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

　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。本問題では、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利用するために埋め込み（Embedding）技術を活用している状況を示しており、この選択肢の内容は、今回のユースケースにおける本質的な機能と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最もよく表したものではありません。まず、「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」 ことについて、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」 ことについて、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。そして、「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」 ことについて、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。

Step Up！
　埋め込みによるベクトル表現により、生成AIモデルはデータの意味や関係性を理解して、適切な出力を生成できるようになります。

• テキスト生成では、単語を埋め込みベクトルに変換して、文脈を理解する。
• 画像検索では、画像データを埋め込み空間で表現して、類似画像を検索する。
• 感情分析では、テキストデータを埋め込みに変換して、感情カテゴリーを分類する。

　その他、機械学習（ML：Machine Learning）における埋め込みの詳細は、AWS社の下記のサイトのページを参照ください。

機械学習における埋め込みとは何ですか?：
https://aws.amazon.com/what-is/embeddings-in-machine-learning/