生成AIパスポート第1章 AI（人工知能）予想問題と解説

生成AIパスポート「第1章 AI（人工知能）」の予想問題を30問、各問の完全解説つきで掲載しています。全問オリジナル自作・公式シラバス準拠です。

この分野で問われる主な論点

AIに知能をもたらす仕組み
シンギュラリティ（技術的特異点）
AI（人工知能）の定義
AIの種類
AIの歴史

この分野を演習する（30問）

間違えやすいポイント（作問者分析）

当サイトの作問時に観察した、取り違えやすい論点です（公式の統計ではありません）。

教師あり学習・教師なし学習・強化学習の取り違え。クラスタリングや次元削減は「教師なし」、分類や回帰は「教師あり」、報酬を手がかりに学ぶのが「強化学習」。
弱いAI（ANI）と強いAI（AGI）の混同。特定の課題に特化するのが弱いAI、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI。
AIブームと中心技術の対応ずれ。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とビッグデータ。

第1問・ AIに知能をもたらす仕組み

正解ラベルのないデータから、データ自体に潜むパターンや構造を見つけ出す機械学習の手法はどれか。

ア強化学習
イクラスタリング正解
ウ教師あり学習
エ転移学習

解説

ラベル（正解）が与えられないデータからパターンや構造を見つける学習を「教師なし学習」といい、その代表例がクラスタリングや次元削減である。教師あり学習は正解ラベルを使う学習、強化学習は報酬を手がかりに行動を最適化する枠組み、転移学習はある領域で学習した知識を別の領域に活かす手法で、いずれも教師なし学習ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第2問・シンギュラリティ（技術的特異点）

シンギュラリティ（技術的特異点）に関する説明として最も適切なものはどれか。

アAIが人類の知能を超え、社会に後戻りできない変化をもたらすとされる概念で、レイ・カーツワイルは2045年の到来を予測した正解
イ学習データを増やすほどAIの予測精度がかえって下がっていく、という機械学習上の現象を指す
ウAIが出した判断結果を、運用上かならず人間が最終確認しなければならないとする規定を指す
エAIへの期待や投資が冷え込み、研究が停滞する「AIの冬」を言い換えた表現である

解説

シンギュラリティはAIが人間の知能を超え、社会に不可逆的な変化をもたらすとされる概念。レイ・カーツワイルは2045年問題としてその到来を予測した。選択肢4の「AIの冬」はAIブームが停滞した時期を指す別概念。

https://guga.or.jp/assets/syllabus.pdf （第1章シンギュラリティ／AIの歴史）

第3問・ AI（人工知能）の定義

「AI（人工知能）」という言葉が初めて使われたとされる会議はどれか。

アダートマス会議正解
イ第一次AIブーム
ウエキスパートシステム
エシンギュラリティ（技術的特異点）

解説

「AI（人工知能）」という言葉は、ダートマス会議で初めて使われたとされる。第一次AIブームはその後に訪れた時期、エキスパートシステムは第二次AIブームで中心となった仕組み、シンギュラリティはAIが人間の知能を超えるとされる概念で、いずれも会議の名称ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能）の定義）

第4問・ AIに知能をもたらす仕組み

人間があらかじめ規則を細かく記述するのではなく、大量のデータから規則性やパターンをコンピュータ自身に学習させる仕組みはどれか。

アルールベース
イ探索
ウ機械学習正解
エエキスパートシステム

解説

データから規則性やパターンを自動的に学習する仕組みが機械学習。ルールベースは人間があらかじめ規則を記述する方式で、機械学習と対比される。探索は第一次AIブームの手法、エキスパートシステムは専門知識をルール化した第二次AIブームの仕組みで、いずれもデータから自ら学習する方式ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第5問・ AIに知能をもたらす仕組み

機械学習で、訓練データに過剰に適合してしまい、未知のデータに対する予測精度が下がってしまう現象を何というか。

ア転移学習
イ強化学習
ウ過学習（オーバーフィッティング）正解
エ正則化

解説

訓練データに適合しすぎて未知データへの精度が落ちる現象が過学習（オーバーフィッティング）。正則化は過学習を抑えるための手法であって現象ではない。転移学習は学習済みの知識を別課題に活かす手法、強化学習は報酬を手がかりに学習する枠組みで、いずれも現象を指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第6問・ AIに知能をもたらす仕組み

