AI において，広範囲かつ大量のデータで訓練されたものであり，ファインチューニングなどによって文章生成 AI のような様々な用途に適応できる特徴をもつものを何というか。

なぜ違う: アノテーションは学習用データにラベルを付与する作業でありモデルそのものではないため誤りである。

なぜ違う: エキスパートシステムは専門家の知識をルール化した推論システムであり大量データで訓練する基盤モデルではないため誤りである。

なぜ違う: 畳み込みニューラルネットワークは主に画像認識に用いるネットワーク構造であり多用途に適応する基盤モデルの定義とは異なるため誤りである。

要点: 大量データで事前訓練し多用途に適応できるのは基盤モデル。

基盤モデル（ファウンデーションモデル）とは，広範囲かつ大量のデータで事前訓練され，ファインチューニングによって文章生成など様々な用途に適応できるAIモデルのことである。

App Store

ITパスポートの学習アプリ（ITパストレ）