生成AIパスポート 用語解説
ディープラーニングとは
ニューラルネットワークの層を深く重ね、複雑なパターンを学習する機械学習の手法。第三次AIブームの中心。
まず押さえる結論
ディープラーニングは、生成AIパスポートの「第1章 AI（人工知能）」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: 2026-06-27。
公式シラバス（PDF）（公式）具体例から判断の境界を固める
機械学習全般を指す語ではなく、多層のニューラルネットワークを用いてデータから特徴量を自動的に学習する、機械学習に含まれる具体的な手法として捉える
画像認識や音声認識、自然言語処理などで高い性能を発揮する手法で、入力層と出力層の間に複数の中間層を持つ多層のニューラルネットワークを用います。従来の機械学習の手法では人が特徴量を設計して与える必要がありましたが、ディープラーニングでは層を重ねることでデータから特徴量そのものを自動的に学習できる点が特徴です。
- 問題文で見る箇所
- 多層構造、特徴量の自動学習という語を確認します。教師あり学習・教師なし学習といった学習方式の分類や、決定木・回帰分析など他の手法全般の話であれば、ディープラーニングではなく機械学習を候補にします。
- 隣接概念との境界
- 機械学習は、データから規則性を学習して予測や判断を行う技術全般を指す広い枠組みです。ディープラーニングは、その中でも多層のニューラルネットワークを用いる具体的な手法であり、機械学習に含まれる一つの手法として位置づけます。
誤答しやすい選択肢
- ディープラーニングを機械学習全般を指す語として説明する。機械学習はより広い技術全般の総称であり、ディープラーニングはその中の多層ニューラルネットワークを用いる手法です。
- 特徴量を人が設計して与える手法をディープラーニングとする。人が特徴量を設計するのは従来型の機械学習の手法であり、ディープラーニングは特徴量を自動的に学習する点が特徴です。
- 決定木やサポートベクターマシンをディープラーニングの一種として説明する。これらは多層のニューラルネットワークを用いない機械学習の手法であり、ディープラーニングには含まれません。
4段階の判断手順
- 01設問が多層のニューラルネットワークという構造を扱っているかを先に確認する。
- 02特徴量を人が設計するのか、データから自動的に学習するのかという違いを確認する。
- 03決定木や回帰分析など、ニューラルネットワークを使わない手法と混同していないか見直す。
- 04機械学習全般の話とディープラーニング固有の話を区別する。
到達条件: ディープラーニングを多層のニューラルネットワークで特徴量を自動学習する手法として説明し、機械学習との包含関係を言える。
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
×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。
関連する確認問題
第1章 AI（人工知能） / 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。
正解は「ディープラーニング」である。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の層を深く重ねることで、画像認識など複雑なパターンの認識を可能にした技術であり、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であり、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ブームの仕組みであり、いずれも人間が規則を書く方式でありデータから層を重ねて学習する構造ではない。クラスタリングは似たデータをグループ分けする教師なし学習の手法であり、ネットワークの層を深く重ねる構造を前提にする語ではない。
第1章 AI（人工知能） / 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。
正解は「AIの冬」である。AIの冬は、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。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であり、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現在まで続く時期であり、いずれも問題文が指す停滞期とは逆に期待が高まった時期にあたる。ビッグデータは第三次ブームを支えた大量のデータそのものを指す語であり、研究開発が停滞した時代区分を表す語ではない。
第1章 AI（人工知能） / AIの歴史
AIの3度のブームと、その中心となった技術の組み合わせとして正しいものはどれか。
正解は「第一次＝探索と推論、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」である。AIのブームと中心技術の対応は、第一次＝探索と推論（迷路やパズルを解く）、第二次＝エキスパートシステム（専門知識をルール化）、第三次＝ディープラーニングとビッグデータ、である。各ブームの間には期待が満たされず停滞した「AIの冬」があった。順序を入れ替えた他の選択肢は誤り。 三つの技術を個別暗記ではなく年代順に並べる。第一次は探索と推論、第二次は専門知識をルール化するエキスパートシステム、第三次はビッグデータを背景にしたディープラーニングである。三要素のうち一つでも順序が入れ替わる選択肢は除外する。 三つの技術をばらばらに覚えるのではなく、ルール以前の探索、知識のルール化、データ駆動の学習という発展順で固定する。
同じ章で確認したい用語
到達チェック
- ディープラーニング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、ディープラーニング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）