基盤モデル
意味・解説
膨大なデータで学習され、多様な用途に活用可能な汎用性の高いAIモデル。
広範なデータセットを用いて事前学習され、微調整（ファインチューニング）を行うことで、文章生成、画像認識、翻訳、プログラミングなど、多種多様な下流タスクに適応できる大規模なAIモデル。ChatGPTの基盤となるGPT-4などが代表例。特定の用途ごとに一からAIを作る必要がなくなり、AI開発の効率を劇的に高めた。
くわしく
AI開発のあり方を根本から変えた「万能の下地」となるモデルである。
1.汎用性と適応性：一つのモデルが、それまで個別に開発されていた「翻訳専用」「要約専用」などの壁を超えて、あらゆる知的作業の基盤となる。これにより、少量の追加データで専門分野（医療、法律、コード作成など）の高性能なAIを作ることが可能になった。
2.スケールの経済：開発には数千台のGPUと数億円以上の計算費用が必要だが、一度完成すれば世界中で多様なサービスに再利用できる。このため、大規模な計算資源を持つ企業や団体が開発の主導権を握っている。
3.実務での影響：企業は基盤モデルをAPI経由で利用することで、自社で複雑な機械学習アルゴリズムを開発することなく、高度なAI機能を自社システムに1日〜1週間といった短期間で組み込めるようになった。これが現在の生成AIブームを支える技術的根拠である。
例文
最新の基盤モデルを自社のカスタマーサポート用チャットボットに導入し、FAQの回答精度を高めた。
過去問での出題状況
直近29回分の過去問（全2,900問）を解析した結果、1回登場しています（出題された年度: 1年度）。
出典: 本サイト独自集計（問題文および全選択肢テキストからの用語出現頻度・2026年6月時点）
同義語: ファウンデーションモデル
対義語: 個別最適化モデル
分類: 機械学習モデル