第 1 部分：生成式 AI 的基础
セクション1：生成 AI の基礎
学习目标
- 能说明 AI、ML、生成式 AI、基础模型、LLM 之间的关系
- 能说明 ML 生命周期的各阶段，以及选择适合业务的基础模型的标准
- 能说明数据的种类与质量观点、生成式 AI 的 5 个层，以及 Gemini、Gemma、Imagen、Veo 的区别
要点
- AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 基础模型（LLM 等）。生成式 AI 是创造新的文本、图像、代码、音频、视频的 AI。
- 基础模型是在大量数据上预训练、能适应多种任务的大规模模型。多模态是指处理文本、图像、音频、视频等多种数据。
- 扩散模型通过学习去除噪声的过程来生成图像和视频。
- 提示工程是对输入指令下功夫，提示调优是训练少量参数（软提示）使模型适应的方法。
- ML 生命周期：数据导入 → 准备 → 训练 → 部署 → 管理（监控、再训练）。在 Google Cloud 上使用 BigQuery、Cloud Storage、Agent Platform（原 Vertex AI）等。
- 基础模型的选择标准：模态、上下文窗口（一次能处理的输入量）、安全性、可用性与可靠性、成本、性能、定制的难易度。
- 结构化数据是表格形式（销售、客户数据库），非结构化数据是文档、图像、音频、视频。有标签的数据带正确答案，无标签的没有。
- 生成式 AI 的层：基础设施（TPU・GPU）→ 模型（Gemini 等）→ 平台（Agent Platform）→ 智能体 → 应用（Gemini app、Workspace 等）。
- Gemini 是主力多模态模型，Gemma 是轻量开放模型，Imagen 用于生成图像，Veo 用于生成视频。
工作中的应用场景
- 销售把工作分为提案书撰写（创作）、会议纪要摘要（摘要）、内部资料检索（发现）、报价草稿自动生成（自动化），梳理生成式 AI 的用武之地。
考试评估项目（来自考试指南）
- 生成 AI の主要な概念（AI・自然言語処理・機械学習・生成 AI・基盤モデル・マルチモーダル・拡散モデル・LLM・プロンプトエンジニアリング・プロンプトチューニング）
- 機械学習の手法（教師あり・教師なし・強化学習）と ML のライフサイクル（データの取り込み・準備・学習・デプロイ・管理）と各段階の Google Cloud のツール
- 業務に合う基盤モデルの選び方（モダリティ、コンテキストウィンドウ、セキュリティ、可用性、コスト、性能、ファインチューニング）と、作成・要約・発見・自動化のユースケース
- データの種類（構造化・非構造化、ラベルあり・なし）とデータの品質・アクセス性（完全性・一貫性・関連性・可用性・コスト・形式）
- 生成 AI の層（インフラ・モデル・プラットフォーム・エージェント・アプリケーション）
- Google の基盤モデル（Gemini、Gemma、Imagen、Veo）の用途と強み