Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はBです。vector embeddingsは、単語・文章・ドキュメントなどのテキストを数値ベクトルとして多次元空間上に表現する技術です。意味的に類似したテキストは空間上で近い位置にマッピングされるため、意味の類似性計算や意味検索（semantic search）が可能になります。Azure OpenAI ServiceやAzure AI Searchでは、embeddingsを活用してベクトル検索を実現し、キーワード一致ではなく意味的な関連性に基づいた情報検索が行えます。
選択肢A：これはtokenization（トークン化）の説明です。テキストをトークンに分割する処理は、embeddingsを生成する前段階として必要ですが、embeddings自体の役割ではありません。
選択肢C：これはcontent filtering（コンテンツフィルタリング）の説明です。Azure OpenAI Serviceにはcontent filteringの機能がありますが、これはembeddingsの主な目的ではありません。
選択肢D：これはdecoding（デコード）やtext generation（テキスト生成）の出力変換処理の説明です。embeddingsはむしろ入力側でテキストを数値表現に変換する技術であり、逆方向の処理ではありません。
選択肢A：これはtokenization（トークン化）の説明です。テキストをトークンに分割する処理は、embeddingsを生成する前段階として必要ですが、embeddings自体の役割ではありません。
選択肢C：これはcontent filtering（コンテンツフィルタリング）の説明です。Azure OpenAI Serviceにはcontent filteringの機能がありますが、これはembeddingsの主な目的ではありません。
選択肢D：これはdecoding（デコード）やtext generation（テキスト生成）の出力変換処理の説明です。embeddingsはむしろ入力側でテキストを数値表現に変換する技術であり、逆方向の処理ではありません。
関連サービスの解説
Azure OpenAI Service＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 %
No.14 解説
Azure OpenAI Service を活用した自然言語処理アプリケーションにおいて、単語や文章の意味的類似性を計算し、関連コンテンツの検索精度を向上させるために使用される技術があります。この技術の主な役割として最も適切なものはどれですか。
- テキストデータを単語または部分単語の単位に分割し、モデルが処理可能な形式に変換する
- テキストの意味情報を保持しながら、数値ベクトルとして多次元空間上に表現する
- 生成されたテキスト出力に含まれる不適切な表現や有害なコンテンツを検出してフィルタリングする
- モデルから出力された数値データを自然言語として人間が理解できる形式に変換する