生成AIパスポート試験シラバス 改訂内容（2027年2月試験より適用）
章構成の見直し
- 第1章
- 旧シラバス：AI（人工知能）
- 新シラバス：AIの基礎と歴史
- 第2章
- 旧シラバス：生成AI（ジェネレーティブAI）
- 新シラバス：生成AI
- 第3章
- 旧シラバス：現在の生成AI（ジェネレーティブAI）の動向
- 新シラバス：AIエージェント
- 第4章
- 旧シラバス：情報リテラシー・基本理念とAI社会原則
- 新シラバス：生成AIのリスク予防・AI倫理・ガバナンス
- 第5章
- 旧シラバス：テキスト生成AIのプロンプト制作と実例
- 新シラバス：生成AIの実践と活用事例
章別の主な改訂内容
- 第1章：AIの基礎と歴史
- 改訂ポイント
- 従来のAIの定義や種類を中心とした構成を見直し、ルールベースと機械学習の違いや代表的な学習手法を整理。
- ニューラルネットワークの学習の仕組み、ディープラーニングの代表的なモデルや生成系AIとの関係まで内容を拡充。
- AIの歴史も技術の発展に沿って再構成し、生成AIやAIエージェントにつながる基礎領域を体系化。
- 改訂の意図
- 生成AIやAIエージェントなどAI技術が高度化・多様化する中で、土台にあるAIの基本的な考え方や技術のつながりを正しく捉えることが重要になっているため。
- 後続章で扱う生成AIやAIエージェントを断片的な知識としてではなく、AI技術の発展の延長線上で捉えられるよう基礎知識を再整理。
- 改訂ポイント
第1章：AIの基礎と歴史
AIの基本的な仕組み
- 学習項目
- AIとは
- ルールベースと機械学習
- ルールベースの限界と機械学習への発展
- 詳細キーワード
- AI（人工知能）
- ルールベース
- 機械学習
- ディープラーニング（深層学習）
機械学習
- 学習項目
- 機械学習とは
- 教師あり学習
- 教師なし学習
- 強化学習
- 半教師あり学習
- ノーフリーランチ定理
- 詳細キーワード
- 学習済みモデル
- 教師あり学習
- 教師データ
- 分類
- 回帰
- 二値分類
- 多値分類
- 正解率
- 教師なし学習
- クラスタリング
- 次元削減
- 強化学習
- 報酬
- 価値
- 方策
- 半教師あり学習
- ノーフリーランチ定理
- 機械学習
ニューラルネットワーク
- 学習項目
- ニューラルネットワークとディープラーニングの仕組み
- 重みの調整による学習の仕組み
- 過学習と対策
- 転移学習
- CNN
- RNN
- LSTM
- VAE
- GAN
- 識別系AIと生成系AIの違い
- 詳細キーワード
- 人間の脳とニューラルネットワーク
- ニューラルネットワーク
- 入力層
- 隠れ層
- 出力層
- 重み
- 活性化関数
- 損失関数
- 誤差逆伝播法（バックプロパゲーション）
- 勾配降下法
- 過学習（オーバーフィッティング）
- 汎化
- アーリーストッピング
- 正則化
- ドロップアウト
- 転移学習
- ファインチューニング
- CNN
- 畳み込み
- コンピュータビジョン
- RNN（再帰型ニューラルネットワーク）
- シーケンスデータ
- 勾配消失問題
- 勾配爆発問題
- LSTM
- Attention
- Transformerモデル
- VAE（変分オートエンコーダ）
- ノイズ
- エンコーダ
- デコーダ
- 潜在ベクトル
- GAN（敵対的生成ネットワーク）
- 生成器（Generator）
- 識別系AI
- 生成系AI
- ディープフェイク
- ディープラーニング（深層学習）
- 学習済みモデル
- 次元削減
AIの歴史
- 学習項目
- AI研究の始まり（ダートマス会議）
- 第一次AIブーム（探索と推論）
- 第二次AIブーム（知識表現・エキスパートシステム）
- 第三次AIブーム（機械学習・ディープラーニング）
- ディープラーニングから生成AIへ
- シンギュラリティと今後の展望
- 詳細キーワード
- ダートマス会議
- 第一次AIブーム
- 探索
- 推論
- 第二次AIブーム
- エキスパートシステム
- 知識ベース
