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。
まず押さえる結論
推論は、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。
正解は「探索」である。問題文には、第一次AIブームという時代と、迷路やパズルで考えられる選択肢を順にたどってゴールへの道筋を見つける処理が示されている。この処理が探索であり、当時は探索と推論が中心だった。エキスパートシステムは専門知識をルールとして扱う第二次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である。クラスタリングは似たデータをまとめる教師なし学習であり、ゴールまでの候補をたどる処理ではない。時代だけでなく動作にも注目し、「選択肢を順にたどる」「道筋を見つける」から探索へ結び付ける。
第1章 AI（人工知能） / 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。
正解は「特徴量」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、問題文の定義とそのまま一致する。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であり、性質を取り出す対象ではなく学習の結果得られる仕組みを指す。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であり、性質を数値化する操作ではなく分類のための手法そのものである。潜在ベクトルはデータを圧縮して得られる内部表現であり、人が予測・分類のために着目する性質を直接取り出したものではない。この3つはいずれも「データから取り出した性質の数値」そのものを指す語ではなく、特徴量とは役割が異なる。
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
- 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
執筆: ミナト編集部（運営者情報を見る）