Google Cloud Generative AI Leader の練習問題（当サイト作成）

正解：ウ（LLM は基盤モデルの一種であり、基盤モデルにはテキスト以外のデータで学習したモデルも含まれる。）　当サイトの解答

• ア × 誤り 包含関係を逆に覚えた

  包含関係が逆です。LLM が基盤モデルの一種で、基盤モデルの中にはテキスト以外で学習したものがあります。

• イ × 誤り 「LLM」と「基盤モデル」を同義語として覚えた

  二つを同じ意味と見なす誤りです。説明では、すべての LLM は基盤モデルですが、すべての基盤モデルが LLM ではありません。

• ウ ○ 正しい

  基盤モデルは、大量のデータで事前学習し、幅広い作業に適応できるモデルです。LLM はその代表的な種類で、画像・音声・動画などで学習したモデルも基盤モデルに含まれます。

• エ × 誤り 基盤モデルを生成 AI の別名で、テキスト専用のものと考えた

  基盤モデルは生成 AI の土台になる技術ですが、生成 AI と同じ言葉ではありません。コンピュータビジョンのモデルも、基盤モデルの種類として挙げられています。

正解：ア（モデルが事実や現実の知識に結びついておらず（グラウンディングの不足）、もっともらしいが事実でない出力を作った。）　当サイトの解答

• ア ○ 正しい

  説明では、学習データの不足や偏りのほか、グラウンディングの不足が要因に挙げられています。事実と結びつかないままだと、もっともらしいが事実でない出力や、存在しないリンクを作ることがあります。