- AIの冬
- 第三次AIブーム
- ビッグデータ
- 拡散モデル（Diffusion Model）
- シンギュラリティ（技術的特異点）
- 機械学習
- ディープラーニング（深層学習）
- Transformer
- LLM（大規模言語モデル）
第2章：生成AI
生成AIを支える技術革新(Transformer以降)
- 学習項目
- Transformer登場以後の派生モデルの系譜
- 拡散モデルの登場
- 基盤モデルとマルチモーダルモデル
- Transformerモデルの革命
- 詳細キーワード
- Self-Attention(自己注意機構)
- Query
- Key
- Value
- 並列処理
- 長距離依存
- 拡散モデル (Diffusion Model)
- 拡散過程
- 逆拡散過程
- 潜在拡散モデル (Latent Diffusion Model)
- 基盤モデル (Foundation Model)
- マルチモーダルモデル
- モダリティ
- エンコーダ
- デコーダ
- マルチモーダル
- Transformer
- 自然言語処理
生成AIの学習プロセス
- 学習項目
- 事前学習
- ファインチューニング
- RLHF
- 学習データの規模と課題
- スケーリング則
- 詳細キーワード
- 事前学習
- 次トークン予測
- トークン
- パラメータ
- ハルシネーション
- ファインチューニング
- 教師ありファインチューニング
- 指示チューニング (Instruction Tuning)
- ドメイン適応
- RLHF(人間のフィードバックによる強化学習)
- 報酬モデル
- バイアス
- スケーリング則 (Scaling Laws)
- 創発的能力
- 追加学習
- 人間の評価
- 学習データ
- データの品質
- 著作権
生成AIの生成(推論)プロセス
- 学習項目
- トークン化
- 埋め込みとベクトル表現
- 確率的な次トークン予測
- ハルシネーション
- 生成パラメータ (Temperature・Top-p)
- コンテキストウィンドウ
- 詳細キーワード
- トークン化
- サブワード
- 埋め込み(Embedding)
- ベクトル
- 確率分布
- ハルシネーション
- RAG (検索拡張生成)
- 生成パラメータ
- Temperature
- Top-p
- コンテキストウィンドウ
- トークン
LLM(大規模言語モデル)の基礎
- 学習項目
- LM (言語モデル)とは
- LLM (大規模言語モデル)とは
- オンプレミス/オープンソースLLM
- 詳細キーワード
- 言語モデル (LM: Language Model)
- 大規模言語モデル (LLM: Large Language Model)
- 創発的能力
- プロンプト(指示文)
- クラウド型LLM
- オンプレミスLLM
- データ主権
- オープンウェイト
- 自然言語処理
- オープンソースLLM
- ライセンス
ChatGPTと主要な生成AIモデルの動向
- 学習項目
- ChatGPTとは
- ChatGPT登場までの歴史(GPT-1~GPT-3.5)
- GPTモデルの進化(GPT-4~GPT-6 Astra)
- マルチモーダルモデルへの展開
- 推論モデルと推論時の計算
- Operator/Codex/Image Generation
- Gemini (Google)
- Claude (Anthropic)
- Copilot (Microsoft)
- 詳細キーワード
- マルチモーダル
- 推論モデル(Reasoning Model)
- 推論時の計算
- 思考の連鎖(Chain-of-Thought)
- 事前学習
- RLHF (人間のフィードバックによる強化学習)
- 推論
- コーディングエージェント
各モダリティの生成AI
- 学習項目
- 画像生成AI
- 音楽生成AI
- 音声生成AI
- 動画生成AI
- 詳細キーワード
- 画像生成AI
- インペインティング
- 電子透かし
- 来歴情報
- C2PA
- 音楽生成AI
