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）」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。特定の領域・課題に特化したAIが弱いAI（ANI）。強いAI（AGI）は人間のように幅広い課題に汎用的に対応できるAIを指す。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、AIの能力範囲を表す区分ではない。 選択肢を切るときは、設問の条件を「弱いAI(ANI)」「強いAI(AGI)」「特徴量」のどれに結び付けるかを先に固定する。「強いAI（AGI）」、「特徴量」、「エキスパートシステム」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「弱いAI（ANI）」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
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。訓練を終えて新しいデータに推論できるようになったものを学習済みモデルという。クラスタリングは教師なし学習の手法、ルールベースは人間があらかじめ規則を記述する方式、特徴量はデータの特徴を表す変数で、いずれも訓練を終えたモデルそのものを指す語ではない。 選択肢を切るときは、設問の条件を「学習済みモデル」「機械学習」「クラスタリング」のどれに結び付けるかを先に固定する。「クラスタリング」、「ルールベース」、「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「学習済みモデル」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
- 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