マスメ

マスメ > 試験ガイド > ITパスポートのAI・生成AIの出題範囲

ITパスポートのAI・生成AIの出題範囲

最終更新: ・ 提供: Certloom Learning(独立した学習サイト)

ITパスポートのAIの範囲は、テクノロジ系の小分類35「情報に関する理論」(AIの技術)と、ストラテジ系の小分類14「ビジネスシステム」(AIの利活用)が中心です。ほかにも、知的財産権、情報倫理、調達、サービスデスク、情報セキュリティなど合わせて9つの小分類にAIの記述があります。シラバスの改訂履歴によると、IPAはVer.6.2(令和5年8月)で生成AIに関する項目と用語例を追加しました。

AIはシラバスのどの小分類に出てくる?

シラバスVer.6.5の本文で「AI」や関連用語が出てくる小分類を、系の順に並べました。記述の多い小分類14と35から学ぶと、ほかの小分類の記述も理解しやすくなります。

小分類中分類(系)AIに関する主な記述
1 経営・組織論企業活動(ストラテジ系)AIの進化が促す社会の変化、人間の知的活動とAIの進化との関係
4 知的財産権法務(ストラテジ系)AIが学習に使うデータと生成したデータを、著作権と産業財産権の観点で扱う注意点
7 その他の法律・ガイドライン・情報倫理法務(ストラテジ系)学習データと生成データを、個人情報保護、プライバシー、秘密保持の観点で扱う注意点
14 ビジネスシステムビジネスインダストリ(ストラテジ系)AIの利活用:原則と指針、活用領域と目的、利活用するうえでの留意事項
19 業務プロセスシステム戦略(ストラテジ系)活用例として、AIによる顧客の行動や感情の分析、業務プロセスの自動化
24 調達計画・実施システム企画(ストラテジ系)用語例「AI・データの利用に関する契約ガイドライン」
29 サービスマネジメントシステムサービスマネジメント(マネジメント系)チャットボット、AIOps、AIを活用したサービスデスクの運用
35 情報に関する理論基礎理論(テクノロジ系)AIの技術:機械学習、ニューラルネットワーク、ディープラーニング、LLMなど
61 情報セキュリティセキュリティ(テクノロジ系)攻撃手法として、プロンプトインジェクション攻撃、敵対的サンプル

このほか、小分類2「業務分析・データ利活用」には、データサイエンス、ビッグデータ分析、テキストマイニングなど、AIの前提になるデータ活用の項目があります。

AIの技術ではどんな用語を覚える?(小分類35)

小分類35の説明は、自然言語処理や音声・画像の認識と合成などのAI技術について、基本的な考え方、仕組み、基盤モデル、特徴を理解することを求めています。用語例を、学ぶ順に並べ直して定義をまとめました。

用語意味
ルールベース人が書いた「もし〜なら〜する」という規則に従って判断する方式。規則にない状況には対応できません。
機械学習データから規則やパターンをコンピュータ自身に学ばせる方法の総称です。
教師あり学習正解(ラベル)付きのデータで学び、売上やり患の予測など、未知のデータの答えを当てる方法です。
教師なし学習正解のないデータから似たもの同士をまとめるなど、構造を見つける方法です。顧客のグループ分けが例です。
強化学習試行錯誤の結果に与えられる報酬が最大になるように、行動の選び方を学ぶ方法です。自動走行の制御などに使われます。
特徴量学習に使う、データの特徴を数値で表したものです。
ニューラルネットワーク人間の脳の神経細胞のつながりをまねた計算モデルです。
バックプロパゲーション(誤差逆伝播法)出力と正解の誤差を出力側から入力側へさかのぼらせ、重みを調整する学習の方法です。
活性化関数ニューロンが受け取った値を、次へどう伝えるかを決める関数です。
ディープラーニング層を深く重ねたニューラルネットワークによる機械学習です。特徴量を人が細かく指定しなくても学習できます。
過学習学習データに合わせすぎて、未知のデータでは精度が落ちる状態です。
事前学習大量のデータで汎用的な知識を先に学ばせておくことです。
ファインチューニング事前学習済みのモデルを、目的に合わせた比較的少ないデータで追加学習させて調整することです。
転移学習ある課題で学習したモデルの知識を、別の関連する課題に使い回す方法です。
CNN(畳み込みニューラルネットワーク)画像の特徴を取り出すのに向いた構造で、画像認識に使われます。
RNN(リカレントニューラルネットワーク)前の時点の情報を次に引き継ぐ構造で、文章や音声などの時系列データに向いています。
GAN(敵対的生成ネットワーク)データを作る生成側と、本物か見分ける識別側を競わせて、本物らしいデータを作れるようにする仕組みです。
LLM(大規模言語モデル)大量の文章から言葉のつながりを学んだモデルで、文章の生成や要約、質問への回答などを行います。
プロンプトエンジニアリングモデルを追加学習させずに、指示文(プロンプト)の書き方を工夫して望む出力を得る技術です。