- 音声生成AI
- ニューラルTTS (Text-to-Speech)
- Voice Cloning
- 動画生成AI
- ディープフェイク
- 拡散モデル
- 本人の同意
第3章：AIエージェント
AIエージェントとは
- 学習項目
- AIエージェントの定義
- 従来の生成AIとの違い
- ワークフロー型エージェントと自律型エージェント
- AIエージェントが注目される背景
- 自律性のレベル
- AIエージェントの役割
- 詳細キーワード
- AIエージェント
- ワークフロー型
- エージェント
- 自律型エージェント
- 推論モデル
- コンテキストウィンドウ
- Human-in-the-Loop
- 計画
RAG(検索拡張生成)
- 学習項目
- RAGとは
- RAGが必要とされる理由
- RAGの仕組み
- RAGの発展
- RAGのユースケース
- 主なRAGツール・フレームワーク
- 詳細キーワード
- RAG (Retrieval-Augmented Generation: 検索拡張生成)
- ハルシネーション
- 埋め込み(Embedding)
- ベクトルデータベース
- 意味的検索(セマンティック検索)
- リランキング
- ハイブリッド検索
- Advanced RAG
- クエリの書き換え
- Agentic RAG
- Graph RAG
- 知識グラフ
- チャンク分割
- メタデータ
- データサイロ
- 正確性
- 最新性
AIエージェントの仕組み
- 学習項目
- LLMを中核とした構成
- タスク分解と計画
- ツール実行
- 記憶(メモリ)とコンテキスト管理
- コンテキストエンジニアリング
- 推論と行動のフィードバックループ
- 詳細キーワード
- タスク分解と計画
- サブタスク
- Function Calling
- Tool Use
- 記憶(メモリ)
- 短期メモリ
- 長期メモリ
- コンテキスト管理
- コンテキストエンジニアリング
- システムプロンプト
- ガードレール
- 構造化出力
- フィードバックループ
- LLM(大規模言語モデル)
- 推論
- 観察
- 再計画
MCP-Agent Skillsと外部連携
- 学習項目
- MCP (Model Context Protocol)とは
- 外部ツール・データソースとの連携
- マルチエージェント・エージェント間連携 (A2A)
- Skills (エージェントスキル)とは
- 詳細キーワード
- MCP (Model Context Protocol)
- MCPサーバー
- 権限管理
- マルチエージェント
- サブエージェント
- A2A (Agent-to-Agent)
- Agent Skills (エージェントスキル)
- データソース
- アクセス権限
AIエージェントのツールと活用事例
- 学習項目
- コーディングエージェント
- ハーネスエンジニアリング
- ブラウザ操作・PC操作エージェント
- リサーチ・業務自動化エージェント
- 業務への導入事例
- 詳細キーワード
- コーディングエージェント
- プルリクエスト
- ハーネスエンジニアリング
- プロンプトエンジニアリング
- コンテキストエンジニアリング
- ディープリサーチ
- コード生成
- 役割分担
AIエージェントのリスク・安全性・評価
- 学習項目
- 権限の過剰付与のリスク
- 連鎖的なエラーの拡大
- プロンプトインジェクション
- 具体的なトラブル事例
- 安全に使うための原則
- AIエージェントの評価
- 詳細キーワード
- 最小権限の原則
- サンドボックス
- ホワイトリスト
- 連鎖的なエラー
- Human-in-the-Loop
- プロンプトインジェクション
- 多層防御
- Eval
- 継続的なモニタリング
- 権限の過剰付与
- アクセス範囲
- 情報漏えい
- ガードレール
- 安全性
第4章：生成AIのリスク予防・AI倫理・ガバナンス
生成AI利用者の基本マインドセット
- 学習項目
- 生成AIを安全に使うための基本姿勢
- 検索エンジンと生成AIの違い
