G検定 用語解説
アノテーションとは
教師あり学習で使うデータの一つひとつに、正解となるラベルやタグを付与していく作業。
まず押さえる結論
アノテーションは、G検定の「大項目7 AIの社会実装に向けて」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / データの整備と運用
教師あり学習で用いるデータを準備する際、個々の画像やテキストに正解となるラベルやタグを付与していく作業を指す用語はどれか。
正解は「アノテーション」である。教師あり学習で使うデータの一つひとつに、正解となるラベルやタグを付けていく作業がアノテーションである。データの加工・前処理は欠損値処理や正規化・標準化などデータの形式や品質を整える工程であり、正解ラベルを付与する作業そのものとは異なる。Webスクレイピングはウェブ上の情報を自動的に抽出して集める収集手法で、ラベル付けより前の段階の作業である。オープンデータは誰でも自由に使える形で公開されたデータそのものを指す語で、作業を表す用語ではない。
大項目7 AIの社会実装に向けて / AIの説明性・公平性
検索やSNSの推薦アルゴリズムが利用者の好みに合う情報ばかりを優先表示する結果、自分の関心に近い情報だけに囲まれ、異なる視点に触れにくくなる状態を指す用語はどれか。
正解は「フィルターバブル」である。検索やSNSの推薦アルゴリズムが利用者の好みに合う情報を優先表示し続けた結果、自分の関心に近い情報だけに囲まれて異なる視点に触れにくくなる状態がフィルターバブルである。敵対的サンプルは入力データに意図的な変化を加えてモデルに誤認識をさせる加工入力であり、情報の偏った表示状態とは対象が異なる。アノテーションは教師あり学習に使うデータへ正解ラベルを付与する作業であり、推薦アルゴリズムによる表示の偏りとは無関係である。概念ドリフトは運用中にデータの傾向が変化してモデルの精度が下がる現象であり、利用者が触れる情報の偏りを指す語ではない。
大項目7 AIの社会実装に向けて / データの整備と運用
運用中の機械学習モデルについて、時間の経過とともに入力データの傾向や、入力と出力の関係が変化していき、モデルの予測精度が徐々に低下していく現象を何というか。
正解は「概念ドリフト」である。概念ドリフトは、時間の経過とともに入力データの傾向や、入力と出力の関係そのものが変化していき、運用中のモデルの予測精度が徐々に低下していく現象である。運用後の再学習・監視（MLOps）が重要になる。データリーケージは学習時に正解情報が混入する事故、過学習は訓練データに適合しすぎる現象、アノテーションはラベル付け作業であり、いずれも運用中の傾向変化による精度低下を指す語ではない。 問題が生じる時点を区別する。データリーケージは学習・検証時の情報漏れ、過学習は訓練データへの過度な適合、アノテーションはラベル付与作業である。本番運用後に環境や顧客行動が変わり関係がずれるのは概念ドリフトである。
同じ章で確認したい用語
到達チェック
- アノテーションを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、アノテーションに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）