AIF基盤モデルのアプリケーション
テキストデータをベクトル表現に変換し、検索システムやRAG（検索拡張生成）における意味的検索（セマンティック検索）を可能にするモデルのタイプはどれですか？
A埋め込みモデル (Embeddings Models)
✓ 正解
埋め込みモデル（例：Amazon Titan Text Embeddings）は、テキストを高次元の数値ベクトルに変換します。ベクトル間の距離でキーワードではなく意味の近さを測るセマンティック検索を実現し、RAGの検索フェーズで中心的な役割を担います。
Bテキスト生成モデル (Text Generation Models)
テキスト生成モデル（例：Claude・Amazon Titan Text）は、プロンプトを入力として自然な文章やコードを生成するモデルです。RAGの生成フェーズで活用されますが、データをベクトルに変換してセマンティック検索を可能にする機能は持ちません。
C画像生成モデル (Image Generation Models)
画像生成モデル（例：Stable Diffusion・Amazon Titan Image Generator）は、テキストプロンプトなどを入力として新しい画像を生成します。テキストをベクトルに変換して意味的類似度で検索可能にする埋め込みモデルとは機能・用途が全く異なります。
D音声合成モデル (Text-to-Speech Models)
音声合成モデル（Text-to-Speech、例：Amazon Polly）は、テキストを人間の音声データに変換するモデルです。データを高次元ベクトルに変換してセマンティック検索やRAGシステムを構築する用途には使用できません。
解説
正解はAの埋め込みモデル（Embeddings Models）です。埋め込みモデル（例：Amazon Titan Text Embeddings）は、テキストや画像などのデータを高次元の数値ベクトルに変換します。ベクトル間の距離（コサイン類似度など）を算出することで、キーワードの完全一致ではなく意味・文脈の近さを基準に検索するセマンティック検索が可能となり、RAG（Retrieval-Augmented Generation：検索拡張生成）アーキテクチャの核心を成します。
選択肢Bのテキスト生成モデルは、与えられたプロンプトから新たな文章を生成するモデルです。RAGでは生成フェーズで使われますが、データをベクトルに変換して検索可能にする機能は持ちません。
選択肢Cの画像生成モデルは、テキストプロンプトなどを入力として新しい画像を生成するモデルです。データのベクトル変換や意味的検索の役割は担いません。
選択肢Dの音声合成モデル（Text-to-Speech）は、テキストを音声データに変換するモデルです（例：Amazon Polly）。セマンティック検索やRAGアーキテクチャには使用されません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →