AI資格 模擬試験

G検定 模擬試験 第4回 問94・ディープラーニングの応用例（マルチモーダル）

マルチモーダルAIの活用

次のうち、マルチモーダルAIの活用例として最も適切なものを1つ選べ。

  1. A

    テキストだけを入力して、テキストだけを出力する従来の検索

  2. B

    数値のデータだけを入力する回帰のモデル

  3. C

    画像の画素の数を数えるプログラム

  4. D

    写真と「この料理の作り方を教えて」という文章の両方を入力し、文章で答えるAI

正解と解説を見る

正解：D

マルチモーダルAIは、画像・文章・音声など複数の種類のデータを組み合わせて扱う。画像を入力できる大規模言語モデルが代表例。

画像から画像エンコーダと射影層を通した特徴と、文章の質問をあわせて言語モデルに入れ、回答を出す流れ図。

視覚言語モデル：画像エンコーダで画像の特徴を取り出し、射影層で言語モデルが扱える形にして、文章の指示と一緒に言語モデルへ入れる。

学習のポイント：CLIP（画像と文章を同じ空間に埋め込む）、VQA（画像についての質問に答える）と結びつける。

この問題を演習で解く →

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。