- AIは補助者であり、最終責任は人間にある
- AIの出力を鵜呑みにしてはいけない理由
- 生成AIを使ってよい場面・慎重に使う場面・避けるべき場面
- AIを使うリスクと、AIを使わないリスク
- AI時代に求められる人間の役割
- 詳細キーワード
- 検索エンジン
- 一次情報
- 主体性
- 文脈理解
- 判断
- 出力の検証
- 利用目的
- ハルシネーション
- バイアス
- 用途と影響度
- 専門家への確認
- AIを使わない判断
- 批判的思考
生成AIの代表的リスク
- 学習項目
- 生成AIに潜むリスクの全体像
- ハルシネーション
- 情報漏えいリスク
- 個人情報・プライバシー侵害リスク
- 著作権・知的財産権侵害リスク
- 肖像権・パブリシティ権侵害リスク
- 名誉毀損・信用毀損・炎上リスク
- 差別・偏見・バイアスのリスク
- ディープフェイクによるなりすましリスク
- フィッシング・詐欺・サイバー攻撃への悪用
- 自律型AIエージェントの想定外の挙動・プロンプトインジェクション
- 詳細キーワード
- ハルシネーション
- 情報漏えい
- 個人情報
- プライバシー侵害
- 著作権
- 知的財産権
- 肖像権
- パブリシティ権
- 名誉毀損
- 信用毀損
- 炎上
- 差別
- 偏見
- バイアス
- ディープフェイク
- なりすまし
- フィッシング
- マルウェア
- 脆弱性探索
- 自律型AIエージェント
- プロンプトインジェクション
- 権利侵害
- ファクトチェック
- 機密情報
- 入力データの取扱い
- 著作権侵害
- 利用許諾
- 本人の同意
- ソーシャルエンジニアリング
- 多要素認証
- 人間による確認・承認
シャドーAIと企業コンプライアンス
- 学習項目
- シャドーAIとは
- シャドーAIが発生する理由
- シャドーAIの具体例
- 承認されていないAIツールを業務利用する危険性
- シャドーAIが組織と従業員にもたらす影響
- 従業員が守るべき利用ルール
- 生成AIを安全に使うための会社と従業員の役割
- 詳細キーワード
- シャドーAI
- シャドーIT
- 承認済みツール
- 個人アカウント
- 未承認ツール
- ブラウザ拡張機能
- アクセス管理
- 利用履歴
- 情報漏えい
- トレーサビリティ
- 入力可能な情報
- 出力確認
AI出力の評価と検証
- 学習項目
- 承認されたAIでも出力確認が必要な理由
- 用途と影響度に応じた検証レベル
- ファクトチェック: 事実・数値・出典・最新情報の確認
- 妥当性レビュー:前提・論理・抜け漏れの確認
- 表現・権利・個人情報・機密情報の確認
- 採用・修正・破棄・専門家確認の判断
- 詳細キーワード
- 検証レベル
- ファクトチェック
- 一次情報
- 妥当性レビュー
- 採用
- 修正
- 破棄
- 専門家確認
- 人間による確認
- 誤情報
- 権利侵害
- 影響度
- 前提条件
- 抜け漏れ
- 適切な表現
- 第三者の権利
- 個人情報
- 機密情報
- 差別・偏見
- 公開範囲
個人情報・プライバシー・秘密保持
- 学習項目
- 個人情報・プライバシー・秘密保持の違い
- 個人情報保護法と生成AI利用の関係
- 個人情報とは何か
- 個人識別符号
- 要配慮個人情報と機微情報
- 個人情報の利用目的・本人同意・第三者提供
- 個人情報は加工すれば生成AIに入力できるのか
- 業務で注意すべき個人情報の具体例
- 企業機密・秘密情報を生成AIに入力するリスク
- AIの出力・要約・共有に情報が残るリスク
- 情報漏えい等が起きたときの対応
- 詳細キーワード
- 個人情報
- プライバシー
- 秘密保持
- 個人情報保護法
- 個人データ
- 個人識別符号
- 要配慮個人情報
- 機微情報
- 利用目的
- 本人同意
- 第三者提供
- 委託
- 匿名加工情報
- 仮名加工情報
- マスキング
- 営業秘密
- 不正競争防止法
- 秘密保持契約（NDA）
- 秘密管理性
- 有用性
- 非公知性
- 学習への利用
- 顧客情報
- 企業機密
- 共有範囲
- アクセス権限
