AIF生成AIの基礎
大規模言語モデル（LLM）が、学習データに含まれていない架空の事実や存在しない情報を、もっともらしいトーンで生成してしまう現象を何と呼びますか？
Aデータポイズニング (Data Poisoning)
悪意のある攻撃者がモデルのトレーニングデータに意図的に不正・偏向データを混入させ、モデルの予測や出力を操作するサイバー攻撃の一種です。架空情報を生成するハルシネーションとは原因・性質が根本的に異なります。
Bトークン化 (Tokenization)
テキストをモデルが処理可能な最小単位（トークン）に分割し、数値ベクトルに変換するための前処理プロセスです。LLMの重要な入力処理ステップですが、架空情報を自信を持って生成するハルシネーションとは異なる概念です。
Cハルシネーション (Hallucination)
✓ 正解
LLMが学習データに含まれない架空の情報や事実と異なる内容を、あたかも正しいかのように自信を持って生成してしまう現象です。生成AIの信頼性上の重要課題であり、RAGやファインチューニングによる軽減が試みられています。
Dファインチューニング (Fine-tuning)
事前学習済みモデルを特定のタスクや用途に合わせて追加学習させる手法であり、モデルが架空情報を生成してしまう現象の名称ではありません。ファインチューニング自体はハルシネーション軽減の手段の一つでもあります。
解説
正解はCのハルシネーション（幻覚）です。LLMが学習データに含まれない架空の情報や事実と異なる内容を、あたかも正しいかのように自信を持って出力してしまう現象を指します。
選択肢Aのデータポイズニングは、悪意のある攻撃者がトレーニングデータに意図的に不正なデータを混入させ、モデルの動作を歪めるセキュリティ攻撃です。
選択肢Bのトークン化は、テキストをAIが処理可能な最小単位（トークン）に分割するプロセスです。
選択肢Dの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に合わせて再訓練する手法であり、現象名ではありません。
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 →