基盤モデル

基盤モデルは、膨大なデータを用いて事前学習され、多様なタスクに適用可能な大規模なモデルを指します。特定のタスクに特化するのではなく、汎用的な基礎能力を持つことが特徴です。トランスフォーマーアーキテクチャの登場により急速に発展しました。

一度モデルを構築すれば、少量の追加学習やプロンプトの調整だけで、翻訳、文章生成、画像認識など幅広い用途に利用できます。開発コストや学習時間を大幅に削減できるため、現在の生成AI開発の核となっています。

G検定では、従来の特化型AIとの違いや、汎用性の高さが重要視されます。モデルのスケールが大きくなるほど性能が向上するスケーリング則も関連して問われます。また、ファインチューニングの対象としての役割も認識が必要です。