著作権・知的財産・生成物の権利
- 学習項目
- 生成AIと知的財産権の全体像
- 著作権と著作物の基本
- 著作者人格権とは
- 著作権侵害とAI生成物の類似リスク
- AI学習と著作権
- 第三者コンテンツをAIに入力するリスク
- 引用・転載・要約・翻案の違い
- 商標権・意匠権・特許権
- 肖像権・パブリシティ権
- AIサービスの利用規約・ライセンス・透明性
- 商用利用・社外公開前に確認すべきこと
- AI生成物の権利帰属と人の創作的関与
- 詳細キーワード
- 知的財産
- 著作権
- 著作権法
- 著作物
- 著作者人格権
- 複製権
- 翻案権
- 著作権侵害
- 類似性
- 依拠性
- 権利制限規定
- 第三者コンテンツ
- 引用
- 転載
- 要約
- 翻案
- 商標権
- 意匠権
- 特許権
- 肖像権
- パブリシティ権
- 利用規約
- ライセンス
- OSS（オープンソースソフトウェア）
- 商用利用
- 職務著作
- 創作意図
- 創作的寄与
- AI生成物
- 知的財産権
- 利用許諾
- 提供事業者の透明性
- 創作的な表現
- 人格的利益
- 顧客吸引力
- 本人の同意
- 透明性
- AI生成物の著作物性
AI倫理とAI事業者ガイドライン
- 学習項目
- AI倫理・ELSIとは
- AI事業者ガイドラインと人間中心のAI
- 安全性・公平性：人への不利益を防ぐ
- プライバシー保護とセキュリティ確保
- 透明性・アカウンタビリティ：説明と責任
- 教育・リテラシー：AIを適切に使うために
- 公正競争とイノベーション
- 高度なAIシステムと影響に応じたリスク管理
- 偽情報・偏りと情報拡散のリスク
- 雇用・教育・格差・環境への影響
- 詳細キーワード
- AI倫理
- ELSI（Ethical, Legal and Social Issues）
- AI事業者ガイドライン
- 人間中心
- 安全性
- 公平性
- プライバシー保護
- セキュリティ確保
- 透明性
- アカウンタビリティ
- 教育・リテラシー
- 公正競争確保
- イノベーション
- 高度なAIシステム
- 偽情報
- 誤情報
- 誤送信
- エコーチェンバー
- フィルターバブル
- デジタルタトゥー
- 人間の尊厳
- 自律
- 人や社会への影響
- 人間による監督
- バイアス
- プロンプトインジェクション
- 責任体制
- 過度な依存
- 環境負荷
- 計算資源
AIガバナンスと社内ガイドライン
- 学習項目
- AIガバナンスとは
- 社内ガイドラインに盛り込む基本項目
- AIツールを選定する際の確認項目
- AIツールのレベル分けと入力情報のルール
- 新しいAIツールの申請と承認フロー
- AIが出力したデータの取り扱い
- API・AIエージェント利用時のコスト・利用量の管理
- 社内ルールを定着させる体制と教育
- モニタリングと継続的な見直し
- 詳細キーワード
- AIガバナンス
- アジャイル・ガバナンス
- 社内ガイドライン
- APIキー
- レート制限
- 利用ログ
- モニタリング
- インシデント対応
- データの保存・処理場所
- 通信経路
- データ移転
- SLA
- ISMS（ISO/IEC 27001）
- SOC 2
- シングルサインオン（SSO）
- 多要素認証
- 閉域網
- オンプレミス
- ローカルLLM
- アクセス管理
- 提供事業者の透明性
- 入力可能な情報
- 承認済みツール
- 利用目的
- コスト管理
AI法・国際ルール・AI安全保障
- 学習項目
- AI法とは：制定の背景と基本構造
- AI基本計画と国・事業者・利用者の役割
- イノベーション促進とリスク対応の両立
- AI法・ガイドライン・既存法令の関係
- G7広島AIプロセスと海外のAI規制動向
- AIと安全保障
- 国産AI・国内基盤モデル・AI人材の重要性
- 継続的な情報収集とリスキリングの重要性
- 詳細キーワード
- AI法
- 人工知能関連技術の研究開発及び活用の推進に関する法律
- AI基本計画
- AI戦略本部
- 適正性確保指針
