生成AIパスポート 用語解説
特徴量とは
データの特徴を数値で表したもので、AIが学習や予測を行う際の入力となる。
まず押さえる結論
特徴量は、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。 一次情報確認日: 2026-08-31。
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の種類
画像認識や将棋など、特定の領域・課題に限って能力を発揮するAIを何というか。
正解は「弱いAI（ANI）」である。画像認識や将棋のように、能力を発揮する領域や課題が限定されているAIを弱いAI（ANI）と呼ぶ。この問題では、AIができる処理の内容ではなく、対応できる課題の範囲を問うている。強いAI（AGI）は人間のように幅広い課題へ汎用的に対応する区分なので、範囲の広さが反対である。特徴量はデータの特徴を表す変数、エキスパートシステムは専門知識をルール化した仕組みであり、どちらも能力範囲によるAIの区分ではない。「特定」か「幅広い」かを最初に読むと判断できる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
機械学習において、大量のデータで訓練を終え、新しいデータに対して予測や分類を行えるようになったものを何というか。
正解は「学習済みモデル」である。設問は、大量のデータを使う訓練が終わった後に、新しいデータを受け取って予測や分類を行うものの名称を問うている。この一連の処理を実行する成果物が学習済みモデルである。クラスタリングはラベルのないデータを似たまとまりに分ける学習手法、ルールベースは人間が記述した規則に従う方式、特徴量は予測や分類の材料になる変数を指す。したがって、手法・方式・入力材料ではなく、訓練後に推論を担うものを選ぶ。問題文の「訓練を終え」「新しいデータに対して」という時間順序を押さえると、学習済みモデルへ絞れる。
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。
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
- 特徴量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、特徴量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）
用語の意味を調べたあとに、試験範囲の流れの中で読み直したいときの公式テキストと公認テキストです。購入前に版と試験範囲への対応を確認してください。
執筆: ミナト編集部（運営者情報を見る）