生成AIパスポートの出題形式
60問・60分の四肢択一と、形式ごとの解き方

更新日 2026年11月9日読む時間の目安約5分

この記事の要点

本番は60問・60分の四肢択一式（一部に複数選択を含む）で、オンラインの IBT 方式です。複数選択が何問あるかは公表されていません。
公式のサンプル問題（例題3問）は、用語の定義に当てはまるものを選ぶ問題が1問、不適切なものを選ぶ問題が2問でした（もちこ道場の分析）。
もちこ道場では、穴埋め（1か所）・穴埋め（組み合わせ）・長文・正しい記述を選ぶ・誤った記述を選ぶの5つの形式で演習できます。本番の形式の再現ではなく、いろいろな問われ方に慣れるための分け方です。

この記事の目次

本番の形
もちこ道場の5つの形式
形式ごとの解き方
時間の使い方
第1章の問題を解いてみる
よくある質問

本番の形

生成AIパスポートの試験は、GUGA の公式サイトで次のように案内されています。

項目	内容
方式	オンラインで受ける IBT 方式
問題数・時間	60問・60分
答え方	四肢択一式（一部に複数選択を含む）
出題範囲	シラバスから出題
複数選択の問数	公表されていない

公式サイトで見られる問題は、サンプル問題の例題3問だけです。くわしくは「過去問の公開状況」にまとめています。3問は、用語の定義に当てはまるものを選ぶ問題が1問、不適切なものを選ぶ問題が2問でした。

もちこ道場の5つの形式

もちこ道場では、全5章の問題を、次の5つの形式で解けます。

もちこ道場の形式	どんな問題か
穴埋め（1か所）	文の中の空欄 [1] に入る用語を選ぶ
穴埋め（組み合わせ）	空欄 [1] と [2] に入る用語の組み合わせを選ぶ
長文	1つの文章の中の空欄に入る語を選ぶ
正しい記述を選ぶ	4つの文から、正しいものを選ぶ
誤った記述を選ぶ	4つの文から、誤っているものを選ぶ

形式と、読む量（もちこ道場のまとめ）

形式ごとの解き方

穴埋め（1か所・組み合わせ）

空欄の前後の説明から、答えを先に思い浮かべ、それから選択肢で確かめます。組み合わせは、自信のある空欄から決めて、選択肢を絞ります。

長文

先に文章の全体（何の話で、どの順に進むか）を読み、前後の関係から空欄を絞ります。

正しい記述・誤った記述を選ぶ

公式のサンプル問題でも、「不適切なもの」を選ぶ問い方がありました。問題文の最後（「適切」か「不適切」か）を先に確かめてから、4つの文を読みます。「必ず」「すべて」「〜だけ」のような言い切りや、用語の入れ替えに注意し、1つずつ○か×を付けて消します。「2つ選びなさい」の問題は、2つとも見つかるまで確かめます。

時間の使い方

60問を60分なので、1問約60秒です。迷った問題は先に進み、最後に残った時間で見直します。試験の直前の過ごし方は「直前の1週間にやること」にまとめています。

第1章の問題を2問、解いてみる

もちこ道場の第1章（無料体験）の問題です。演習画面と同じ解説（図解・選択肢ごとの解説）を付けています。

問1

売上予測や文脈を考慮したテキスト処理など、データの順序や時間の経過が結論に大きく影響する時系列データを扱う場合、過去の処理結果を次の処理に引き継ぐ仕組みを持った1が適している。

答えと解説を見る

正解は 2（回帰型ニューラルネットワーク（RNN））です。

【概要】

過去の情報を残したまま新しい入力を処理するのが回帰型ニューラルネットワーク（RNN）である。順序が重要な時系列データを扱うのに適している。

【図解】実験的機能

図解は実験的機能です。内容を簡略化しているため、公式テキストの記載と異なることがあります。

【各選択肢の解説】

1. 畳み込みニューラルネットワーク（CNN）あなたの解答 CNNは画像を扱う処理が得意なモデルであり、順序や時間の流れが重要な時系列データ向けではない。
2. 回帰型ニューラルネットワーク（RNN）正解あなたの解答 RNNは前の処理結果を次の入力と一緒に再び処理するため、時系列データを扱うのに適する。
3. 変分自己符号化器（VAE）あなたの解答 VAEは重要な特徴を学習して元データに近いものを再現し新しいデータを生成する生成モデルで、時系列処理を目的としない。
4. 敵対的生成ネットワーク（GAN）あなたの解答 GANは生成器と識別器を競い合わせて学習するモデルで、過去の結果を引き継ぐ時系列向けの仕組みではない。

問2

長文のテキスト解釈や長期間の時系列分析において従来のRNNを適用すると、過去の情報が途中で途切れてしまう勾配消失などの課題が生じる。この欠点を克服するため、情報の保持や破棄を制御する仕組み（ゲート）を備え、長い文脈の保持を可能にしたモデルが1である。

答えと解説を見る

正解は 1（LSTM）です。

【概要】

RNNの勾配消失など長いデータでの欠点を改善するため、覚えるべき情報と忘れてよい情報を区別するゲートを設けたモデルがLSTM（長・短期記憶）である。

【図解】実験的機能

図解は実験的機能です。内容を簡略化しているため、公式テキストの記載と異なることがあります。

【各選択肢の解説】

1. LSTM正解あなたの解答 LSTMは情報の通り道にゲートを設けて取捨選択し、RNNより長い文脈を学習できるようにしたモデルである。
2. CNNあなたの解答 CNNは画像の処理を得意とする畳み込みニューラルネットワークであり、時系列の長い文脈を保持するためのモデルではない。
3. ボルツマンマシンあなたの解答ボルツマンマシンは数値を連続的に扱い多層で学習するモデルだが、学習に時間がかかり、RNNの欠点を補うものではない。
4. 制限付きボルツマンマシンあなたの解答制限付きボルツマンマシンは入力層と隠れ層の二層構成で情報の流れを単純化したモデルで、ゲートによる文脈保持の仕組みはない。