用語比較
識別系AIと生成系AIの違い（ラベルを予測するか、新しい例を作るか）
識別系AIは、特徴量からラベルや値を予測します。生成系AIは、学習データに似た新しい例を作るか、その例が学習データと同じ仕組みで作られた確率を求めます。ラベルや値を予測するのが識別系、新しい例を作る・例の分布を扱うのが生成系と整理すると、設問を見分けやすくなります。
生成AIパスポートの公式シラバス（2027年2月試験より適用）は、第1章の学習項目に「識別系AIと生成系AIの違い」を置いています。第1章の中項目「ニューラルネットワーク」の学習目標は「ニューラルネットワークとディープラーニングの仕組み、代表的なモデル、識別系AIと生成系AIの違いを理解する」です。
このページは、識別系AIと生成系AIの定義があいまいな人と、GANの生成器と識別器が頭の中で混ざる人を対象にしています。出力の種類、確率の書き方、具体例の三つの軸で整理します。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。
- 公式一次資料と照合した内容
- 識別系AIと生成系AIは、生成AIパスポートの公式シラバス、Google Machine Learning用語集、GANの原論文を2026-10-13に照合しています。
- 編集部が学習用に整理した内容
- 出力と確率の形から見分ける手順は編集部の学習上の整理です。
資格ごとの公式資料の一覧
結論
公式一次資料と照合：用語の定義は公式一次資料と照合しています。
識別系AI
Google Machine Learning用語集によれば、特徴量からラベルを予測するモデル。迷惑メールかどうかの判定のように、分類や回帰を行う教師あり学習のモデルの大多数が当てはまる。
生成系AI
同用語集によれば、学習データセットから新しい例を作る、または新しい例が学習データと同じ仕組みで作られた確率を求めるモデル。GANの生成器は、この生成モデルに当たる。
違いを表で確認
| 比較軸 | 識別系AI | 生成系AI |
|---|---|---|
| 主な出力 | ラベルや数値（迷惑メール、正常メールなど） | 新しい例（文章、詩、画像など） |
| 確率の書き方 | 特徴量が与えられたときの出力の条件付き確率 p(output | features, weights) | 例や特徴の分布 p(examples) |
| 学習の種類との対応 | 分類や回帰など、教師あり学習のモデルの大多数 | 教師なし学習のモデルは生成的とされる |
| GANでの役割 | 識別器：標本が訓練データに由来する確率を推定する | 生成器：データの分布を捉えて新しい標本を作る |
| 設問の手がかり語 | 「分類する」「判定する」「予測する」「ラベル」 | 「新しく作る」「生成する」「分布を学習する」「本物らしい」 |
公式一次資料と照合：G検定: 2026-10-02に一次資料で確認一次資料の一覧を見る →
生成AIパスポートの学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
生成AIは分類もできると聞き、どちらに分けるか迷う人
分け方は、モデルが何を定義しているかで決まります。ラベルや値を出す条件付き確率を定義するなら識別モデル、例そのものの分布を扱うなら生成モデルです。設問文が何を出力させているかを先に確かめます。
GANの生成器と識別器を取り違える人
GANの原論文では、生成器Gがデータ分布を捉える生成モデル、識別器Dが標本がGではなく訓練データに由来する確率を推定する識別モデルです。識別器は標本を判定する側、生成器は新しい標本を作る側と覚えます。
「教師なし学習なら生成系」と一律に覚えてしまう人
Google用語集は、教師なし学習のモデルは生成的だと述べます。ただし生成系かどうかは、新しい例を作るか分布を扱うかという役割で見分けます。学習の種類の名前だけで決めつけず、設問が聞く出力を確かめます。
具体例で使い分ける
編集部の整理
例 1
メールが迷惑メールかどうかを判定するモデル
受信メールの特徴から、迷惑メールか通常のメールかを判定する場面です。
- Google用語集は、特徴量から迷惑メールかどうかを予測するモデルを、識別モデルの例に挙げています。
- 出力は「迷惑メール」「通常のメール」というラベルで、新しい文章は作っていません。
結論: ラベルを予測するので、識別系AIです。
例 2
詩のデータセットで学習し、新しい詩を作るモデル
多数の詩を学習し、学習データに似た新しい詩を出力する場面です。
- Google用語集は、詩のデータセットで学習して詩を作るモデルを、生成モデルの例に挙げています。
- 出力は既存の詩の分類ではなく、新しく作られた詩です。
結論: 新しい例を作るので、生成系AIです。
例 3
GANの2つのモデルをそれぞれ分類する
GANで学習する2つのモデルが、識別系と生成系のどちらに当たるかを聞かれる場面です。
