
【完全理解】生成AIパスポート試験対策|第2章「生成AI(ジェネレーティブAI)」〜 GPT-1からGPT-5まで、AI進化の歴史を物語で理解する 〜
「第2章、むずかしすぎる…」と感じているあなたへ
生成AIパスポートの試験勉強をしていて、第2章に差し掛かったとき、こう思った方は多いのではないでしょうか。
「GAN…?VAE…?Transformer…? 横文字が多すぎて、頭に入ってこない!」
わかります。正直、第2章は試験範囲の中でもとくに技術用語が密集していて、最初は圧倒されますよね。でも、安心してください。
コツは、これを「用語集」として暗記しようとしないことです。
私は4月に受験するので、復習しながらnoteに掲載します。
実は第2章の内容は、「生成AIがどのように誕生し、どうやってChatGPTにたどり着いたか」という一本のストーリーとして読めます。物語として流れをつかめば、個々の用語も自然と頭に残るようになります。
この記事では、その物語を軸に第2章を丸ごと解説します。
読み終わったときには、難解に見えた用語が「あ、あのシーンで出てきたやつだ」と思えるようになっているはずです。
💡この記事でわかること
・生成AIが誕生するまでの技術の流れ(GAN〜Transformer)
・ChatGPTのGPT-1〜GPT-5までの進化の歴史
・Gemini・Claude・Copilotの特徴と違い
・試験頻出キーワード早見表(2026年改訂対応)
・第2章を効率よく覚える3つのコツ
※本記事にはAmazonアソシエイトのリンクが含まれます
第1節 | 生成AIの「前史」を3分で理解する
まずは「生成AI」が登場するまでの流れを、ざっくり追ってみましょう。
AIが「何かを作る」ようになった瞬間 〜VAEとGANの登場〜
もともとAIというのは「分類する」「予測する」のが主な仕事でした。
「これは猫の画像か犬の画像か」を判断したり、「明日の気温は何度か」を予測したりするイメージです。
そこに大きな転換点が訪れます。AIが「自分で新しいものを作る(生成する)」という能力を持ち始めたのです。
その先駆けとなったモデルが、VAE(Variational Autoencoder:変分自己符号化器)とGAN(Generative Adversarial Networks:敵対的生成ネットワーク)です。
VAE(変分自己符号化器)は、データをいったん「エッセンス(潜在ベクトル)」に圧縮(エンコーダ)し、そこから新しいデータを再生成(デコーダ)する仕組みです。
人間に例えるなら、写真を見て「顔の特徴」を頭の中でまとめて、その特徴から新しい顔を描くようなイメージ。
GAN(敵対的生成ネットワーク)はさらに面白い仕組みで、「生成器(フェイクを作る側)」と「識別器(本物かどうか見破る側)」の2つのAIが互いに競い合います。まるで偽札職人と鑑定士のように切磋琢磨することで、どんどんリアルな生成物が生まれていきます。
「文章を扱うAI」の進化 〜RNN・LSTM・Transformer〜
画像生成の世界でGANが活躍する一方で、テキスト(文章)を扱うAIも着々と進化していました。
RNN(Recurrent Neural Network:回帰型ニューラルネットワーク)は、前の言葉の記憶を引き継ぎながら次の言葉を予測できるモデルです。
ただし、文章が長くなると最初のほうの情報を忘れてしまうという弱点がありました。
LSTM(Long Short-Term Memory:長・短期記憶)は、その弱点を解消するために「忘れるべき情報と覚えるべき情報を選別する」ゲート機能を追加した改良版です。
「長い文章でもちゃんと覚えていられるRNN」と覚えておきましょう。
そして2017年、AIの世界を根本から変える技術が登場します。
Transformerモデルの登場です。
Transformerは「Self-Attention(自己注意力)」という仕組みにより、文章全体を一度に見渡して、どの単語とどの単語が関係深いかをスコアリングできます。
RNNが「小説を最初から1ページずつ読む人」なら、Transformerは「目次と全ページを同時に把握できる人」。処理速度も精度も劇的に向上しました。
TransformerからGPT・BERTへ
Transformerという強力な土台ができたことで、2つの大きな方向性のモデルが生まれます。