ニューラルネットワークの過学習を抑えるための手法として適切なものはどれか。

アドロップアウト正解
イ特徴量
ウ探索
エクラスタリング

解説

ドロップアウトは学習時に一部のノードを無効化して過学習を抑える手法。特徴量はデータの特徴を表す変数、探索は第一次AIブームの手法、クラスタリングは教師なし学習の手法で、いずれも過学習を抑える手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第7問・ AIの種類

画像認識や将棋など、特定の領域・課題に限って能力を発揮するAIを何というか。

ア弱いAI（ANI）正解
イ強いAI（AGI）
ウ特徴量
エエキスパートシステム

解説

特定の領域・課題に特化したAIが弱いAI（ANI）。強いAI（AGI）は人間のように幅広い課題に汎用的に対応できるAIを指す。特徴量はデータの特徴を表す変数、エキスパートシステムは専門知識をルール化した仕組みで、AIの能力範囲を表す区分ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIの種類）

第8問・ AIの歴史

第二次AIブームの中心となった、専門家の知識をルールとして取り込み推論を行う仕組みはどれか。

アディープラーニング
イ探索と推論
ウビッグデータ
エエキスパートシステム正解

解説

第二次AIブームでは、専門家の知識をルール化して問題解決を行うエキスパートシステムが中心となった。ディープラーニングとビッグデータは第三次AIブームを支えた要素、探索と推論は第一次AIブームの中心で、時期が異なる。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIの歴史）

第9問・ AIの歴史

現在まで続く第三次AIブームを支えた中心的な要素として最も適切なものはどれか。

アディープラーニングとビッグデータ正解
イエキスパートシステム
ウ探索と推論
エ人間が規則を記述するルールベース

解説

第三次AIブームは、大量のデータ（ビッグデータ）とディープラーニングの発展によって支えられた。エキスパートシステムは第二次AIブーム、探索と推論は第一次AIブームの中心であり、ルールベースは人間が規則を記述する旧来の方式である。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIの歴史）

第10問・ AIに知能をもたらす仕組み

ある課題を学習して得たモデルや知識を、別の関連する課題の学習に応用する手法を何というか。

ア強化学習
イドロップアウト
ウ転移学習正解
エ過学習

解説

学習済みの知識を別の関連課題に活かす手法が転移学習。過学習は訓練データに適合しすぎる現象、強化学習は報酬を手がかりに学習する枠組み、ドロップアウトは過学習を抑える手法で、いずれも知識を別課題に転用する手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第11問・ AI（人工知能）の定義

AI（人工知能）とロボットの区別に関する説明として最も適切なものはどれか。

アAIとロボットは完全に同じものを指す言葉であり、両者に区別はない
イロボットは知能を担うソフトウェアの呼び名であり、AIはそれを動かす物理的な機械（身体）を指す
ウAIは必ずロボットの一部としてのみ存在し、身体を持たないAIは存在しない
エAIは認識や判断など知能の働きを担う部分を指し、必ずしも物理的な身体を必要としない。一方ロボットは身体（機械）を持ち、AIがその制御に使われることもある正解

解説

AIは認識・判断など知能の働きを担う部分で、必ずしも物理的な身体を持つ必要はなく、ソフトウェアとして機能することも多い。一方ロボットは身体（機械）を持つ存在で、その制御にAIが使われることもある。選択肢1はAIとロボットの説明が逆。選択肢2は両者を同一視しており誤り。選択肢4は身体を持たないAI（ソフトウェアとして動くAI）が存在するため誤り。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能）の定義）

第12問・ AIに知能をもたらす仕組み

機械学習において、大量のデータで訓練を終え、新しいデータに対して予測や分類を行えるようになったものを何というか。

アクラスタリング
イ学習済みモデル正解
ウルールベース
エ特徴量

解説

訓練を終えて新しいデータに推論できるようになったものを学習済みモデルという。クラスタリングは教師なし学習の手法、ルールベースは人間があらかじめ規則を記述する方式、特徴量はデータの特徴を表す変数で、いずれも訓練を終えたモデルそのものを指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第13問・ AIに知能をもたらす仕組み

少量のラベル付きデータと、大量のラベルなしデータを組み合わせて学習する手法を何というか。

ア教師なし学習
イ強化学習
ウ教師あり学習
エ半教師あり学習正解

解説

少量のラベル付きデータと大量のラベルなしデータを併用して学習するのが半教師あり学習。教師あり学習はラベル付きデータのみ、教師なし学習はラベルなしデータのみを用いる手法であり、強化学習は報酬を手がかりに行動を最適化する枠組みで、いずれも両者を組み合わせる手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第14問・ AIに知能をもたらす仕組み

教師なし学習の一つで、データが持つ多数の特徴（変数）を、重要な情報をできるだけ保ったまま少ない数にまとめる手法を何というか。

ア過学習
イ転移学習
ウ次元削減正解
エクラスタリング

解説

多数の特徴を重要な情報を保ちつつ少ない数にまとめるのが次元削減で、教師なし学習の代表例の一つ。クラスタリングは似たデータをグループに分ける手法で、特徴の数を減らす手法ではない。過学習は訓練データに適合しすぎる現象、転移学習は学習済みの知識を別課題に活かす手法で、いずれも特徴をまとめる手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第15問・ AIに知能をもたらす仕組み

脳の神経細胞（ニューロン）とその結合（シナプス）の仕組みを模し、人工ニューロン（ノード）を多数つなぎ合わせて情報を処理するモデルを何というか。

アエキスパートシステム
イニューラルネットワーク正解
ウクラスタリング
エ強化学習

解説

脳のニューロンとシナプスの仕組みを模し、人工ニューロン（ノード）を多数つなげて情報を処理するモデルがニューラルネットワークで、ニューロン間のつながりの強さは「重み」で表される。エキスパートシステムは専門知識をルール化した仕組み、クラスタリングは教師なし学習の手法、強化学習は報酬を手がかりに学習する枠組みで、いずれも神経細胞を模したネットワークではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第16問・ AIに知能をもたらす仕組み

モデルが複雑になりすぎないように制約（ペナルティ）を加え、過学習を抑えることを狙う手法の総称はどれか。

アクラスタリング
イ正則化正解
ウ半教師あり学習
エ転移学習

解説

モデルが複雑になりすぎないように制約（ペナルティ）を加えて過学習を抑える手法の総称が正則化。転移学習は学習済みの知識を別課題に活かす手法、半教師あり学習はラベル付きとラベルなしのデータを併用する学習、クラスタリングは教師なし学習の手法で、いずれも過学習を抑えるための制約を加える手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第17問・ AIに知能をもたらす仕組み

「あらゆる問題に対して常に最良の性能を発揮する万能の機械学習アルゴリズムは存在しない」という考え方を表すものはどれか。

アAI効果
イノーフリーランチ定理正解
ウ2045年問題
エ転移学習

解説

どんな問題にも常に最良となる万能のアルゴリズムは存在しない、という考え方がノーフリーランチ定理。AI効果はAIが達成した技術を「単なる自動処理であって知能ではない」とみなす心理的傾向、2045年問題はシンギュラリティの到来時期に関する話題、転移学習は学習済みの知識を別課題に活かす手法で、いずれも「万能アルゴリズムは存在しない」という主張ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIに知能をもたらす仕組み）

第18問・ AIの種類

AIを、その仕組みや能力の高度さに応じて4つの段階に分けてとらえる考え方を何というか。

アAIの冬
イノーフリーランチ定理
ウ弱いAI（ANI）と強いAI（AGI）
エAIの4つのレベル正解

解説

AIを仕組みや能力の高度さに応じて4段階に分けてとらえる考え方がAIの4つのレベル。弱いAI（ANI）と強いAI（AGI）はAIが対応できる課題の広さによる2区分であり4段階の分類ではない。ノーフリーランチ定理は万能アルゴリズムは存在しないという考え方、AIの冬はAIブームが停滞した時期で、いずれも段階的な分類の考え方ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIの種類）

