シーケンスデータとは

文章のように前後のつながりがある、時系列のデータのこと。

生成AIパスポート公式シラバス（2026年2月試験より適用）第2章「生成AI（ジェネレーティブAI）」の収載語です。

まず1問、解いてみる

答えを開く前に、自分の言葉で説明してみてください。

文章のように前後のつながりがある時系列データ(シーケンスデータ)を扱うRNNやLSTMの弱点(長い文章では前の情報を忘れやすいこと)を、Attention(注意)の仕組みで解決した、現在の生成AIの主流となっているモデルはどれか。

ALSTM(長・短期記憶)
BTransformerモデル
Cボルツマンマシン(確率的な計算で学習する初期の生成モデル)
DCNN(畳み込みニューラルネットワーク)

答えと解説を開く

正解B　Transformerモデル

RNNやLSTMは、文章のように前後のつながりがあるデータ(シーケンスデータ)を順番に処理しながら覚えていく仕組みですが、文章が長くなると前の方の情報を忘れやすいという弱点がありました。文章全体のどこが重要かを一度に見比べる仕組み(Attention＝注意)を土台に据えることでこの弱点を解いたのが、いま生成AIの主流になっているTransformerモデルです。ここからは、文章の生成が得意なGPTモデルのほか、穴埋め問題を解く学習(MLM)で文章の理解を得意にしたBERTモデル(改良版にRoBERTaやALBERT)も生まれました。

この問題を含む一問一答で続きを解く

ありがちな誤解と訂正

当サイトの問題「文章のように前後のつながりがある時系列データ(シーケンスデータ)を扱うRNNやLSTMの弱点(長い文章では前の情報を忘れやすいこと)を、Attention(注意)の仕組みで解決した、現在の生成AIの主流となっているモデルはどれか。」の誤答の選択肢から。

×LSTM(長・短期記憶)

○LSTM(長・短期記憶)＝RNNを改良し、重要な情報を長く覚えておけるようにした仕組み。

この問題の正解＝「Transformerモデル」

同じ問題に登場した語

当サイトでの登場（実測）

当サイトの問題バンク321問のうち、シーケンスデータは1問に登場します。内訳＝問題文に登場1問。

登場した単元＝第2章生成AI（ジェネレーティブAI）

※この数字は当サイトの問題バンク内の集計です。本試験の出題頻度ではありません。

演習に進む

第2章生成AI（ジェネレーティブAI）一問一答この語が出る問題：#q2005
単元一覧へ

最終更新：2026年8月27日（運営：Meritorious）