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
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。
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AIで、時間の経過により入力データの傾向や正解との関係が変わり、モデル性能が低下する現象はどれか。
正解は「概念ドリフト」である。概念ドリフトは、運用中にデータの分布や入力と正解の関係が変化し、学習時には高かったモデル性能が低下する現象である。データリーケージは本来使えない情報の混入、アノテーションはラベル付け、オープンデータは公開データである。 時間軸と原因を区別する。データリーケージは学習時の情報漏れ、アノテーションはラベル付与、オープンデータは公開データである。顧客行動や環境変化により学習時の関係が現在とずれるのが概念ドリフトで、監視と再学習が必要になる。
大項目7 AIの社会実装に向けて / データの整備と運用
AI開発から本番運用、監視、再学習までを継続的に回すための考え方や実践はどれか。
正解は「MLOps」である。この設問は、AIプロジェクトの時間軸の中でも「本番運用が始まった後」を継続的にどう回すかという局面を問うている。MLOpsは、モデルの開発・デプロイだけでなく、本番運用中の監視や性能低下を踏まえた再学習までを一連のサイクルとして継続的に回す考え方・実践であり、運用フェーズ全体を対象とする点が特徴になる。他の3つの選択肢は、いずれもMLOpsが対象とする「運用開始後の継続的な回し方」とは異なる局面を指す語である。CRISP-DMはプロジェクトを立ち上げてから展開するまでの分析工程、プライバシー・バイ・デザインは設計段階からの情報保護の組み込み方、アノテーションは学習データへのラベル付与作業であり、いずれも運用中の継続的な監視・再学習という主題を指してはいない。
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）