G検定 用語解説
鞍点とは
ある方向から見ると極小、別の方向から見ると極大になっている点。その付近では勾配がほぼ0になるため、局所最適解と同様に学習が停滞しやすい。
まず押さえる結論
鞍点は、G検定の「大項目4 ディープラーニングの概要」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
×勾配消失問題と勾配爆発の混同、およびReLUなど活性化関数による緩和の役割。
×局所最適解・大域最適解・鞍点の区別（鞍点はある方向に極小・別方向に極大）。
×誤差逆伝播法（バックプロパゲーション）と勾配降下法の役割の取り違え。
関連する確認問題
大項目4 ディープラーニングの概要 / 計算資源
半導体の集積度が一定期間ごとに増大してきたという経験則として、計算資源の発展を説明するときに使われるものはどれか。
正解は「ムーアの法則」である。ムーアの法則は、半導体の集積度が一定期間ごとに増大してきたという経験則で、計算資源の発展を説明するときに使われる。万能近似定理はニューラルネットワークの表現力、信用割当問題は結果に対する寄与の割り当て、鞍点は最適化上の地形に関する概念である。 判断では、半導体の発展を述べる経験則か、ニューラルネットワーク・強化学習・最適化の概念かを分ける。集積度と一定期間ごとの増大という条件に対応するのはムーアの法則である。
大項目4 ディープラーニングの概要 / 学習の仕組み
高次元のパラメータ空間で、ある方向では極小・別の方向では極大となって勾配がほぼゼロになり、学習の停滞を招きやすい地点を指す語はどれか。
正解は鞍点。ある方向では極小、別の方向では極大になっていて勾配がほぼゼロになるため、そこで更新が進まず学習が停滞しやすい。局所最適解は周囲より低いが全体では最小とは限らない解、大域最適解は全体で誤差が最小になる解、勾配爆発は勾配が急激に大きくなって学習が不安定になる現象で、いずれも鞍点とは指すものが異なる。 最適化上の地点か、勾配の異常かを区別する。勾配爆発は勾配が大きくなる現象、局所・大域最適解は誤差の小ささで定まる解であり、方向ごとに曲面の性質が異なって停滞しやすい地点は鞍点である。
同じ章で確認したい用語
到達チェック
- 鞍点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、鞍点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）