第19問・ AIの歴史

第一次AIブームで中心となった、迷路やパズルなどで考えられる選択肢を順にたどり、ゴールへの道筋を見つける手法を何というか。

ア探索正解
イクラスタリング
ウエキスパートシステム
エディープラーニング

解説

第一次AIブームでは、考えられる選択肢を順にたどって解への道筋を見つける探索（と推論）が中心だった。エキスパートシステムは第二次AIブームの仕組み、ディープラーニングは第三次AIブームを支えた技術、クラスタリングは教師なし学習の手法で、いずれも第一次AIブームの中心手法ではない。なお、AIへの期待がしぼんで研究が停滞した時期は「AIの冬」と呼ばれる。

https://guga.or.jp/assets/syllabus.pdf （第1章 AIの歴史）

第20問・シンギュラリティ（技術的特異点）

シンギュラリティ（技術的特異点）という概念を論じた人物として知られるのはどれか。

アヴァーナー・ヴィンジ正解
イダートマス会議
ウAI効果
エノーフリーランチ定理

解説

シンギュラリティ（技術的特異点）は、AIが人間の知能を超え社会に不可逆的な変化をもたらすとされる概念で、これを論じた人物としてヴァーナー・ヴィンジが知られる（レイ・カーツワイルは2045年の到来を予測した）。AI効果はAIが達成した技術の仕組みが分かると「単なる自動処理で知能ではない」とみなしてその成果を認めなくなる傾向を指す語、ダートマス会議は「AI」という言葉が初めて使われた会議、ノーフリーランチ定理は万能アルゴリズムは存在しないという考え方で、いずれも人物名ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章シンギュラリティ（技術的特異点）

第21問・ AIに知能をもたらす仕組み

ニューラルネットワークで、ある人工ニューロン（ノード）から次のノードへ信号を伝えるときの結合の強さを表し、学習を通じて値が調整されていくものを何というか。

アシナプス
イ正則化
ウ特徴量
エ重み正解

解説

人工ニューロン（ノード）間の結合の強さを表し、学習によって調整される数値が「重み」で、これによって情報の重みづけが行われる。シナプスは脳の神経細胞どうしの結合部位を指す生体側の用語で、学習で調整される数値そのものではない。特徴量はデータの特徴を表す変数、正則化は過学習を抑える手法で、いずれも結合の強さを表す値ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIに知能をもたらす仕組み）

第22問・ AIの種類

機械学習で、対象となるデータの中から予測や分類に役立つ性質を数値として取り出したものを何というか。

ア特徴量正解
イ学習済みモデル
ウ潜在ベクトル
エクラスタリング

解説

予測や分類の手がかりとなるデータの性質を数値化したものが特徴量である。学習済みモデルは訓練を終えて推論できるようになったモデルそのもの、クラスタリングは似たデータをグループに分ける教師なし学習の手法、潜在ベクトルはデータを圧縮した表現で、いずれもデータから取り出した特徴を表す数値ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIの種類）

第23問・シンギュラリティ（技術的特異点）

ある技術がAIによって実現された後、その仕組みが明らかになると「これは単なる自動処理であって知能とは呼べない」とみなし、AIの成果として認めなくなる心理的な傾向を何というか。

アAI効果正解
イノーフリーランチ定理
ウAIの冬
エシンギュラリティ（技術的特異点）

解説

AIが達成した技術の仕組みが分かると「自動処理にすぎず知能ではない」とみなして成果を認めなくなる傾向がAI効果である。ノーフリーランチ定理は万能のアルゴリズムは存在しないという考え方、AIの冬はAIブームが停滞した時期、シンギュラリティはAIが人間の知能を超え社会に不可逆的な変化をもたらすとされる概念で、いずれも成果を認めなくなる心理的傾向を指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能）シンギュラリティ（技術的特異点））

第24問・ AIに知能をもたらす仕組み

あらかじめ正解（ラベル）が与えられたデータを用いて、入力と正解の対応関係を学習する機械学習の手法はどれか。

アクラスタリング
イ教師あり学習正解
ウ教師なし学習
エ強化学習

解説

入力データとその正解（ラベル）の組を用いて対応関係を学習するのが教師あり学習である。教師なし学習は正解ラベルを使わずデータの構造を見つける手法、クラスタリングはその代表例、強化学習は報酬を手がかりに行動を最適化する枠組みで、いずれも正解ラベルとの対応を学習する手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIに知能をもたらす仕組み）

