U過去問を解いていたとき、「生成AIの特徴として適切なものを選べ」という問題の前で固まってしまいました。毎日ChatGPTで調べ物をしているのに、いざ「仕組みを言葉で説明してください」と問われると何も出てこない。「使える」と「説明できる」の間には、意外と大きな溝があるんだと気づきました。生成AI・量子コンピュータ・ブロックチェーンを、試験で使える言葉に落とし込んで整理してみます。
経営情報システム科目では近年、生成AI・量子コンピュータ・ブロックチェーンに関する出題が増えています。既存の「ネットワーク・データベース・セキュリティ」とは別の知識体系として、3技術を一度に俯瞰しておきます。
TECHNOLOGY 01
生成AI（LLM・RAG）
大規模言語モデルを基盤とした文章・画像生成技術。テキスト生成の仕組みとRAGの概念が頻出。
TECHNOLOGY 02
量子コンピュータ
量子ビットの重ね合わせを利用した次世代計算機。古典コンピュータとの違いと現在の課題がポイント。
TECHNOLOGY 03
ブロックチェーン
改ざん耐性を持つ分散台帳技術。スマートコントラクト・NFT・PoW/PoSの応用事例とともに問われる。
目次
ChatGPTは「記憶」しているのか——生成AIの仕組み
「ChatGPTに質問した直後、裏側では何が起きているのか？」——実は、AIが「答えを知っている」わけではないのです。
驚きのポイント
生成AIは「知識を持つ存在」ではなく、「次に来る単語を確率的に予測し続ける仕組み」です。膨大なテキストを学習した結果、まるで「知っているかのように」見えているだけ。これが試験での第一の正解ポイントです。
LLMができるまで——3つの学習フェーズ
01
事前学習（Pre-training）
インターネット上の膨大なテキスト（書籍・ニュース・論文・SNS等）を読み込み、「次の単語を予測する」課題を繰り返す。言語の構造・文脈・世界の知識がモデルの重みとして蓄積される。
——図書館の蔵書をすべて読んだ司書のイメージです。
——図書館の蔵書をすべて読んだ司書のイメージです。
02
ファインチューニング（Fine-tuning）
「Q&Aのやり取り」など特定の形式に特化した追加学習を行い、会話・指示理解ができるように調整する。事前学習で得た広い知識を保ちつつ、特定のタスクへの適合を高める段階。
03
RLHF（人間フィードバックによる強化学習）
人間の評価者が「良い回答・悪い回答」を採点し、その結果でモデルを改善する。有害表現の排除・回答の丁寧さ・正確さの向上がこの段階で行われる。ChatGPTに代表される現代の対話AIに広く使われている手法。
RAG（検索拡張生成）——試験頻出の発展概念
LLMのみ
学習データの「締め切り日以降」の情報は知らない
社内情報・専門データには対応できない
ハルシネーション（誤情報の自信ある生成）のリスク
RAG（検索拡張生成）
質問→外部DB検索→関連文書取得→LLMで回答生成
最新・専門的な情報を根拠として使える
出典の明示が可能でハルシネーションを低減できる
LLM
Large Language Model
大規模言語モデル。膨大なテキストで学習した基盤モデル
RAG
Retrieval-Augmented Generation
検索拡張生成。外部DBと組み合わせる手法
RLHF
Reinforcement Learning from Human Feedback
人間のフィードバックによる強化学習
全経路を同時に走る——量子コンピュータの基礎
複雑な迷路を解くとき、1匹のネズミが1本ずつ道を確認するのが古典コンピュータです。量子コンピュータは「全ての道を同時に走るネズミの群れ」に相当します。ただし、観測した瞬間に1匹に絞られてしまう——これが量子の不思議な性質です。
古典コンピュータ
情報単位：ビット（0か1のどちらか）
処理：順番に1つずつ計算
強み：汎用的・安定・普及済み
弱み：組み合わせ最適化問題に膨大な時間がかかる
量子コンピュータ
情報単位：量子ビット（0と1の重ね合わせ状態）
処理：複数状態を同時に計算（量子並列性）
強み：最適化・暗号解析・素材シミュレーション
弱み：デコヒーレンス・エラー率・冷却が必要
試験で問われる3つの量子の性質
CONCEPT 01
重ね合わせ（Superposition）
量子ビットは「観測するまで0でも1でもある」状態を保てる。コインを空中に投げている間は表でも裏でもある——観測した瞬間に確定する。この性質が量子並列計算の源泉。
CONCEPT 02
量子もつれ（Entanglement）
離れた2つの量子ビットが互いに連動する状態。一方を観測すると、もう一方の状態が瞬時に決まる。「情報の超光速伝達」ではなく「状態の相関」を利用する点が試験ポイント。
CONCEPT 03
デコヒーレンス（Decoherence）
外部からの振動・熱・電磁波などのノイズにより、量子の重ね合わせ状態が壊れてしまう現象。現在の量子コンピュータ実用化の最大の技術的障壁。絶対零度近くまでの冷却が必要な理由でもある。
試験でよく問われる誤解
「量子コンピュータはあらゆる計算が速い」は誤りです。得意なのは組み合わせ最適化・素因数分解・機械学習の一部。汎用的な計算では古典コンピュータと大差がなく、現状はエラー率の問題から研究・実験段階にあります。
U量子コンピュータを学んで興味深かったのは、「すごく速いコンピュータ」というイメージが少し違うという点でした。「何でも速い」ではなく「特定の問題で圧倒的に速い」という特性と、「でも今はまだ課題が多い」という現状——この2点セットで覚えておくと試験に応用しやすいと感じています。
クラス全員が同じ日記を持つ——ブロックチェーンの仕組み
