) 自己改善を続け人間を超える
C) 特定タスクに特化し他領域に応用できない
D) 感情理解を含む高度な推論が可能
正解：C
解説（引用：p. AIの分類）
資料では「一つのタスクや領域に特化しており、その分野では高い精度を誇るが、他の領域には応用できない」と記載されている。汎用性はAGIの特徴である。
問題3：教師あり学習の説明として正しいものはどれか？
A) ラベルなしデータを使い構造を見つける
B) 正解ラベル付きデータを使い予測モデルを作る
C) データを自動生成するモデルである
D) トークン化を行う処理である
正解：B
解説（引用：p. 教師あり学習）
資料では「正解ラベル付きデータを使用して学習し、未知データの正しい出力を予測するモデルを作成」とある。教師なし学習はラベルなしデータを扱う。
問題4：ディープラーニングの特徴として正しいものはどれか？
A) 特徴量を人手で設定する必要がある
B) 自動的に特徴を抽出し高精度な解析が可能
C) ルールベースの処理が中心である
D) トークン化を行う技術である
正解：B
解説（引用：p. ディープラーニングの基本原理）
資料では「大量のデータから自動的に特徴を抽出する技術」と説明されている。従来の機械学習と異なり特徴量設計を自動化する点が重要。
問題5：生成モデルの目的として正しいものはどれか？
A) データを分類する
B) データの構造を破壊する
C) 学習したパターンを基に新しいデータを生成する
D) データを圧縮する
正解：C
解説（引用：p. 生成モデルの目的）
資料では「パターンや構造を学習し、新しいサンプルを生成することを目指す」とある。分類や圧縮は生成モデルの主目的ではない。
問題6：AIの歴史において「人工知能」という言葉が初めて提唱されたのはどのイベントか？
A) ニューヨークAIサミット
B) ダートマス会議
C) MIT AIフォーラム
D) ロンドンAIシンポジウム
正解：B
解説（引用：p. AIの歴史）
資料では「1956年、ダートマス会議でジョン・マッカーシーが『人工知能』という言葉を提唱」と記載されている。AI研究の正式な出発点とされる。
問題7：シンギュラリティの説明として正しいものはどれか？
A) AIが停止する日
B) AIが人類の知能を超える転換点
C) AIが自動的に消滅する現象
D) AIが学習を開始する瞬間
正解：B
解説（引用：p. シンギュラリティ）
資料では「AIが人類の知能を超えるとされる転換点」と説明されている。未来学者レイ・カーツワイルは2045年頃と予測している。
問題8：RNNの特徴として正しいものはどれか？
A) 画像の特徴抽出に特化
B) 過去の情報を現在の計算に反映できる
C) ノイズ除去に特化
D) トークン化を行うモデル
正解：B
解説（引用：p. RNN）
資料では「時系列データを処理し、過去の情報を現在の計算に反映させることができる」と記載。時系列処理やテキスト生成に広く使われる。
問題9：VAEの主な用途として正しいものはどれか？
A) 音声翻訳
B) 画像のノイズ除去や欠損補完
C) 文章要約
D) 自動運転の制御判断
正解：B
解説（引用：p. VAE）
資料では「画像のノイズ除去や欠損の補完、異常検知などに用いられる」と説明されている。確率分布を学習する生成モデルである。
問題10：NLPの代表的なタスクとして正しいものはどれか？
A) 画像分類
B) 音声合成
C) 感情分析
D) 3Dモデル生成
正解：C
解説（引用：p. NLP）
資料では「テキストに含まれる感情や意図を分析し、ポジティブ、ネガティブ、中立の感情を判断する」と記載されている。
問題11：GANの特徴として正しいものはどれか？
A) 単一ネットワークで画像分類を行う
B) 生成ネットワークと識別ネットワークが競い合い学習する
C) ノイズ除去のみを目的とする
D) 時系列データ専用モデルである
正解：B
解説（引用：p. GAN）
資料では「生成ネットワークと識別ネットワークが互いに競い合いながら学習」と記載。GANは画像や動画の生成、絵画スタイルの変換、データの拡張などに用いられる。
問題12：Transformer の利点として正しいものはどれか？
A) 時系列処理しかできない
B) 並列処理ができず学習が遅い
C) 自己注意機構により長距離依存を扱える
D) 文脈を理解できない
正解：C
