AIF-C01#13(fundamentals-generative-ai)
AIプラクティショナーが、大規模言語モデル（LLM）を使用してマーケティングキャンペーン向けのコンテンツを作成しています。生成されたコンテンツはもっともらしく、事実のように聞こえますが、実際には誤っています。 このLLMが抱える問題はどれですか？
正解：B
正解の根拠
ハルシネーション (Hallucination) は、LLM がもっともらしいが事実と異なる情報を生成する現象です。学習データに存在しない情報や曖昧なクエリに対して統計的に最も自然な応答を生成しようとすることで発生します。マーケティングコンテンツの事実誤認はこの典型例で、RAG や Guardrails、ファクトチェックで緩和します。
LLM の問題分類
| 問題 | 説明 |
|---|---|
| ハルシネーション | 事実無根のもっともらしい生成 |
| データ漏洩 | 機密情報の意図せぬ出力 |
| オーバーフィット | 訓練データへ過適合 |
| アンダーフィット | 学習不足 |
不正解の理由
- A: データ漏洩は訓練データの機密情報が出力に現れる現象で、事実誤認とは別概念です。
- C: オーバーフィットは訓練データに過剰適合する状態で、事実誤情報を生成する現象ではありません。
- D: アンダーフィットは学習不足で精度が低い状態を指し、事実無根の生成とは異なります。
コメント