ファインチューニングとプロンプトエンジニアリングは、どちらも出力を目的に合わせる方法ですが、モデル自体を追加学習させるかどうかで区別します。

生成AIの活用と特徴は何が問われる?(小分類14)

小分類14の「AIの活用領域及び活用目的」には、生成AIに関する用語例と活用例が並んでいます。

用語意味
特化型AI画像による検品や翻訳など、特定の課題に限って能力を発揮するAIです。
汎用AI分野を限らず、さまざまな課題に人間のように対応できることを目指すAIです。
生成AI学習したデータをもとに、文章、画像、音声、プログラムなどの新しいデータを作り出すAIです。
マルチモーダルAI文章、画像、音声など種類の違うデータを組み合わせて扱えるAIです。写真を見せて文章で質問できるのが例です。
AIアシスタント利用者の指示を受けて、調べものや予定管理などの作業を手伝うAIです。
ランダム性生成AIが次の語を確率に基づいて選ぶため、同じ入力でも出力が毎回変わることがある性質です。

シラバスは生成AIの活用例として、文章の添削・要約、アイディアの提案、科学論文の執筆、プログラミング、画像生成を挙げています。また、AIの利活用目的として、仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替が示されています。活用例の「教師あり学習による予測」「教師なし学習によるグルーピング」「強化学習による制御」は、小分類35の学習方法と結び付けて覚えると整理できます。

AIを使うときの留意事項は何がある?

小分類14の「AIを利活用する上での留意事項」では、AIの出力に誤った情報、偏った情報、古い情報、悪意ある情報(差別的表現など)、出典の分からない情報が含まれる可能性と、出力に人間が関与する必要性が書かれています。

用語意味
ハルシネーション生成AIが、事実と異なる内容や存在しない情報を、もっともらしく出力してしまう現象です。公的な資料などの一次情報で確認してから使います。
説明可能なAI(XAI)どの要素が判断に影響したかなど、AIの判断の根拠を人間が理解できる形で示す技術や考え方です。
ヒューマンインザループ(HITL)AIの処理の途中に人間の確認や判断を組み込み、AIの誤りを人が補正できるようにする考え方です。
アルゴリズムのバイアス学習データの偏りや設計の仕方によって、AIの判断が特定の人や集団に不公平になることです。
AI利用者の関与によるバイアス利用者の入力や使い方によって、出力が偏ってしまうことです。
AIサービスの責任論AIの判断で損害が出たとき、開発者、提供者、利用者の誰がどう責任を負うかという議論です。
トロッコ問題誰かを助けるために別の誰かを犠牲にするかを問う思考実験で、自動運転の判断基準の議論で取り上げられます。
ディープフェイクAIで作った、本物そっくりの偽の画像、動画、音声です。
AIサービスのオプトアウト入力したデータをAIの学習に使わせないよう、利用者が拒否できる仕組みです。

業務で生成AIを使う場面なら、社外秘の情報を入力しない、出力は人が確認してから使う、学習への利用を拒否できる設定を確認する、という3つの行動に当てはめて考えると、選択肢を判断しやすくなります。

AI利活用の原則やガイドラインはどれが載っている?

