生成AIパスポート 用語解説
CNN（畳み込みニューラルネットワーク）とは
畳み込み処理により画像などの特徴を抽出することを得意とするニューラルネットワーク。
まず押さえる結論
CNN（畳み込みニューラルネットワーク）は、生成AIパスポートの「第2章 生成AI（ジェネレーティブAI）」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
×ハルシネーション・アライメント・ファインチューニングの取り違え。事実と異なるもっともらしい出力＝ハルシネーション、人間の意図に沿わせること＝アライメント、追加学習で調整＝ファインチューニング。
×GANとVAEの混同。GANは生成器と識別器を競わせる方式、VAEはエンコーダ・デコーダと潜在ベクトルを使う方式。
×Transformerの中核を畳み込みや位置エンコーディングと取り違える。中核は自己注意（Self-Attention）。
関連する確認問題
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
文章や時系列のような順序のある系列データ（シーケンスデータ）を、隠れ層（リカレント層）で前の情報を保持しながら順に処理していくニューラルネットワークはどれか。
正解は「RNN（回帰型ニューラルネットワーク）」である。RNNは、隠れ層（リカレント層）で前の情報を保持しながら、文章や時系列のような順序のある系列データ（シーケンスデータ）を順に処理していくニューラルネットワークである。問題文の「隠れ層（リカレント層）」「前の情報を保持」「順に処理」という条件は、RNNの構造そのものである。CNN（畳み込みニューラルネットワーク）はフィルタによる畳み込みで画像の局所的な特徴を抽出するモデル、GAN（敵対的生成ネットワーク）は生成器と識別器という2つのネットワークを競わせる方式、VAE（変分自己符号化器）はエンコーダ・デコーダと潜在ベクトルで復元する方式であり、いずれも隠れ層で前の情報を保持しながら系列を順に処理する仕組みではない。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
系列データ（シーケンスデータ）を扱うニューラルネットワークのうち、RNNを改良し、長い系列でも情報を保持しやすくしたモデルはどれか。
正解は「LSTM（長・短期記憶）」である。RNNを改良し、長い系列でも情報を保持しやすくしたモデルが、長・短期記憶と呼ばれるLSTM（長・短期記憶）である。CNN（畳み込みニューラルネットワーク）は畳み込みで画像の局所特徴を扱うモデル、ボルツマンマシンは初期の確率的な生成モデル、Transformerモデルは自己注意力を中核とするモデルであり、いずれも「RNNを改良し長い系列の情報を保持する」ためのモデルではない。CNNは画像処理向け、ボルツマンマシンは確率的な生成の仕組み、Transformerモデルは自己注意力中心のアーキテクチャという、RNNの改良とは異なる系統に属する点を見分け方にする。
第2章 生成AI（ジェネレーティブAI） / 生成AIの誕生まで
生成AIを支えるニューラルネットワークの種類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「CNN（畳み込みニューラルネットワーク）とは、文章や時系列のような順序のある系列データを、隠れ層（リカレント層）で前の情報を保持しながら順に処理していくニューラルネットワークである」（誤り）である。CNNは画像認識などで広く使われ、フィルタを用いた畳み込みによって画像の局所的な特徴を抽出することを中核とするニューラルネットワークであり、設問の説明は系列データを扱うRNNの定義をCNNに誤って当てはめている。GAN・RNN・LSTMの説明はいずれも正しい。
同じ章で確認したい用語
到達チェック
- CNN（畳み込みニューラルネットワーク）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、CNN（畳み込みニューラルネットワーク）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）