解説

基盤モデル（Foundation Model）は、大量かつ多様なデータで事前学習された大規模AIモデルで、ファインチューニング（追加学習）や少量のデータ・指示によって様々なタスクに応用できる汎用的なAIです。GPT-4・Claude・Geminiなどの大規模言語モデルや、DALL-E・Stable Diffusionなどの画像生成モデルが基盤モデルの例です。「広範囲かつ大量のデータで訓練」「様々な用途に適応できる」という特徴が基盤モデルの定義に合致します。アノテーション（データへのラベル付け）・エキスパートシステム（ルールベースAI）・CNNとの区別が重要です。

なぜ他の選択肢は違うのか

選択肢 ア

アノテーション（Annotation）は、機械学習の学習データに「これは犬の画像」「このテキストはポジティブ」などのラベル・タグ・注釈を人手でつける作業のことです。AIモデル自体を指す用語ではなく、データ準備の工程です。

選択肢 イ

エキスパートシステム（Expert System）は、特定分野の専門家（エキスパート）の知識・推論規則をif-thenルールとして蓄積し、それに基づいて問題解決・診断・推奨を行う第一世代AI（1980年代〜）です。大量データでの学習ではなく、人手で作成したルールに基づいており、汎用的な適応能力を持ちません。

選択肢 エ

畳み込みニューラルネットワーク（CNN：Convolutional Neural Network）は、画像認識・物体検出に特化したニューラルネットワークの構造です。基盤モデルに使われる技術の一つではありますが、CNN自体は「広範囲の大量データで訓練された汎用的なモデル」を指す用語ではなく、特定のネットワーク構造を表します。

解くときのポイント

基盤モデル＝「大量・多様なデータで事前学習された大規模汎用AIで、ファインチューニングで様々な用途に転用できる」。ChatGPT・Claude・Geminiが例。アノテーション（ラベル付け作業）、エキスパートシステム（ルールベース旧来AI）、CNNは別概念。