【G検定】基盤モデルとは？CLIP・Gemini等マルチモーダルAIの土台を解説
2026年6月5日
CLIP、Gemini、ImageBind——近年のAIニュースを賑わせるモデルには共通点があります。特定のタスク専用ではなく、「様々なタスクの土台」として使われることを前提に、大量のデータで訓練されている点です。こうしたモデルを基盤モデル(Foundation Model)と呼び、G検定のマルチモーダル分野の締めくくりとして頻出します。
【G検定】二乗平均平方根誤差(RMSE)とは？MSEとの関係と使いどころを解説
2026年6月5日
MSE(平均二乗誤差)は便利な指標ですが、単位が「二乗」になってしまい、値を直感的に読めないという弱点があります。そこでMSEの平方根を取り、誤差を元のデータと同じ単位に戻したものが二乗平均平方根誤差(RMSE)です。この記事では、RMSEの計算とMSEとの関係、解釈のしやすさという持ち味を解説します。
【G検定】Zero-shot(ゼロショット学習)とは？訓練なしで新タスクを解く仕組みを解説
2026年6月5日
一度も「その問題用の勉強」をしていないのに、初見のタスクを解いてしまう——Zero-shot(ゼロショット学習)は、CLIPをはじめとする基盤モデルの登場で現実になった能力です。G検定ではFew-shot・One-shotとの区別、そしてCLIPによるゼロショット画像分類の仕組みが問われます。
【G検定】平均二乗誤差(MSE)とは？計算式と外れ値に敏感な理由を解説
2026年6月5日
回帰モデルの「予測がどれくらい外れているか」を1つの数値にまとめる、最も基本的な指標が平均二乗誤差(MSE)です。この記事では、計算の手順と「なぜ二乗するのか」、そして二乗ゆえに外れ値の影響を受けやすいという性質までを解説します。
【G検定】Unified-IOとは？多様なモダリティを1つのモデルで扱う統合AIを解説
2026年6月5日
画像生成も物体検出も自然言語処理も、モデルを切り替えずに1つでこなす——そんな「何でも屋」を目指したのがUnified-IOです。名前のとおり入出力(IO)を統一(Unified)した設計が特徴で、G検定ではCLIPやFlamingoと並ぶマルチモーダル基盤モデルの一角として問われます。