小分類14の「AI利活用の原則及び指針」の用語例は次の4つです。AIを社会でより良く使うための基本的な考え方として、名前と中身の組合せを押さえます。

名称内容のポイント
人間中心のAI社会原則日本のAI社会の基本原則です。人間中心の原則、教育・リテラシーの原則、プライバシー確保の原則、セキュリティ確保の原則、公正競争確保の原則、公平性・説明責任及び透明性の原則、イノベーションの原則から成ります。
AI利活用ガイドライン(AI利活用原則)AIを使う側(利用者やサービス提供者)が留意すべき事項を、原則の形でまとめた指針です。
信頼できるAIのための倫理ガイドライン(Ethics guidelines for trustworthy AI)EUでまとめられた、信頼できるAIの条件を示した倫理指針です。
人工知能学会倫理指針人工知能学会が、AI研究者が守るべき倫理をまとめた指針です。

人間中心のAI社会原則の「公平性・説明責任及び透明性の原則」は、AIの利用で不当な差別が起きないことや、AIを使った判断について適切な説明がされることを求めています。シラバスの用語例にも「人間中心の原則、公平性・説明責任・透明性の原則ほか」と書かれているので、この2つから覚えると効率的です。

AIへの攻撃にはどんな手口がある?(小分類61)

攻撃手法仕組み見分け方
プロンプトインジェクション攻撃生成AIへの入力に細工した指示を紛れ込ませ、開発者が設定した制約を無視させて、想定外の出力や情報漏えいを起こさせる攻撃です。攻撃の対象が「AIへの指示文」です。データベースへの命令文を改変するSQLインジェクションとは別物です。
敵対的サンプル(Adversarial Examples)画像などの入力データに、人間には気付きにくい小さなノイズを加え、AIの分類や判定を誤らせる攻撃です。攻撃の対象が「AIに入力するデータ」で、AIの判定ミスを狙います。

どちらもシラバスでは攻撃手法の用語例として、SQLインジェクションやDoS攻撃と同じ並びに載っています。仕組みの違いを、何を細工するか(指示文か、入力データか)で区別しておくと、選択肢で迷いにくくなります。セキュリティ全体の用語はセキュリティの要点と用語で確認できます。

AIと法律・契約では何に気を付ける?

小分類4と7は、AIが学習に使うデータと、AIが生成したデータの両方に注意が必要だとしています。

法律の全体像は法律・ガイドラインのまとめにあります。

AIの範囲はどう勉強すればよい?

用語を覚えたら、経営戦略の練習問題や基礎理論・コンピュータシステムの練習問題で、選択肢の言い換えに慣れておきましょう。略語は略語一覧にまとめています。

よくある質問

生成AIはいつからITパスポートの範囲になりましたか?

シラバスの改訂履歴では、Ver.6.2(令和5年8月)の変更点に「生成AIに関する項目・用語例の追加など」と書かれています。Ver.5.0(令和2年9月)には「数理・データサイエンス・AIに関する記述を整理」という変更もあります。改訂の流れはシラバス改訂履歴で確認できます。

AIの計算やプログラムを書く問題は出ますか?

シラバスの小分類35は、AI技術の基本的な考え方、仕組み、特徴を理解することを目標にしています。プログラムを書く力ではなく、用語の意味と、どの場面で使う技術かを区別できることを目標に学びましょう。

ChatGPTのような具体的なサービス名は覚える必要がありますか?

シラバスの用語例は、生成AI、LLM、マルチモーダルAIのような一般的な用語で書かれていて、特定のサービス名は載っていません。サービス名より、仕組みと留意事項を押さえましょう。

出典(2026-11-14確認): IPA ITパスポート試験 シラバス Ver.6.5(PDF) ・ e-Gov法令検索 著作権法

この記事は Certloom Learning が、上記のIPA公開資料を確認して作成しました。誤りに気づいた場合はサポートへお知らせください。

あわせて読みたい

アプリで続きを解く

マスメは、シラバスVer.6.5の63項目を1マスずつ並べた用語マップで、解説つきのオリジナル問題1100問以上を管理するアプリです。Android版は無料でダウンロードできます(全問アンロックは1,500円の買い切り)。
Google Playで入手 ブラウザで無料練習問題