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）」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に知能をもたらす仕組み
重みが2と-1のモデルで、データに対する損失が0.8、L2正則化率λが0.1である。L2複雑度を重みの二乗和とし、総損失を「データ損失+λ×L2複雑度」で求めるといくつか。
正解は「1.3」です。L2複雑度は重みを個別に二乗して足すため、2²+(-1)²=4+1=5である。正則化項はλ×複雑度=0.1×5=0.5となり、データ損失0.8へ加えると総損失は0.8+0.5=1.3となる。0.5は正則化項だけでデータ損失を加えていない。1.1は重みの絶対値和2+1=3を複雑度として0.8+0.1×3とした値で、L2の二乗和を使っていない。5.8は複雑度5を正則化率0.1で縮小せず、そのままデータ損失へ足した値である。複雑度、λを掛けた正則化項、データ損失との合計を三段階に分けることで、前問の二乗和だけでなく学習目的全体での位置づけを確認できる。
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「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
ニューラルネットワークで、前の層から来た各入力の影響度を学習によって変える値を確認したい。この値に関する次の説明のうち、誤っているものはどれか。
この事例では「入力ごとの寄与を調整する学習対象の係数か」がポイントになる。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。
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
- 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
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）