生成AIパスポート 用語解説
ニューラルネットワークとは
脳の神経細胞（ニューロン）の仕組みを模し、人工ニューロンを層状につないだモデル。
まず押さえる結論
ニューラルネットワークは、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。
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
ニューラルネットワークの過学習を抑えるための手法として適切なものはどれか。
正解は「ドロップアウト」である。ドロップアウトは学習時に一部のノードを無効化して過学習を抑える手法。特徴量はデータの特徴を表す変数、探索は第一次AIブームの手法、クラスタリングは教師なし学習の手法で、いずれも過学習を抑える手法ではない。 選択肢を切るときは、設問の条件を「ドロップアウト」「過学習」「特徴量」のどれに結び付けるかを先に固定する。「特徴量」、「探索」、「クラスタリング」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「ドロップアウト」は、問われている定義や状況に最も直接対応する点で選べる。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
脳の神経細胞（ニューロン）とその結合（シナプス）の仕組みを模し、人工ニューロン（ノード）を多数つなぎ合わせて情報を処理するモデルを何というか。
正解は「ニューラルネットワーク」である。脳のニューロンとシナプスの仕組みを模し、人工ニューロン（ノード）を多数つなげて情報を処理するモデルがニューラルネットワークで、ニューロン間のつながりの強さは「重み」で表される。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、クラスタリングは教師なし学習の手法、強化学習は報酬を手がかりに学習する枠組みで、いずれも神経細胞を模したネットワークではない。 選択肢を切るときは、設問の条件を「ニューラルネットワーク」「人工ニューロン（ノード）」「ニューロン」のどれに結び付けるかを先に固定する。「エキスパートシステム」、「クラスタリング」、「強化学習」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「ニューラルネットワーク」は、問われている定義や状況に最も直接対応する点で選べる。
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。人工ニューロン（ノード）間の結合の強さを表し、学習によって調整される数値が「重み」で、これによって情報の重みづけが行われる。シナプスは脳の神経細胞どうしの結合部位を指す生体側の用語で、学習で調整される数値そのものではない。特徴量はデータの特徴を表す変数、正則化は過学習を抑える手法で、いずれも結合の強さを表す値ではない。 選択肢を切るときは、設問の条件を「重み」「情報の重みづけ」「人工ニューロン（ノード）」のどれに結び付けるかを先に固定する。「シナプス」、「正則化」、「特徴量」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「重み」は、問われている定義や状況に最も直接対応する点で選べる。
同じ章で確認したい用語
到達チェック
- 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、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