生成AIパスポート 用語解説
ルールベースとは
人間があらかじめ規則を細かく記述し、その規則に従って処理する方式。データから規則性やパターンを学習する機械学習とは対照的な仕組み。
まず押さえる結論
ルールベースは、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）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
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。
正解は「ルールベース」である。ルールベースは、データから規則性を学ばせる代わりに、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あり、問題文が「データから規則性を学ばせるのではなく」と明示的に除外している側にあたる。強化学習は報酬を手がかりに行動を学習する枠組みであり、転移学習は学習済みの知識を別課題に活かす手法であり、いずれも人間が規則を記述する方式ではなくデータや経験から学ぶ枠組みである。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習の基礎的な仕組みに関する次の説明のうち、誤っているものはどれか。
正解は「特徴量とは、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を機能させる方式である」（誤り）である。特徴量は、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であり、設問の説明はルールベースの定義を特徴量に誤って当てはめている。学習済みモデル・ルールベース・機械学習の説明はいずれも正しい。特徴量とルールベースは、AIがどのように判断材料を得るかという点で異なる概念であり、混同されやすいため注意が必要である。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
解約予測モデルへ利用回数や契約期間を入力する。これらの項目に該当する用語を選ぶとき、確認すべき説明はどれか。
この事例では「予測の手掛かりとなるデータの特徴か」を確認すると、特徴量とは、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を機能させる方式であるに絞れる。正解は「特徴量とは、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を機能させる方式である」（誤り）である。特徴量は、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であり、設問の説明はルールベースの定義を特徴量に誤って当てはめている。学習済みモデル・ルールベース・機械学習の説明はいずれも正しい。特徴量とルールベースは、AIがどのように判断材料を得るかという点で異なる概念であり、混同されやすいため注意が必要である。
同じ章で確認したい用語
到達チェック
- ルールベース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、ルールベース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）