生成AIパスポート 用語解説
推論とは
既知の事実やルールから新たな結論を導き出す処理。探索とともに第一次AIブームの中心的な処理とされ、専門知識をルール化するエキスパートシステムの推論にも通じる。
推論の意味と見分け方
推論は、生成AIパスポートの「第1章 AI（人工知能）」に出てくる用語です。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。
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
「第1章 AI（人工知能）」の問題で、取り違えやすい組み合わせです。
- 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の歴史
AIの歴史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「エキスパートシステムとは、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である」（誤り）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あり、設問の説明は第一次AIブームの中心技術である探索の定義をエキスパートシステムに誤って当てはめている。ディープラーニングとビッグデータ・探索・AIの冬の説明はいずれも正しい。エキスパートシステムは第二次AIブームの中心技術であり、探索を中心とした第一次AIブームとは時期・技術の両面で異なる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
学習時にrate=0.25のDropout層を通したところ、値6の入力は0にされず残った。0でない入力を1/(1-rate)倍する場合、この入力の出力値はいくつか。
正解は「8」です。TensorFlowのDropout層は、学習時に0へ設定しなかった入力を1/(1-rate)倍して入力全体の期待和を保つ。rate=0.25では残存率が1-0.25=0.75なので、保持された値6は6/0.75=8、同じ計算を6×(1/0.75)=6×4/3=8としても確認できる。4.5は値6へ残存率0.75を掛けた値、6は保持された入力を調整せずそのまま通した値、24は値6をdrop率0.25で割った値である。drop率と残存率を区別し、分母には0へ設定する割合0.25ではなく、残る割合0.75を使うことが判断の要点である。推論時にはDropoutを適用しないため、このスケーリング計算は学習時の保持入力についてのものである。
第1章 AI（人工知能） / AIの歴史
第二次AIブームのエキスパートシステムと、第三次AIブームのディープラーニングを、AIに知識を持たせる方法の違いで説明したものとして、最も適切なものはどれか。
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。
同じ章で確認したい用語
他資格でも出題される用語
到達チェック
- 推論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、推論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
用語を体系的に学べる書籍（Amazon）
PR
執筆: AI資格ドリル編集部（運営者情報を見る）