生成AIパスポート 用語解説
重みとは
ニューラルネットワークで、あるノードから次のノードへ信号を伝える結合の強さを表す数値。学習を通じて値が調整される。
まず押さえる結論
重みは、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: 2026-08-31。
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
×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
ある入力信号を強く反映し、別の入力を弱く反映するよう更新されるニューラルネットワーク内の値は何か。説明を照合して選べ。
この事例では「接続された入力の重要度を表す係数か」を確認すると、重みとは、ニューラルネットワークを構成する最小単位で、脳の神経細胞を模して複数の入力を受け取り、それらを処理して次へ出力するものであるに絞れる。正解は「重みとは、ニューラルネットワークを構成する最小単位で、脳の神経細胞を模して複数の入力を受け取り、それらを処理して次へ出力するものである」（誤り）である。重みは、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であり、設問の説明は人工ニューロン（ノード）の定義を重みに誤って当てはめている。ニューラルネットワーク・ノーフリーランチ定理・人工ニューロン（ノード）の説明はいずれも正しい。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
少量の画像データへ事前学習済みモデルを転移する。TensorFlow公式チュートリアルが示す、feature extractionの後に任意でfine-tuningへ進む代表的手順はどれか。
正解は「最初は基盤モデルを凍結して新しい分類層を学習し、収束後に基盤モデル上位層の一部を解凍して低い学習率で共同学習する」です。TensorFlow公式チュートリアルが示す代表的な手順では、feature extractionで事前学習済みの基盤モデルを凍結し、新しいタスク用の分類層を先に学習する。その後、任意のfine-tuning段階で基盤モデルの上位層の一部を解凍し、新しい分類層とともに低い学習率で調整する。重みを捨てる手順は知識の再利用にならず、全層を大きく更新すると事前学習済み特徴を損なうおそれがある。プロンプト例示はパラメータ更新を伴わないためfine-tuningではない。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
ある人工ニューロンへ入力x1=2、x2=-1が入り、対応する重みがw1=3、w2=2、バイアスが1である。活性化関数へ渡す前の値はいくつか。
正解は「5」です。人工ニューロンでは、各入力と対応する重みの積を足した重み付き和に、さらにバイアスを加えた値を活性化関数へ渡す。この設問では重み付き和が(2×3)+(-1×2)=6-2=4で、バイアス1を加えると5になる。7はx2の項を落として1+6だけを計算した値、3はバイアスを加えずに6-2から1を引いた値である。-1は入力x2そのものを選んだ値で、重み付き和にバイアスを加えた値ではない。入力値と重みの積を先に合計し、最後にバイアスを一度加えることが判断の要点である。
同じ章で確認したい用語
到達チェック
- 重み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、重み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）