- G7広島AIプロセス
- 国際指針
- 国際行動規範
- EU AI Act（EU AI規則）
- リスクベース・アプローチ
- 安全保障
- 重要インフラ
- 国産AI
- 国内基盤モデル
- AI人材
- レジリエンス
- リスキリング
- ソフトロー
- サイバーセキュリティ
第5章：生成AIの実践と活用事例
プロンプトエンジニアリング
- 学習項目
- プロンプトエンジニアリングとは
- プロンプトの基本構成要素
- Zero-Shotプロンプティング
- Few-Shotプロンプティング
- Chain-of-Thought（思考の連鎖）
- 役割設定・出力形式の指定
- 具体度のコントロール
- 詳細キーワード
- プロンプトエンジニアリング
- 対話的な改善
- プロンプト
- Zero-Shot（ゼロショット）プロンプティング
- Few-Shotプロンプティング
- Chain-of-Thought（思考の連鎖）
- In-Context Learning（文脈内学習）
文書作成・コミュニケーション業務での活用
- 学習項目
- ビジネスメール・各種ビジネス文書の作成
- 文章の校正・添削・整形
- 文章の要約・対象読者やトーンの変更
- 議事録の作成・要点抽出
- 翻訳・多言語コミュニケーション
- プレゼンテーションスライドの作成
- 詳細キーワード
- 事実確認
- 校正
- 添削
- 整形
- 要約
- 要点抽出
- 文字起こし
- 議事録
- 翻訳
- スライドの作成
企画・マーケティング業務での活用
- 学習項目
- キャッチコピー・広告コピーの作成
- 企画立案・ブレインストーミング・壁打ち
- アンケートの設計と分析
- SNS投稿・コンテンツ制作
- ランディングページの作成
- 市場・競合リサーチ
- 詳細キーワード
- ブレインストーミング
- バイアス
- LP（ランディングページ）
- デプロイ
- ハルシネーション
- ディープリサーチ
- キャッチコピー
- SNS投稿
- 市場・競合リサーチ
- 一次情報
クリエイティブ制作での活用
- 学習項目
- 画像・ビジュアル素材の生成
- 動画コンテンツの生成・編集
- ナレーション・音声・BGMの生成
- ロゴ・デザイン案・モックアップの作成
- 既存素材のバリエーション展開・多言語ローカライズ
- 詳細キーワード
- 画像生成AI
- 動画生成AI
- 音声生成AI
- TTS（Text-to-Speech）
- モックアップ
- 権利関係の確認
- 一貫性
- ライセンス条件
データ分析・リサーチ業務での活用
- 学習項目
- データの整形・分類
- 表・データの集計と可視化
- 大量文書からの情報抽出・要約
- ディープリサーチ：複数ソースを横断調査
- 定例レポートの自動生成
- 詳細キーワード
- RAG（検索拡張生成）
- 検算
- ディープリサーチ
- ワークフロー型エージェント
- データの整形
- 分類
- 個人情報
- 集計
- 一次情報
開発・業務自動化での活用
- 学習項目
- コーディング・アプリ開発
- 既存システム・コードベースの調査とリファクタリング
- 定型業務の自動化
- ブラウザ操作・Web上の手続きの自動化
- 複数ツール・複数ステップを横断する複合タスクの自動化
- 詳細キーワード
- コーディングエージェント
- コードベース
- リファクタリング
- コンテキストウィンドウ
- MCP
- フィードバックループ
- コードの生成
- コードレビュー
- ライセンス
- アプリ開発
- セキュリティ
- 定型業務の自動化
- ブラウザ操作
- 権限
- タスク分解
業種別に見る生成AI活用
- 学習項目
- 規制・機密性が重視される業種
- 現場・ものづくりを支える業種
- 顧客接点・コンテンツ制作の業種
- 業種を問わず共通する成功のポイント
- 詳細キーワード
- AX（AIトランスフォーメーション）
- DX（デジタルトランスフォーメーション）
- 機密情報
- 専門家による確認
- 安全性
- コンテンツ制作
- 個人情報
- 公平性
- ツールの選定
コメント