第79問〜第88問を掲載しています。答えを開き、誤答選択肢との違いまで確認してください。 この章の第1問から読む場合は第1章 AI（人工知能）のページへ戻ります。
公式範囲を確認し、問題文・選択肢・解説は当サイトが作成。本試験問題の複写ではありません。 一次情報確認日: 2026-08-31。
公式シラバス（PDF）（公式）正解は「1956年・人工知能（Artificial Intelligence）」である。ダートマス会議は1956年7月から8月にかけてジョン・マッカーシーが主催し、ダートマス大学で開催された学術会議で、その提案書で史上初めて「人工知能」という語が用いられた。設問は開催年と初出の語の両方を問うため、年だけ、語だけで選ばず、組み合わせ全体を照合する。1997年・2012年は会議の開催年ではなく、ディープラーニングやビッグデータは会議で初めて用いられた語としてシラバスが示すものではない。機械学習は年が合っていても、初めて用いられた語としては人工知能が正しい。
https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能）の定義）
正解は「ロボットと呼ばれるものは、必ずAIを搭載しているため、AIとロボットは同じ意味で使われる」である。設問は誤っている説明を選ぶ形式なので、各選択肢を事実と照合する。AIは認識や判断などの知的な処理を行う仕組みであり、ロボットは物理的に動作する機械である。両者は別の概念で、ロボットがAIを搭載するとは限らず、AIが身体を持たないソフトウェアとして動くこともある。他の3つはいずれもこの区別に沿った正しい説明である。「必ず」「同じ意味」のような断定が含まれる選択肢は、例外がないかを疑って確かめる。
https://guga.or.jp/assets/syllabus.pdf （第1章 AI（人工知能）の定義）
正解は「弱いAI（ANI）は性能が低い古いAIを指し、強いAI（AGI）は処理速度が速い新しいAIを指す」である。設問は誤っている説明を選ぶ形式である。弱いAIと強いAIの区別は、性能の高低や新旧、処理速度ではなく、対応できる課題の範囲にある。特定の領域に限って能力を発揮するのが弱いAI（ANI）、分野を限定せず幅広い課題に対応するとされるのが強いAI（AGI）で、現在実用化されているのは主に弱いAIである。「弱い」「強い」という語感から性能の優劣と受け取らず、課題の範囲で区別する。
https://guga.or.jp/assets/syllabus.pdf （第1章 AIの種類）
正解は「文字数・リンクの数などが特徴量で、迷惑メールかどうかが正解ラベルである」である。特徴量は、予測や分類に役立つ性質をデータから数値として取り出したものであり、文字数やリンクの数がこれにあたる。一方、メールごとに与える「迷惑メール」「通常のメール」は、モデルが当てるべき正解のラベルである。入力として使う側が特徴量、答えとして与える側が正解ラベルと整理する。学習済みモデルは訓練を終えたモデル、重みは結合の強さ、過学習と次元削減は別の現象と手法であり、この対応には当てはまらない。
https://guga.or.jp/assets/syllabus.pdf （第1章 AIの種類）
正解は「探索と推論、エキスパートシステム、ディープラーニングとビッグデータ」である。第一次AIブームの中心は探索と推論、第二次AIブームの中心は専門知識をルールとして扱うエキスパートシステム、現在まで続く第三次AIブームの中心はディープラーニングとビッグデータである。ブームの順番と技術を一対一で結び付け、順序が崩れた選択肢を除く。エキスパートシステムを先頭に置く選択肢や、ディープラーニングとビッグデータを先頭または中間に置く選択肢は、第一次から第三次への順序に合わない。
https://guga.or.jp/assets/syllabus.pdf （第1章 AIの歴史）
正解は「エキスパートシステムは専門家の知識を人がルールとして与え、ディープラーニングは大量のデータから規則性をコンピュータ自身が学ぶ」である。エキスパートシステムは、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で、知識は人が記述して与える。ディープラーニングは、脳の神経回路を模したネットワークを深く重ね、大量のデータから規則性を学ぶ機械学習の手法で、第三次AIブームはビッグデータとともに支えられた。両者の違いは知識の与え方にある。与え方を逆にした選択肢、違いを速さだけとした選択肢、報酬による学習だけとした選択肢は、この違いを正しく表していない。
https://guga.or.jp/assets/syllabus.pdf （第1章 AIの歴史）
正解は「ビッグデータとは、研究への期待が下がり資金や関心が落ち込んで開発が停滞した時期を指す言葉である」である。設問は誤っている説明を選ぶ形式である。ビッグデータは大量のデータそのものを指す語で、第三次AIブームを支えた要素の一つである。期待が満たされず研究資金や関心が落ち込んだ停滞期を指すのは「AIの冬」であり、ビッグデータではない。他の3つはビッグデータとディープラーニングが第三次AIブームを支え、そのブームが第一次・第二次に続いて現在まで続いているという流れに沿った正しい説明である。時期を表す語とデータを表す語を区別する。
https://guga.or.jp/assets/syllabus.pdf （第1章 AIの歴史）
正解は「レイ・カーツワイル」である。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、2045年にその到来を予測した人物としてレイ・カーツワイルが知られ、これが2045年問題と呼ばれる。シンギュラリティの概念を論じた人物としてはヴァーナー・ヴィンジが知られるため、概念を論じた人物と、2045年を予測した人物を区別する。ジョン・マッカーシーはダートマス会議を主催した人物、ダートマス大学はその会議の開催地であり、いずれもシンギュラリティの時期の予測とは別の話である。
https://guga.or.jp/assets/syllabus.pdf （第1章 シンギュラリティ（技術的特異点））
正解は「すでに到来した出来事として確定しており、2045年問題とは、その到来した年のことである」である。設問は誤っている説明を選ぶ形式である。シンギュラリティは、AIが人間の知能を超えて社会に不可逆的な変化をもたらすとされる概念であり、将来について論じられるものである。レイ・カーツワイルが2045年の到来を予測したことから2045年問題と呼ばれるが、これは予測であり、すでに到来した年ではない。概念を論じた人物がヴィンジ、2045年を予測した人物がカーツワイルという整理は正しい。予測や概念を、確定した出来事にすり替えた選択肢を誤りとして選ぶ。
https://guga.or.jp/assets/syllabus.pdf （第1章 シンギュラリティ（技術的特異点））
正解は「この傾向をAI効果と呼び、AIの成果が当たり前になると、知能とは見なされにくくなる点を押さえる」である。AI効果は、AIが達成した技術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」と見なしてAIの成果として認めなくなる傾向を指す。設問の「仕組みが分かると単なる計算と見なされる」という流れがこれに合う。AIの冬は期待が萎んで研究開発が停滞した時期、シンギュラリティはAIが人間の知能を超えるとされる将来の概念、ノーフリーランチ定理は万能のアルゴリズムが存在しないという考え方であり、人の受け止め方の傾向を表す語ではない。
https://guga.or.jp/assets/syllabus.pdf （第1章 シンギュラリティ（技術的特異点））