生成AIパスポート 用語解説
正則化とは
モデルが複雑になりすぎないよう制約（ペナルティ）を加え、過学習を抑えることを狙う手法の総称。
まず押さえる結論
正則化は、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
モデルが複雑になりすぎないように制約（ペナルティ）を加え、過学習を抑えることを狙う手法の総称はどれか。
正解は「正則化」である。設問には、モデルの複雑さへ制約、すなわちペナルティを加えることと、その目的が過学習の抑制であることの二つが示されている。この条件に一致する手法の総称が正則化である。クラスタリングは似たデータをまとめる教師なし学習、半教師あり学習はラベル付きとラベルなしのデータを併用する学習、転移学習は学習済みの知識を別課題へ活かす手法である。これらはデータの扱い方や知識の利用方法を表すが、モデルの複雑さにペナルティを加える操作ではない。「制約」「ペナルティ」「過学習を抑える」がそろったら正則化と判断する。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
ニューラルネットワークで、ある人工ニューロン（ノード）から次のノードへ信号を伝えるときの結合の強さを表し、学習を通じて値が調整されていくものを何というか。
正解は「重み」である。ニューラルネットワークでは、ある人工ニューロン（ノード）から次のノードへ信号を伝える際の結合の強さを数値で表し、学習を通じてその値を調整する。この数値が重みであり、入力された情報をどの程度強く扱うかに関わる。シナプスは脳の神経細胞同士の結合部位を指す生体側の語で、人工ニューロン間で調整される数値の名称ではない。特徴量はモデルへ渡すデータの特徴を表す変数、正則化はモデルの複雑さへ制約を加えて過学習を抑える手法である。「結合の強さ」「学習で値を調整」という二条件から重みを選ぶ。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習の過学習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「ドロップアウトとは、モデルが複雑になりすぎないように制約（ペナルティ）を加え、過学習を抑えることを狙う手法の総称である」（誤り）である。ドロップアウトはニューラルネットワークの学習時に一部のノードを無効化し、過学習を抑える手法であり、設問の説明は正則化の定義をドロップアウトに誤って当てはめている。過学習・転移学習・正則化の説明はいずれも正しい。過学習を抑える手法にはドロップアウトや正則化など複数のアプローチがあり、それぞれ抑制の仕組みが異なる点に注意が必要である。
同じ章で確認したい用語
到達チェック
- 正則化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、正則化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）