G検定 用語解説
TPUとは
Googleが機械学習の計算に特化して開発したプロセッサ（Tensor Processing Unit）。ニューラルネットワークで多用されるテンソル（行列）演算を高速に処理する。もともと画像処理向けに開発され並列計算の特性がディープラーニングへ転用されたGPUとは、開発の出発点が異なる。
まず押さえる結論
TPU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
Googleが機械学習の計算に特化して開発した、テンソル演算を高速に処理するためのプロセッサはどれか。
正解は「TPU」である。TPU（Tensor Processing Unit）はGoogleが機械学習の計算に特化して開発したプロセッサで、ニューラルネットワークで多用されるテンソル（行列）演算を高速に処理する。CPUは汎用の演算装置、HDDは記憶装置、RAMは主記憶であり、機械学習専用に設計された演算プロセッサではない。 選択肢ごとの差は次のように整理できる。「CPU」は誤答側で、誤答。「CPU」はさまざまな処理に対応できる汎用の演算装置であり、Googleが機械学習向けに開発しテンソル（行列）演算を高速に処理するTPUのような専用プロセッサではない。「HDD」は誤答側で、誤答。「HDD」はデータを長期的に保存しておくための記憶装置であり、ニューラルネットワークのテンソル（行列）演算を高速に処理する演算プロセッサではない。「TPU」は正解側で、正解。「TPU」はGoogleが機械学習の計算に特化して開発したプロセッサであり、ニューラルネットワークで多用されるテンソル（行列）演算を高速に処理する。「RAM」は誤答側で、誤答。「RAM」はデータやプログラムを一時的に保持する主記憶であり、テンソル演算を処理する演算プロセッサではない。
大項目4 ディープラーニングの概要 / 計算資源
Googleが開発した機械学習向けの専用プロセッサとして、ディープラーニングの行列演算などを高速に処理するために使われる計算資源はどれか。
正解は「TPU」である。TPUはGoogleが機械学習向けに開発した専用プロセッサであり、ディープラーニングで多用される行列演算を高速に処理するための計算資源として使われる。CUDAはNVIDIAのGPUを汎用計算に利用するための開発環境であり、専用プロセッサそのものではない。ムーアの法則は半導体の集積度が一定期間ごとに倍増するという経験則、ローブナーコンテストはチューリングテストに基づき人工知能の応答を評価するコンテストであり、いずれも計算資源を指す語ではない。
大項目4 ディープラーニングの概要 / 計算資源
NVIDIAのGPU上で汎用計算やディープラーニングの計算を効率よく行うために使われる開発基盤として最も適切なものはどれか。
正解は「CUDA」である。CUDAはNVIDIAのGPUで汎用計算を行うための開発基盤であり、ディープラーニングの高速計算とも関係が深い。TPUは機械学習向け専用プロセッサ、ムーアの法則は半導体集積度に関する経験則、万能近似定理はニューラルネットワークの表現力に関する考え方である。 設問はプロセッサの種類や理論ではなく、特定企業のGPUを利用する開発基盤を問う。機械学習向け専用プロセッサのTPU、半導体の経験則、ネットワーク表現力の定理を除外し、NVIDIA GPU向けのCUDAを選ぶ。
同じ章で確認したい用語
到達チェック
- TPU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、TPU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）