- GANの原論文は、データ分布を捉える生成モデルGと、標本がGではなく訓練データに由来する確率を推定する識別モデルDを同時に学習するとしています。
- Google用語集も、GANの生成器を生成モデル、識別器を本物か偽物かを判定する側に位置づけています。
結論: 生成器は生成系、識別器は識別系です。1つのGANに両方が入っています。
問題文から答えを選ぶ手順
編集部の整理：出力と確率の形から見分ける手順は編集部の学習上の整理です。
- 1
出力を確かめる
ラベルや値を出すなら識別系、新しい文章・画像などの例を作るなら生成系と考えます。
- 2
確率の形を見る
p(output | features, weights)のように特徴量が与えられた出力の確率は識別、p(examples)のように例の分布は生成です。
- 3
手がかり語で絞る
「分類」「判定」「予測」は識別系、「新しく作る」「分布を学習する」は生成系の手がかりです。
- 4
GANは2つに分けて考える
生成器は生成系、識別器は識別系です。名前の「識別」に引きずられて全体を識別系と答えないようにします。
試験での見分け方
編集部の整理
- 1ラベルや値を予測するなら識別系AI。
- 2新しい例を作る、または例の分布を扱うなら生成系AI。
- 3迷惑メール判定のような分類や回帰は識別系の典型。
- 4GANの生成器は生成系、識別器は識別系。
- 5学習の種類の名前だけで決めず、設問が聞く出力を確かめる。
誤答しやすい選択肢
GANの識別器を生成系と答える
修正: 識別器は標本が訓練データに由来する確率を推定する識別モデルです。新しい標本を作るのは生成器です。
生成系AIは文章を作るものだけと考える
修正: Google用語集は、新しい例が学習データと同じ仕組みで作られた確率を求めるモデルも生成モデルに含めます。出力が文章かどうかだけで判断しません。
分類や回帰のモデルを生成系と答える
修正: 分類や回帰など教師あり学習のモデルの大多数は識別モデルです。特徴量からラベルや値を予測するかを確かめます。
識別系と生成系は互いに排他的で一緒に使えないと考える
修正: GANは生成器と識別器の2つを同時に学習します。両方の考え方が1つの仕組みの中で使われます。
確認問題
Q1特徴量から迷惑メールかどうかを予測するモデルは、識別系と生成系のどちらですか？
答え: 識別系
Google用語集は、特徴量から迷惑メールかどうかを予測するモデルを識別モデルの例に挙げています。
Q2GANの中で、標本が訓練データに由来する確率を推定するのはどちらですか？
答え: 識別器
原論文では識別モデルDが、標本がGではなく訓練データに由来する確率を推定します。データ分布を捉えるのは生成器Gです。
Q3詩のデータセットで学習して新しい詩を作るモデルは、識別系と生成系のどちらですか？
答え: 生成系
Google用語集は、学習データセットから新しい例を作るモデルを生成モデルとし、詩を作る例を挙げています。
到達チェック
- 識別系AIと生成系AIの出力の違いを一言で言える
- p(output | features, weights)とp(examples)がそれぞれどちらの確率か説明できる
- GANの生成器と識別器の役割を取り違えない
- 迷惑メール判定のような分類を識別系と判断できる
- 設問の手がかり語から識別系か生成系かを見分けられる
関連ページで確認する
同じ資格で次に知りたいこと
- ソーシャルエンジニアリング攻撃とフィッシング詐欺の違い
ソーシャルエンジニアリング攻撃とフィッシング詐欺の違いを、総称と具体的な手口の関係、スミッシング・ヴィッシングとの位置づけ、生成AIパスポートでの判断手順と確認問題まで解説します。
- マルウェアとランサムウェアの違い
マルウェアとランサムウェアの違いを、総称と具体的な種類の関係、金銭要求という特徴、生成AIパスポートでの判断手順と確認問題まで解説します。
- AI提供者とAI利用者の違い
AI提供者とAI利用者の違いを、AI事業者ガイドラインが定める役割、業務外利用者への対応、AI開発者との関係、生成AIパスポートでの判断手順と確認問題まで解説します。
よくある質問
Q識別系AIと生成系AIの一番短い違いは？
識別系AIは特徴量からラベルや値を予測し、生成系AIは新しい例を作る、または例の分布を扱います。
Q分類や回帰のモデルはどちらですか？
Google用語集は、分類や回帰のモデルを含む教師あり学習のモデルの大多数が識別モデルだと述べます。
QGANは識別系と生成系のどちらですか？
どちらも含みます。生成器が生成モデル、識別器が識別モデルで、同時に学習します。
Q生成AIパスポートでこの違いは出題範囲に入りますか？
公式シラバス（2027年2月試験より適用）の第1章に、学習項目として「識別系AIと生成系AIの違い」があります。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）