Generative AI Test 2024#1 試験を受けようと思っています。
去年は忙しくて受験を忘れてた…。
「JDLA Generative AI Test」オンライン説明会（過去出題問題解説あり）を視聴したところ「とにかくシラバスにある用語を調べよ」とのことでしたので、今後1つ1つ調べて行こうと思います。
とりあえず以下のシラバスにある用語を並べてみた。
生成AIの技術
特徴
大規模言語モデルの基本構造を理解している。
- 基盤モデル
- 言語モデル
- 大規模言語モデル (LLM)
- トランスフォーマー (Transformer)
- アテンション (Attention)
- GPT-3
大規模言語モデルにおけるモデルの学習方法を理解している。
- 教師あり学習
- 自己教師あり学習
- 事前学習
- ファインチューニング
大規模言語モデルのアラインメントを理解している。
- アラインメント (Alignment)
- 人間のフィードバックによる学習
- インストラクション・チューニング (Instruction Tuning)
大規模言語モデルにおける生成の仕組みを理解している。
- コンテキスト内学習 (In-Context Learning)
- Zero-Shot
- Few-Shot
- Chain-of-Thought
- サンプリング手法
大規模言語モデルの性能評価について知っている。
- リーダーボード
- ベンチマーク
動向
テキスト、画像、音声等の生成モデルの技術動向を俯瞰して理解している。
- 条件付き生成
- 拡散モデル (Diffusion Model)
大規模言語モデルのオープン化の動向と原因について理解している。
- オープンコミュニティ
- オープン大規模言語モデル
- オープンデータセット
- オープンソース
- 量子化や蒸留による推論の効率化
大規模言語モデルの性能を決める要素の動向と原因について理解している。
- スケーリング則 (Scaling Laws)
- データセットのサイズ
- データセットの質
- モデルのパラメーター数
- 計算資源の効率化
- LoRA
- GPU
大規模言語モデルのマルチモーダル化の動向と原因について理解している。
- マルチモーダル
大規模言語モデルの外部ツール・リソースの利用の動向と原因について理解している。
- 学習データの時間的カットオフ
- 大規模言語モデルの知識
- 大規模言語モデルの不得意タスク
生成AIの利活用
特徴
生成AIには何ができるのかを理解している。
- ケイパビリティ
生成AIをどのように使うのかを理解している。
- 活用事例
生成AIの性能を拡張する使い方を理解している。
- プロンプトエンジニアリング
動向
生成AIの新たな活用方法を生み出すためのアプローチを理解している。
- ハッカソン
- 自主的なユースケース開発
- インターネット・書籍
- 活用の探索
生成AIの活用を制限する要因を理解している。
- 生成AIの学習データ
- 生成AIの性能評価
- 生成AIの言語能力
業界に特化した生成AIの活用方法を理解している。
- LLMを利用したサービス (ChatGPT, Bard, Claude など)
- RAG (Retrieval-Augmented Generation)の利用
- エージェント・コード生成
- 外部ツール呼出し
- 広告クリエイティブへの応用
- ドメイン固有
生成AIのリスク
特徴
生成AIが、技術面・倫理面・法令面・社会面などで多様なリスクを孕むことを理解している。
- 正確性
- ハルシネーション (Hallucination)
- セキュリティ
- 公平性
- プライバシー
- 透明性
- 悪用
- 誤情報の拡散
- プロンプトインジェクションなどの敵対的プロンプト
- 特定の生成AIサービスへの依存
- 環境問題
生成AIの入力（データ）と出力（生成物）について注意すべき事項を理解している。
- 著作権
- 個人情報
- 機密情報
- 商用利用
- 利用規約
動向
生成AIについて、現時点では認識されていない新たなリスクの出現とそれに伴う規制化の可能性を理解している。
- 新たなリスク
- 規制化
- 情報収集
生成AIの活用に伴うリスクを自主的に低減するための方法を把握している。
- 自主対策
1日1つの単語を調べていけば…。
いや、それじゃあ時間が足りないか！