G検定 用語解説
ビッグデータとは
ディープラーニングの登場とあわせて、現在まで続く第三次AIブームを支えた大量に蓄積されたデータ。機械学習・ディープラーニングによる特徴量の学習やパターン認識の実用化を後押しした。大量データの中から未知の規則性を見つけ出す活動であるデータマイニングとは異なり、その分析対象となるデータそのものを指す。
ビッグデータの意味と見分け方
ビッグデータは、G検定の「大項目2 人工知能をめぐる動向」に出てくる用語です。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。
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
「大項目2 人工知能をめぐる動向」の問題で、取り違えやすい組み合わせです。
- 各AIブームと、その中心になった技術の組み合わせの取り違え。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニング。
- フレーム問題とシンボルグラウンディング問題の混同。フレーム問題は『起こりうる事柄をすべて考慮しきれない』問題、シンボルグラウンディング問題は『記号と実世界の意味を結びつけられない』問題。
- 知識獲得のボトルネック（専門知識をルール化する作業の困難さ）をエキスパートシステムの利点と取り違える。
関連する確認問題
大項目2 人工知能をめぐる動向 / AIブームと機械学習の発展
第三次AIブームを支えた要因の説明として、最も適切なものはどれか。
この設問は、各選択肢がAIブームのどの時期の出来事を指しているかを取り違えさせる作りになっている。正解となるのは、ビッグデータの利用拡大と機械学習・ディープラーニングの発展を関連づけて特徴量の学習やパターン認識の実用化を説明する選択肢であり、これが第三次AIブームの技術的背景に対応する。判断の軸は、知識獲得のボトルネック（第二次AIブームの課題）や探索と推論（第一次AIブームの中心技術）を第三次AIブームの要因と取り違えていないか、またデータ活用の流れを逆向きに述べていないかである。誤りの選択肢は、いずれも別の時期の話題を混同するか、実際の技術発展の方向と反対のことを述べている。
大項目2 人工知能をめぐる動向 / AIブームと機械学習の発展
特徴量の数（次元）が増えるほど、データが空間の中で疎になり、学習に必要なデータの量が急激に増える問題はどれか。
特徴量の数が増えるほどデータが疎になって学習が難しくなる問題を答える。正解は「次元の呪い」である。次元の呪いは、特徴量の数（次元）が増えるにつれて、データが空間の中で疎になり、学習に必要なデータの量が急激に増える問題を指す。「ビッグデータ」はデータの集まりの名称、「特徴量」は予測の手がかりとなる変数で、問題の原因となる要素にあたる。「データマイニング」は知見を取り出す手法であり、いずれも問題の名称ではない。したがって、設問の問題は次元の呪いである。
大項目2 人工知能をめぐる動向 / AIブームと機械学習の発展
手書き数字の認識に使われた、畳み込み層とプーリング層を備える初期の畳み込みニューラルネットワークはどれか。
手書き数字の認識に使われ、畳み込み層とプーリング層を備える初期のモデルを答える。正解は「LeNet」である。LeNetは、手書き数字の認識に使われた、畳み込み層とプーリング層を備える初期の畳み込みニューラルネットワークである。「アルファ碁（AlphaGo）」は囲碁のAI、「ILSVRC」は画像認識のコンテスト、「ビッグデータ」はデータの集まりの名称であり、いずれも畳み込みニューラルネットワークのモデルではない。したがって、設問のモデルはLeNetである。
同じ章で確認したい用語
他資格でも出題される用語
到達チェック
- ビッグデータ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、ビッグデータ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: AI資格ドリル編集部（運営者情報を見る）