解説（引用：p. Transformer）
資料では「自己注意機構は単語の関係性を捉え、長距離依存を解消する」と説明されている。並列処理を活用し、学習と処理を効率的に行うことができる。
問題13：LLMの性能向上に寄与する要素として正しいものはどれか？
A) モデルの色や形状
B) データセットサイズ・計算量・パラメータ数
C) トークンの文字数
D) GPUのメーカー名
正解：B
解説（引用：p. LLMとは）
資料では「データセットサイズ・計算量・パラメータ数が増えるほどLLMは賢くなる」と明記されている。これら3つの要素がLLMの性能を左右する。
問題14：事前学習の特徴として正しいものはどれか？
A) 特定タスクに特化した学習を行う
B) ラベル付きデータのみを使用する
C) 汎用的な言語能力を獲得する段階である
D) 学習時間が短く計算資源をほとんど使わない
正解：C
解説（引用：p. 事前学習）
資料では「広範な言語データから汎用的な知識を獲得する」と説明されている。自己教師あり学習で行われ、計算コストは非常に大きい。
問題15：LLMのリスクとして正しいものはどれか？
A) 常に最新情報を反映できる
B) ハルシネーションにより存在しない事実を生成する
C) バイアスが完全に除去されている
D) 出力は常に一貫して同じ
正解：B
解説（引用：p. LLMのリスク）
資料では「LLMは、実在しない研究や事実を引き合いに出すことがある」と記載。ハルシネーションはLLMの代表的リスクであり、出力の検証が重要である。
問題16：拡散モデル（Diffusion Models）の特徴として正しいものはどれか？
A) ノイズを加え、逆にすることで画像を生成する
B) 単一の識別器のみで学習する
C) 時系列データ専用である
D) トークン化を行うモデルである
正解：A
解説（引用：p. Diffusion Models）
資料では「データにノイズを加え、そのノイズを逆にすることで新しいデータを生成する」と説明されている。段階的なプロセスにより高品質な画像生成が可能である。
問題17：LLMの推論プロセスにおける「トークン化」の役割として正しいものはどれか？
A) モデルの重みを更新する
B) テキストを単語やサブワード単位に分割する
C) GPUの計算速度を調整する
D) 出力の安全性を検証する
正解：B
解説（引用：p. 推論の流れ）
資料では「受け取ったテキストはトークナイザーによりトークン(単語やサブワード単位)に分割される」と記載。モデルが処理可能な形式に変換する重要な工程である。
問題18：LLMのパラメータ数が増えることで期待される効果として正しいものはどれか？
A) 計算量が減る
B) 文脈理解が向上する
C) モデルのサイズが小さくなる
D) 学習データが不要になる
正解：B
解説（引用：p. パラメータ数）
資料では「パラメータ数が多いほど、より複雑なパターンを学習できる」と説明されている。文脈理解やゼロショットラーニング能力が向上する。
問題19：Transformer が従来のRNNより優れている点として正しいものはどれか？
A) 並列処理が可能
B) 計算量が少ない
C) 長距離依存を扱えない
D) トークン化が不要
正解：A
解説（引用：p. Transformer）
資料では「トランスフォーマーモデルは並列処理を活用し、学習と処理を効率的に行うことができます」と説明されている。RNNの逐次処理の弱点を克服している。
問題20：GPTシリーズの特徴として正しいものはどれか？
A) 双方向文脈理解に特化
B) 自己回帰型で次の単語を予測する
C) 画像生成に特化
D) 音声認識専用モデル
正解：B
解説（引用：p. GPTシリーズ）
資料では「自己回帰型トランスフォーマーを使用し、次の単語を予測して文章を生成」と説明されている。対話システムや文章補完、コード補完などに応用される。
問題21：Geminiが従来モデルと異なる強みとして正しいものはどれか？
A) 単一モーダルのみ対応
B) マルチモーダル処理能力が高い
C) トークン化を行わない
D) 自己注意機構を使わない
正解：B
解説（引用：p. Gemini）
資料では「テキスト、画像、音声などのマルチモーダルデータの処理能力を強化しています」と説明されている。高度な問題解決能力やAIエージェントとしての応用が期待される。