GPT(OpenAI):「次の単語を予測する」ことを積み重ねて文章を生成する。文章を作るのが得意。
BERT(Google):文章の穴埋めや前後の文脈の理解が得意。文章を理解するのが得意。
この2つを「GPT=生成、BERT=理解」と対比して覚えると、試験でもすっきり整理できます。
💡ここまでの流れ整理
GAN・VAE(生成モデルの誕生)→ RNN・LSTM(文章を覚える)→ Transformer(文章全体を把握)→ GPT・BERT(現代AIの基盤へ)
第2節 | ChatGPTの歴史と進化(GPT-1〜最新世代)
さて、ここからが第2節のメインイベントです。
OpenAIが開発してきたGPTシリーズの歴史を、世代ごとに追っていきましょう。
2026年2月からの新シラバスでは、GPT-o1・o3・o4、GPT-4.1、GPT-5、Operator、Codex、Soraなど多数のモデルが追加されました。
ここは試験でとくに差がつく箇所ですので、丁寧に押さえておきましょう。
GPTシリーズの進化一覧

「量」の時代:GPT-1〜GPT-3
2018年に登場したGPT-1は、Transformerを使った自己回帰型の言語モデルで、「次の単語を予測する」という操作を繰り返すことで文章を生成します。当時すでに驚くべき性能でしたが、それはほんの始まりに過ぎませんでした。
GPT-2(2019年)はパラメータ数が大幅に増え、生成する文章のクオリティが急上昇。あまりにもリアルな文章を生成できたため、OpenAIは「悪用されるリスクがある」として一時的に公開を控えるという前代未聞の判断をしています。
そしてGPT-3(2020年)では、パラメータ数が1,750億にまで達します。
開発者たちが「自分たちが思っていた以上の能力を持っている」と驚いたほどで、多くのビジネス応用が世界中で試みられました。
「質」の時代:InstructGPT・GPT-3.5・GPT-4
量を増やすだけでは、AIは必ずしも「人間にとって役に立つ答え」を返してくれませんでした。そこで導入されたのが、RLHF(Reinforcement Learning from Human Feedback:人間のフィードバックによる強化学習)です。
人間の評価者がAIの回答に点数をつけ、その評価をもとにAIが自己改善を繰り返す。これによって生まれたInstructGPTは、ただ「それっぽい文章を生成する」ではなく「ユーザーの意図に沿って答える」AIへと進化しました。
2022年11月に一般公開されたChatGPT(GPT-3.5ベース)は、このRLHFの成果を世界中に見せつけました。「誰でも使えるAIアシスタント」として一気に普及し、リリースから5日でユーザー数100万人を突破しています。
翌2023年のGPT-4では、マルチモーダル対応が実現。
テキストだけでなく画像も入力として受け取れるようになり、「写真を見て説明する」「図表を読み解く」といった使い方が可能になりました。
💡試験でよく問われるキーワード
・RLHF(人間のフィードバックを使った強化学習)
・アライメント(AIを人間の価値観に合わせること)
・ハルシネーション(AIがもっともらしい嘘をつく現象)
・マルチモーダル(テキスト・画像などを統合して扱う能力)
「推論」の時代:GPT-4o〜GPT-5・oシリーズ(★2026年改訂追加)
新シラバスで大きく追加された箇所です。ここは特に注意して覚えておきましょう。
GPT-4o(2023年)は、音声・画像・テキストをリアルタイムで統合処理できる「オムニ(全方向)モデル」。人間との自然な会話をリアルタイムで実現し、感情を読み取った応答も可能になりました。
GPT-o1・o3・o4シリーズは、「推論モデル」と呼ばれる新系統です。通常のモデルが素早く回答するのに対し、oシリーズは「考える時間を取ってから答える」アプローチを採用。
数学・論理・コーディングなど複雑な問題で高い精度を発揮します。
Soraは、OpenAIが開発したテキストから動画を生成するAIモデル。
「公園で犬が走っている動画を作って」という指示だけで、リアルな動画を生成できます。
※Soraは発表後に大きな注目を集めたものの、2026年3月25日にOpenAI社がサービスの終了を発表
Operatorは、AIがウェブブラウザを自律的に操作するエージェント機能。「航空券を予約して」と指示すると、実際に検索サイトを開いて操作まで行います。
