AWS認定資格 無料問題集

解答

正しい解答：Ｂ. 埋め込みの役割は、FAQやナレッジベースの単語やトークンを数値ベクトルに変換して、意味的な類似性をモデルが理解できるようにすることです。

　URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。

徹底解説

　チャットボットによる自動応答システムで、過去のFAQやナレッジベースを有効活用する場合において、大規模言語モデル（LLM：Large Language Model）のコンテキストにおける埋め込みの役割を最もよく表しているものは、「埋め込みの役割は、FAQやナレッジベースの単語やトークンを数値ベクトルに変換して、意味的な類似性をモデルが理解できるようにすること」 です。埋め込み（Embedding）技術の本質的な機能と、今回のユースケースにおける役割を捉えているためです。埋め込みとは、自然言語の語句や文を数値ベクトルに変換する技術であり、これによりモデルは語句間の意味的な類似性を定量的に把握できるようになります。今回のように、FAQやナレッジベースを活用してチャットボットを構築する場合、顧客からの問い合わせ文と既存の情報との意味的な関連性を判断する必要があります。そのため、埋め込みによって両者をベクトル化して、意味の近さに基づいて適切な応答を導く処理が不可欠です。さらに、LLM のコンテキスト処理においても、埋め込みは入力文の意味をベクトルとして表現することで、文脈理解や応答生成の基盤となります。この選択肢は、埋め込みが 「意味的な類似性をモデルが理解できるようにする」 と明示しており、LLM の動作原理と一致しています。
　その他の選択肢は、LLMのコンテキストにおける埋め込みの役割を適切に表したものではありません。「埋め込みの役割は、トークン化されたFAQなどの語句を分類する前処理ラベル付けの手法として機能する」 ことは不正解です。埋め込みは、トークン化の後に行われる処理であり、語句を分類するラベル付け手法ではありません。埋め込みは、モデルが文脈や意味を理解するための基盤を提供するものであり、分類やラベル付けは、埋め込みの後に実施する別の処理となります。また、「埋め込みの役割は、文法パターンを学習して、問い合わせ文の構造を分類する教師あり学習の手法として活用される」 ことは不正解です。埋め込みは教師あり学習の分類手法ではなく、あくまで語や文の意味を数値化する表現学習の技術です。文法パターンの分類は、別のモデルやアルゴリズムによって行われるものであり、埋め込みの直接的な役割ではありません。「埋め込みの役割は、モデルの予測結果をアンサンブル的に組み合わせ、最終出力を生成する融合技術として用いられる」 ことは不正解です。アンサンブルは複数のモデルの出力を統合して精度や安定性を高める手法ですが、埋め込みはそのような予測結果の統合処理には関与しません。埋め込みは、入力テキストを意味ベースで数値化する処理であり、モデルの出力を組み合わせる役割は持っていません。