問題22：LLMの推論が“生成”と認識される理由として正しいものはどれか？
A) モデルが完全に新しい知識を創造しているため
B) 学習したデータを基に確率的に最適な出力を選ぶため
C) 出力が常に事実に基づくため
D) モデルが外部データベースを参照するため
正解：B
解説（引用：p. 推論の概要）
資料では「文脈的に最も高い確率で適切と判断される回答を生成したもの」と説明されている。無から有を創作しているのではなく、確率的推論に基づく生成である。
問題23：LLMのトレーニングにおける自己教師あり学習の特徴として正しいものはどれか？
A) ラベル付きデータが必須
B) データの一部を隠し、モデルが予測する
C) モデルが自動的にデータを生成する
D) トークン化を行わない
正解：B
解説（引用：p. 事前学習）
資料では「通常、自己教師あり学習と呼ばれる方法が使用されます」と記載。これは、データの一部を隠し、モデルがその部分を予測することで言語構造を学習する方式である。
問題24：LLMの計算量が増えると発生する課題として正しいものはどれか？
A) モデルの精度が低下する
B) 計算資源の消費が増える
C) トークン数が減る
D) 文脈理解ができなくなる
正解：B
解説（引用：p. 計算量）
資料では「LLMは大量のデータを扱うため、非常に多くの計算が必要です」と説明されている。計算量増加はGPU負荷やコスト増につながるため、効率的な設計が重要となる。
問題25：LLMが専門分野の質問応答に強い理由として正しいものはどれか？
A) 特定分野のみに特化して学習しているため
B) 大規模データにより幅広い文脈理解が可能なため
C) 外部データベースを常に参照しているため
D) 出力が常に正確であるため
正解：B
解説（引用：p. LLMにできること：質問応答）
資料では「理解力が高く、文脈に応じた適切な回答が可能です」と説明されている。大規模な事前学習により、専門分野を含む幅広い知識を活用できる。
問題26：拡散モデルが高品質な画像生成に適している理由として正しいものはどれか？
A) ノイズを完全に除去するため
B) 段階的なノイズ除去プロセスにより詳細な部分まで再現できるため
C) トークン化を使うため
D) 自己注意機構を使うため
正解：B
解説（引用：p. Diffusion Models）
資料では「このプロセスが段階的であるため、生成される画像の品質が高く、詳細な部分まで再現できます」と説明されている。段階的なノイズ逆変換が高品質生成の鍵である。
問題27：Transformer が画像生成に応用される理由として正しいものはどれか？
A) 画像の色を自動で選択するため
B) 自己注意機構により画像内の重要な部分に焦点を当てられるため
C) 画像を圧縮するため
D) 画像の解像度を固定するため
正解：B
解説（引用：p. 画像生成モデル）
資料では「たとえば画像処理では、画像の中で重要な部分に焦点を当てるために活用されています」と記載。自己注意機構が画像生成モデルの品質向上に寄与している。
問題28：LLMの評価指標として正しいものはどれか？
A) モデルの色
B) 精度・多様性・一貫性・効率性
C) GPUの温度
D) トークンの文字数
正解：B
解説（引用：p. 性能評価）
資料では「精度、多様性、一貫性、効率性」が評価基準として示されている。これらの指標により、LLMの出力品質や実用性を総合的に評価する。
問題29：知識のカットオフ日が意味するものはどれか？
A) モデルが学習したデータの収集終了日
B) モデルが停止する日
C) モデルが自動更新される日
D) モデルが削除される日
正解：A
解説（引用：p. 知識のカットオフ日）
資料では「トレーニングに使用されたデータの収集終了日」と説明されている。カットオフ日以降の出来事や情報はモデルに反映されていない可能性がある。
問題30：Transformer が従来モデルより優れる理由として正しいものはどれか？
A) 自己注意機構で長距離依存を扱えるため
B) 計算量が少ないため
C) トークン化が不要なため
D) 文脈理解ができないため
正解：A
解説（引用：p. Transformer）
資料では「遠くに位置する単語同士の関係を捉え、長い文章でも文脈を正確に理解することができます」と説明されている。自己注意機構により長距離依存を扱える点が革新的である。