第25問・ AIに知能をもたらす仕組み

明確な正解データを与える代わりに、行動の結果として与えられる報酬を手がかりに、より多くの報酬を得られる行動を試行錯誤しながら学習していく手法はどれか。

ア強化学習正解
イ次元削減
ウ転移学習
エ教師あり学習

解説

報酬を手がかりに、より多くの報酬を得られる行動を試行錯誤で学習するのが強化学習である。教師あり学習は正解ラベルとの対応を学ぶ手法、次元削減は特徴の数をまとめる教師なし学習の手法、転移学習は学習済みの知識を別課題に活かす手法で、いずれも報酬を手がかりに行動を学習する枠組みではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIに知能をもたらす仕組み）

第26問・ AIに知能をもたらす仕組み

機械学習の手法の一つで、脳の神経回路を模したネットワークの層を深く重ねることにより、画像認識など複雑なパターンの認識を可能にした技術はどれか。

アルールベース
イエキスパートシステム
ウクラスタリング
エディープラーニング正解

解説

ネットワークの層を深く重ねて複雑なパターンを学習する機械学習の手法がディープラーニングで、第三次AIブームを支えた中心技術の一つである。ルールベースは人間があらかじめ規則を記述する方式、クラスタリングは教師なし学習の手法、エキスパートシステムは専門知識をルール化した第二次AIブームの仕組みで、いずれも層を深く重ねたネットワークを用いる手法ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIに知能をもたらす仕組み）

第27問・ AIに知能をもたらす仕組み

ニューラルネットワークを構成する最小単位で、脳の神経細胞を模して複数の入力を受け取り、それらを処理して次へ出力するものを何というか。

アシナプス
イ特徴量
ウ人工ニューロン（ノード）正解
エ潜在ベクトル

解説

脳の神経細胞を模し、複数の入力を受け取って処理し出力する、ニューラルネットワークの最小単位が人工ニューロン（ノード）である。シナプスは脳の神経細胞どうしの結合部位を指す生体側の用語、特徴量はデータの特徴を表す変数、潜在ベクトルはデータを圧縮した表現で、いずれもネットワークを構成する処理単位そのものではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIに知能をもたらす仕組み）

第28問・ AIの種類

特定の作業だけでなく、人間のように分野を限定せず幅広い課題へ柔軟に対応できる、汎用的な能力を持つとされるAIを何というか。

アエキスパートシステム
イ学習済みモデル
ウ弱いAI（ANI）
エ強いAI（AGI）正解

解説

分野を限定せず幅広い課題へ汎用的に対応できるとされるAIが強いAI（AGI）である。弱いAI（ANI）は画像認識や将棋など特定の領域に特化したAI、エキスパートシステムは専門知識をルール化した仕組み、学習済みモデルは訓練を終えたモデルそのもので、いずれも汎用的な能力を持つAIの区分を指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIの種類）

第29問・ AIに知能をもたらす仕組み

データから規則性を学ばせるのではなく、人間が「この条件のときはこう動く」という規則をあらかじめ細かく記述しておくことでAIを機能させる方式を何というか。

ア強化学習
イ機械学習
ウルールベース正解
エ転移学習

解説

人間があらかじめ規則を記述しておくことでAIを動かす方式がルールベースである。機械学習はデータから規則性やパターンを自ら学習する仕組みで、ルールベースと対比される。強化学習は報酬を手がかりに行動を学習する枠組み、転移学習は学習済みの知識を別課題に活かす手法で、いずれも人間が規則を記述する方式ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIに知能をもたらす仕組み）

第30問・ AIの歴史

AIへの過度な期待が満たされず、研究資金や社会的な関心が大きく落ち込んで、研究開発が停滞してしまった時期を指す言葉はどれか。

ア第三次AIブーム
イAIの冬正解
ウ第二次AIブーム
エビッグデータ

解説

AIへの期待が満たされず、資金や関心が落ち込んで研究開発が停滞した時期がAIの冬である。第二次AIブームはエキスパートシステムを中心に盛り上がった時期、第三次AIブームはディープラーニングとビッグデータに支えられた現在まで続く時期、ビッグデータはその第三次ブームを支えた大量のデータで、いずれも研究が停滞した時期を指す語ではない。

https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能） AIの歴史）

この分野を演習で力試し →