• イ × 誤り AI が意図的に嘘をつくと考えた

  モデルに意図はありません。誤りは、学習データやグラウンディングの不足などから起きる、予測の誤りとして説明されています。

• ウ × 誤り 入力の短さだけが原因と考えた

  プロンプトの短さだけが原因とは説明されていません。要因は、学習データの質や、グラウンディングの不足などです。

• エ × 誤り 情報の古さが原因と考えた

  この例は、元の記事にない詳細を足した誤りです。検索結果の古さは要因として挙げられておらず、要因は学習データの質やグラウンディングの不足などです。

正解：エ（目標に向けて、計画を立て、必要な道具を使って複数の手順を自律的に進める。）　当サイトの解答

• ア × 誤り エージェントとアシスタントを同じものと考えた

  これは AI アシスタントの説明です。アシスタントは依頼に応じて動き、行動の判断は利用者が行います。

• イ × 誤り エージェントとボットを同じものと考えた

  これはボットの説明です。ボットは決められたルールに従い、学習や判断の幅が限られます。

• ウ × 誤り 確認を挟む支援の形を、エージェントの特徴と考えた

  これもアシスタントの特徴です。アシスタントは依頼に応じて動き、意思決定は利用者が行います。エージェントは目標のために自律的に動きます。

• エ ○ 正しい

  説明では、エージェントは目標のために推論・計画・行動し、複数のステップを自律的に進めるものです。

正解：イ（Model Garden）　当サイトの解答

• ア × 誤り 製品名が似ているものを、モデルの選択先と考えた

  Gemini Code Assist は、開発者のコード作成を助けるアシスタントです。モデルを比べて選ぶ場所ではありません。

• イ ○ 正しい

  Model Garden では、Google と Google パートナーの 200 以上のモデルを選べると案内されています。

• ウ × 誤り 検索サービスをモデルの入手先と考えた

  Google 検索は、モデルを選ぶための場所ではありません。

• エ × 誤り データ基盤をモデルの入手先と考えた

  BigQuery は大規模なデータを扱うサービスで、モデルを選ぶ場所ではありません。

正解：ウ（Gemini Code Assist）　当サイトの解答

• ア × 誤り モデルの選択先を、開発支援のツールと考えた

  Model Garden は、モデルを選ぶための場所です。エディタの中でコードを支援する製品ではありません。

• イ × 誤り Gemini の名が付く製品を、どれも同じ用途と考えた

  Gemini Enterprise は、メールや文書など職場の業務全般で使う Gemini です。エディタ内のコード支援が目的の製品ではありません。

• ウ ○ 正しい

  Gemini Code Assist は、VS Code や JetBrains などの一般的なコードエディタで、開発の速度や品質、安全性を助けます。

• エ × 誤り モデルを呼び出す API を、エディタ内の支援と考えた

  Gemini API は、アプリから Gemini のモデルを呼び出すためのものです。エディタの中でコードを支援する製品ではありません。

正解：ア（Gemini は各人の既存の権限の範囲で動き、承認されたセキュリティの下で、監査記録も残る。）　当サイトの解答

• ア ○ 正しい

  説明では、Gemini は各人の既存の権限で動き、セキュリティ担当の承認を受け、完全な監査記録を残します。

• イ × 誤り AI の導入には、アクセス権の見直しが先に必要と考えた

  権限を外す必要があるとは説明されていません。既存の権限の範囲で動きます。

• ウ × 誤り AI は人の権限の外で動くと考えた

  権限とは無関係に動くのではなく、各人の既存の権限に従って動きます。

• エ × 誤り AI は管理者だけの道具と考えた

  管理者専用ではありません。社員が自分の仕事で使うものとして説明されています。

正解：エ（マルチモーダルで、画像などの入力を理解し、文字の抽出や JSON への変換ができる。）　当サイトの解答

• ア × 誤り 生成 AI をテキスト専用と考えた

  Gemini はテキストだけのモデルではありません。テキスト・画像・動画・コードなどの入力を扱えます。

• イ × 誤り 生成 AI を検索と同じものと考えた

  Gemini は文章や画像を生成できるモデルで、検索結果を返すだけのものではありません。

• ウ × 誤り 入力は多様でも、出力の種類は限られると考えた

  Gemini は画像を理解して、文字の抽出や JSON への変換もできます。出力は画像に限られません。

• エ ○ 正しい

  Gemini はマルチモーダルなモデルで、画像から文字を取り出して JSON に変換する、といった試し方が案内されています。

正解：イ（質問のたびに最新の社内文書を検索し、その内容を渡して答えさせる（RAG）。）　当サイトの解答

• ア × 誤り 最新にするには学習し直しが必要と考えた

  説明では、最新の情報をモデルに与える方法として RAG が挙げられていて、学習し直す方法は挙げられていません。

• イ ○ 正しい

  RAG は、外部の知識ベースなどから情報を検索し、モデルに渡して答えさせます。古い学習データに頼らず、最新の情報で答えさせることができます。

• ウ × 誤り 指示の工夫で知識の古さを補えると考えた

  言葉づかいを変えても、モデルが知らない最新の規則は補えません。

• エ × 誤り モデルの大きさが回答の古さの原因と考えた

  モデルの大きさを変えても、最新の社内文書は反映されません。

正解：ウ（少数ショットプロンプト（マルチショット））　当サイトの解答

• ア × 誤り 例を付ける方法と付けない方法を取り違えた

  ゼロショットは、例を付けずに指示や質問だけを渡す方法で、例を入れる方法とは逆です。

• イ × 誤り 推論の手順を示すことと、入出力の例を示すことを混同した

  思考の連鎖は、複雑な推論を中間の段階に分けて答えさせる方法です。例を示す方法とは別のものです。

• ウ ○ 正しい

  少数ショットは、望む入力と出力の例をいくつか示してから本題を渡し、モデルがタスクを理解しやすくします。

• エ × 誤り 外部の情報を渡すことと、例を渡すことを混同した

  RAG は、外部の情報を検索して渡す方法で、入力と出力の例を示す方法ではありません。

正解：ア（設計から導入、運用まで、適切な人による監督・テスト・監視を組み込む。）　当サイトの解答

• ア ○ 正しい

  AI 原則では、設計・テスト・展開・改善の全期間にわたり、適切な人による監督、テスト、監視、安全策を取り入れることが挙げられています。

• イ × 誤り 導入前の精度確認だけで十分と考えた

  導入前の確認だけでは足りません。AI 原則は、公開後の監視や是正も含めた全期間の取り組みを示しています。

• ウ × 誤り 自動化するほど責任ある運用になると考えた

  原則は、適切な人による監督を挙げています。申し込み審査のように利用者に影響する判断では、速さより監督が求められます。

• エ × 誤り リスクの見直しは1回で足りると考えた

  原則は、公開後を含め、リスクの特定と見直しを続けることを示しています。