G検定
学習ポータル 記事

AIがデータを学習し、パターンを見つけることで、新しい（未知の）データにも対応できる仕組み。プログラムの

入力データと正解ラベルのペアを用いて、入力→出力の対応関係を学ぶ学習（例：手書き数字認識）。

ラベルの付いていないデータから、AIが自らパターンや関係性を見つける学習。精度が常に最も高いとは限らない

教師なし学習の代表的な手法。データを似た特徴ごとに自動的にグループ分類する（例：顧客セグメント化）。

データの情報をなるべく損なわずに特徴を抽出し、特徴量の次元を減らして計算負荷を軽くする教師なし学習の手法

AI（エージェント）が環境と相互作用し、報酬と罰則を通じて試行錯誤を繰り返しながら、報酬を最大化する最適

人工ニューロンを層状に多数接続したモデル。重みを調整することで学習する。多層にすると非線形な特徴表現を学

機械学習の一種。多層のニューラルネットワークを使い、大量のデータから特徴量を自動的に学習・調整する。画像

訓練データ（ノイズや細かな変動まで）に過剰に適合した結果、訓練誤差は小さいが汎化誤差が大きい状態。未知デ

あるタスクで一度学習したモデルを、新しいタスクに適応（再利用）させる手法。例：一般的な物体認識で学習した

学習データとは別に用意し、モデルの汎化性能を評価するために用いるデータ。検証データは学習中の調整に、テス

モデルに制約を加えて過学習を防ぎ、汎化性能を高める手法の総称。

従来技術では処理しきれない大量のデータ。インターネットの普及で収集が可能になり、第三次AIブームの背景。

AIが自己進化し、人間の知能を超越する状態を指す仮説。発生すれば人間とAIの関係や社会の在り方が大きく変

AIがすべての人々や社会に対して公正・公平であるようにする、AI社会原則の一つ。

Transformerアーキテクチャで、膨大なテキストデータで事前学習された大規模言語モデル。文書生成・

LLMがテキストを扱う最小単位。入力できるトークン数には上限があり、長すぎる文章を一度に処理すると要約な

多層のニューラルネットワークを用い、人間が特徴量を設計することなく生データから特徴表現を自動的に抽出・学

人工ニューロンの重み付け和を受け取り、出力（発火の有無や大きさ）を決定する非線形関数。

陽性と予測したもののうち実際に陽性であった割合。TP/(TP+FP)。

実際に陽性であるもののうち正しく陽性と予測できた割合。TP/(TP+FN)。適合率とトレードオフの関係に

重み付け和に足す定数項。決定境界を平行移動させる役割を持つ。

大量のラベルなしデータと少量のラベル付きデータを組み合わせて学習する手法。

学習中にユニットをランダムに無効化する正則化手法。

モデルの回答の「スタイル」「口調」「出力フォーマット」を特定のタスクや業界用語に固定・適応させる手法。

AIの仕組み・リスク・事業内容を分かりやすく明示する、AI社会原則の一つ。

人間が特徴量を設計し、統計的な手法で大量のデータからパターンや規則性を学習するシステム。

アラン・チューリングが1950年に提案した知能判定の手法。判定者が壁越し（外見を排除して）に人間と機械の

損失関数の勾配の反対方向にパラメータを更新し、損失を小さくしていく最適化手法。

出力層で算出した誤差をネットワークの奥側から順に伝播させ、連鎖律で各重みの勾配を効率的に計算する学習手法

乱数（ノイズ）から徐々にノイズを除去（デノイズ）する過程を学習し、画像などを生成する生成モデル。

データを低次元の潜在表現に圧縮し、元データに近い形で復元するよう学習するニューラルネットワーク。次元圧縮

売上や気温などの連続的な数値（量）を予測する教師あり学習。分類（質・カテゴリの予測）と対になる。

説明変数と目的変数の関係を直線（超平面）という線形モデルで近似し、連続値を予測する手法。

メールスパム判定や画像の種類など、離散的なカテゴリ（質）を予測する教師あり学習。回帰と対になる。

線形モデルの出力をシグモイド関数で確率に変換し、閾値で判定する分類手法。名称に「回帰」を含むが分類である

特徴量に対する条件分岐を木構造で重ねて判断するモデル。判断根拠を視覚的に追えるため説明性が高い（ホワイト

逆伝播の過程で勾配が繰り返し掛け合わされ、入力層に近い層に届く頃には極めて小さくなり学習が進まなくなる現

出力層の誤差を入力側へ伝え、重みを更新するプロセス。

データの分布（P(x,y)やP(x)）を学習し、その分布から新しいデータを生成するモデル。

データではなく、アルゴリズムの設計や最適化過程で生じる偏り。

多層のニューラルネットワークを用い、データから特徴を自動的に学習する機械学習。第3次AIブームの主力技術

自然言語をコンピュータで処理・理解する技術。ルールベース、統計的、深層学習のアプローチがある。

フィルタ（カーネル）を画像上でスライドさせ、局所的な特徴を抽出する層。

説明変数が2つ以上の回帰。単回帰を複数回行っても重回帰と同じ結果にはならない。

データの階層構造（併合や分割の階層）を樹形で表現するクラスタリング。デンドログラムを見てクラスタ数をあと

ある言語の文を別の言語へ変換するセクエンス間の翻訳モデル（Seq2Seqなど）。

方策をパラメータ化し、期待収益を最大化するように勾配を用いて方策のパラメータを直接更新するモデルフリー手

学習に使用していない未知のデータ（テストデータ）に対して正しく予測できる能力。機械学習の真の目的。

モデルが単純すぎて、訓練誤差と汎化誤差の両方が大きい状態。

分類モデルにおいて、正解クラスと予測クラスの組み合わせを表形式で集計したもの。適合率・再現率などの基礎。

学習で最小化させる対象の関数（MSEや交差エントロピーなど）。勾配で最適化するため連続・微分可能である必

特徴量の平均を0、標準偏差を1になるように変換する手法。単位・尺度の異なる特徴量で距離や勾配を用いるモデ

回転・反転・切り出しなどで既存データから人工的に新しい訓練データを作り、過学習を抑制する手法。

1回の更新で勾配に掛け、更新幅を調整する係数。大きすぎると谷底を通り越して発散、小さすぎると収束が遅い。

重みの絶対値の和をペナルティとして加える手法。一部の重みを完全に0にしやすく、特徴選択の効果がある。

重みの二乗和をペナルティとして加える手法。特定の重みが極端に大きくなるのを防ぐ。

正解率の限界を補う評価指標——適合率（当てた中の的中率）・再現率（本当の的中の拾い率）・F値（両者の調和

AIの開発・利用において人権尊重や安全性の確保など、社会に望ましい影響を与えるための行動指針を検討するこ

すでに生成した要素に条件づけ、一つずつ順にデータを生み出す生成モデル。