G検定 用語解説
特徴量とは
予測や分類の手がかりとして、データから抽出した個々の測定可能な性質や特性。
まず押さえる結論
特徴量は、G検定の「大項目2 人工知能をめぐる動向」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
×AIブームと中心の対応ずれ。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。前者は『起こりうる事柄をすべて考慮しきれない』、後者は『記号と実世界の意味を結びつけられない』。
×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。
正解は「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により、特徴量の学習やパターン認識が実用化しやすくなった」である。第三次AIブームでは、ビッグデータの蓄積、機械学習、ディープラーニングの発展が重要な背景となった。大量のデータから特徴量やパターンを学習し、画像認識や自然言語処理などの性能向上につながった。第二次AIブームのエキスパートシステムでは、専門知識を人手で整備する知識獲得のボトルネックが課題だったため、これが完全に解消されたという説明は誤り。 比較対象には「人手で専門家の知識をすべてルール化できるようになり、知識獲得のボトルネックが完全に解消された」、「探索と推論だけで、画像認識や自然言語処理のすべての問題が解けるようになった」、「統計的自然言語処理が不要になり、データを使わない人工知能が主流になった」も含まれる。
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
特徴量が増えすぎると、必要なデータ量が急増し、距離や密度の意味が薄れやすくなる問題はどれか。
正解は「次元の呪い」である。次元の呪いは、特徴量が増えすぎると、その空間を埋めるのに必要なデータ量が急増し、距離や密度に基づく判断の意味が薄れやすくなる問題である。AI効果は、実現した機能の仕組みが分かるとAIと見なされにくくなる現象であり、特徴量の増加とは無関係である。知識獲得のボトルネックは、専門家が持つ知識を聞き出して規則の形にまとめる作業に手間がかかるという課題であり、特徴量の次元とは異なる論点である。フレーム問題は、行動によって変化する事柄と変化しない事柄を区別することが難しいという推論上の課題であり、特徴量が増えることによる問題ではない。
同じ章で確認したい用語
到達チェック
- 特徴量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、特徴量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）