Codexは、コード生成に特化したOpenAIのモデル。
GitHub Copilotなどの開発者ツールの基盤にもなっています。
GPT-4.1・GPT-5は、精度・速度・マルチモーダル能力のさらなる向上を目指したシリーズ最新世代です。
第3節 | ChatGPT以外の主要生成AI(★2026年改訂追加)
「ChatGPT以外も覚えないといけないの?」と思った方、大丈夫です。
3つ押さえるだけでOKです。そして、それぞれの「出自」を知ると、なぜ特徴が違うのかが自然と理解できます。
Gemini:ジェミニ(Google)
Googleが開発した生成AIです。もともと世界最大の検索エンジンを持つGoogleらしく、リアルタイム検索との連携が強みです。
Google WorkspaceやAndroidに統合されており、「日常的に使うGoogleサービスの中にAIが入ってきた」イメージです。
Claude:クロード(Anthropic)
Anthropicが開発した生成AIで、「安全性と倫理性」を最優先に設計されています。Anthropic自体がOpenAIの元研究者によって設立された会社で、「AIが人類に有益であるべき」という哲学を掲げています。長文の読み解きや文書作成に優れており、ビジネス文書での活用が広まっています。
Copilot:コパイロット(Microsoft)
MicrosoftがOpenAIに大規模投資し、そのGPT技術をWordやExcel、Teamsなどに組み込んだのがCopilotです。「すでに使っているOfficeが賢くなった」という形でビジネスユーザーに急速に浸透しています。
3大AI比較表

💡どれが一番いいの?
「一番」はありません。検索・情報収集ならGemini、安全に長文を扱いたいならClaude、OfficeでそのままAIを使いたいならCopilot。
目的に応じて選ぶのが正解です。
第4節 | 第2章の頻出キーワード早見表(保存版)
試験前に見返せるよう、第2章の主要キーワードをまとめました。★マークは2026年2月改訂で追加された新出題範囲です。

第5節 | 第2章を効率よく覚える3つのコツ
コツ1:技術の進化を「時代劇」として読む
各モデルには「なぜこれが必要だったか」という背景があります。
「RNNには長文を忘れる弱点があった → だからLSTMが生まれた → でも処理が遅かった → だからTransformerが登場した」というように、課題と解決策のドラマとして読むと記憶に定着しやすくなります。
コツ2:実際に触って「体感」を作る
ChatGPT・Claude・Geminiはどれも無料プランで使えます。
「Claudeは長い文章に強い」と頭で覚えるより、実際に長い契約書を読ませてみると記憶に残ります。使ってみることで、各AIの「性格の違い」が体感として残ります。
コツ3:改訂キーワードは「別枠」でチェックする
2026年2月改訂で追加されたキーワード(GPT-o1/o3/o4、GPT-4.1、GPT-5、Sora、Operator、Codexなど)は、既存の参考書には載っていないことがあります。この早見表を別途マークして、優先的に復習するのがおすすめです。
まとめと次のステップ
今回は生成AIパスポート試験の第2章を、物語の流れで解説しました。
生成モデルの歴史:VAE・GAN(作る)→ RNN・LSTM(覚える)→ Transformer(全体を把握)
ChatGPTの進化:量の時代(GPT-1〜3)→ 質の時代(RLHF・GPT-4)→ 推論の時代(oシリーズ・GPT-5)
主要3AI:Gemini(検索)・Claude(安全性)・Copilot(Office統合)の特徴の違い
第2章の内容は、第3章「現在の生成AIの動向」(RAG・AIエージェント・MCPなど)にもつながってきます。次の記事では、「今のAIは実際にどんなことができるのか」をテーマに解説する予定です。
最後まで読んでいただきありがとうございました。この記事が少しでもお役に立てたら、スキ・フォローをいただけると励みになります!
━━━━━━━━━━━━━━━━━━━━━━
📚 参考:生成AIパスポート公式テキスト(一般社団法人 生成AI活用普及協会)
※本記事は試験範囲の理解補助を目的としたものです。正確な試験内容は公式テキストをご確認ください。