「クラス全員が同じ日記を持っていて、誰かが自分のノートを書き換えると、全員のノートと内容が違うことがすぐにバレてしまう」——これがブロックチェーンの改ざん耐性の本質です。
ブロックの連鎖構造（チェーン）
BLOCK #1（創世ブロック）
取引データAさんがBさんに1BTC送金
前のハッシュ0000000000（最初のブロック）
このハッシュa3f9e2c1d7…
BLOCK #2
取引データCさんがDさんに0.5BTC送金
前のハッシュa3f9e2c1d7…（BLOCK#1のハッシュ）
このハッシュ7b2da531e8…
BLOCK #3
取引データEさんがFさんに2BTC送金
前のハッシュ7b2da531e8…（BLOCK#2のハッシュ）
このハッシュc8e1f04ab2…
なぜ改ざんが事実上不可能なのか
BLOCK #1のデータを書き換える → ハッシュ値が変わる → BLOCK #2の「前のハッシュ」と一致しない → #2も書き換える必要 → #3も…と連鎖。かつ、ネットワーク上の全ノードのコピーとも整合させる必要があるため、計算コストが莫大になります。
試験頻出の4概念
CONCEPT 01
分散台帳（DLT）
特定の管理者がいない。ネットワーク参加者全員がデータのコピーを保持し、互いに検証し合う。銀行などの「中央集権型」管理と対比させて覚えるのが有効です。
CONCEPT 02
スマートコントラクト
条件を事前にプログラムとして記述しておき、条件が満たされると自動実行される仕組み。「送金が確認されたら、自動的に商品の所有権が移転する」など。Ethereumが代表的なプラットフォーム。
CONCEPT 03
PoW / PoS（合意形成）
PoW（Proof of Work）：マイニング（計算競争）でブロック生成権を決める。セキュリティは高いが電力消費が多い。
PoS（Proof of Stake）：保有量に応じて権利を決める。省エネで近年主流化。
PoS（Proof of Stake）：保有量に応じて権利を決める。省エネで近年主流化。
CONCEPT 04
NFT（非代替性トークン）
ブロックチェーン上でデジタルデータの「唯一性を証明する」仕組み。デジタルアート・ゲームアイテムの所有権管理に活用される。「代替不可能（Non-Fungible）」が重要ワード。
パブリック型 vs プライベート型
| 比較項目 | パブリック型 | プライベート型 |
|---|---|---|
| 参加資格 | 誰でも参加可能 | 許可された組織・個人のみ |
| 代表例 | Bitcoin・Ethereum | Hyperledger Fabric（企業間取引） |
| 透明性 | 全員が全取引を閲覧可能 | 参加者のみ閲覧可能 |
| 処理速度 | 低速（合意形成に時間がかかる） | 高速（参加者が限られるため） |
| 主な用途 | 暗号通貨・NFT・DeFi | サプライチェーン・医療記録・金融機関間決済 |
試験対策：頻出キーワード早見表
| 分野 | キーワード | 試験でのポイント |
|---|---|---|
| 生成AI | LLM（大規模言語モデル） | 「次のトークンを確率的に予測」が本質。「記憶している」は誤り |
| 生成AI | RAG | Retrieval-Augmented Generation。外部DB検索＋生成の組み合わせ |
| 生成AI | プロンプトエンジニアリング | モデルを変えずに入力の工夫で性能を引き出す技術 |
| 生成AI | マルチモーダル | テキスト・画像・音声など複数種類の入出力に対応したAI |
| 生成AI | ハルシネーション | AIが事実に基づかない情報を自信満々に生成してしまう現象 |
| 量子 | 量子ビット（qubit） | 0と1の重ね合わせ状態を取れる情報単位 |
| 量子 | 重ね合わせ | 観測前は0でも1でもある状態。観測で確定する |
| 量子 | 量子もつれ | 離れた量子ビットの状態が相関している現象 |
| 量子 | デコヒーレンス | 外部ノイズで量子状態が壊れる現象。実用化の最大障壁 |
| ブロックチェーン | 分散台帳（DLT） | 中央管理者不在。参加者全員がデータを保持・検証 |
| ブロックチェーン | ハッシュ関数 | データが1文字でも変わると全く異なる値になる一方向関数 |
| ブロックチェーン | スマートコントラクト | 条件成立で自動実行されるプログラム。中間業者が不要に |
| ブロックチェーン | PoW / PoS | PoW＝計算競争（電力大）、PoS＝保有量で決定（省エネ） |
| ブロックチェーン | NFT | Non-Fungible Token。デジタルデータの唯一性を証明 |
この記事で整理したこと
- 生成AIはLLMによる「確率的なテキスト生成」であり、「記憶」しているわけではない
- RAGは「外部DB検索＋LLM生成」の組み合わせで、最新・専門情報に対応できる
- 量子コンピュータは「重ね合わせ」「量子もつれ」で特定の問題を高速解決できる
- 量子コンピュータは「何でも速い」ではなく「特定の最適化・暗号解析で速い」点に注意
- ブロックチェーンはハッシュの連鎖による改ざん耐性と、中央管理者不要の分散台帳が特徴
- スマートコントラクト・NFT・PoW/PoSはブロックチェーンの応用として試験頻出
U のメモ
この3技術は「仕組みの本質を1行で説明できるか」を問う問題が多いと感じています。生成AIなら「確率的に次の単語を予測する」、量子なら「重ね合わせで複数状態を同時処理する」、ブロックチェーンなら「ハッシュで連鎖した分散台帳」——この3フレーズを軸に、関連キーワードを紐づけて覚えると定着しやすいようです。「なぜその特性があるのか」の理由から理解すると、初見の選択肢にも応用できると思います。
