G検定の用語集｜試験頻出50語を完全解説【AI/ML/DL/社会実装】

G検定試験で頻出する重要用語50語を4分野（AI基礎・機械学習・ディープラーニング・AI社会実装）別に網羅解説。チューリングテストから生成AI・EU AI Actまで2024年改訂シラバス完全対応。試験前の知識整理に最適です。

※受験料・試験日程・シラバス・出題内容は改定される場合があります。最新情報は必ずJDLA公式情報でご確認ください。

分野1: 人工知能の基礎と研究の歴史

人工知能（AI）

人間の知的活動を模倣・代替する計算機システム全般。1956年ダートマス会議で命名。

ダートマス会議

1956年に開催されAI研究の起点とされた会議。ジョン・マッカーシーが『AI』を命名。

チューリングテスト

1950年アラン・チューリング提唱。判定者が会話相手を人間か機械か判別できなければ知能ありと評価。

強いAI

人間並みの汎用知能を持つAI（AGI）。ジョン・サールが提唱した区分の上位概念。

弱いAI

特定タスクに特化したAI。現在の実用AIの多くが該当（画像認識・翻訳等）。

シンギュラリティ

技術的特異点。AIが人間知能を超え自己進化を始める仮想時点。レイ・カーツワイルが2045年と予測。

フレーム問題

1969年マッカーシー・ヘイズ提示。現実世界で考慮すべき事柄が無限にあり何を考慮すべきか決定できない問題。

シンボルグラウンディング問題

スティーブン・ハルナド1990年提唱。AIが記号と実世界の意味を結び付けられない問題。

モラベックのパラドックス

人間に簡単な感覚運動が機械には難しく、難しい論理推論が機械には簡単な現象。

エキスパートシステム

専門家知識をルール化し推論エンジンと組合せたAI。第2次AIブームの主役。MYCIN等が代表例。

α-β法

ミニマックス法に枝刈りを加えた探索手法。チェスAI Deep Blue等で使用。

モンテカルロ木探索（MCTS）

ランダムプレイアウトで勝率を評価する探索手法。AlphaGoで採用。選択・展開・シミュレーション・バックアップの4段階。

Deep Blue

IBM開発のチェスAI。1997年に世界王者カスパロフに勝利。α-β法と評価関数を使用。

AlphaGo

DeepMind開発の囲碁AI。2016年世界トップ棋士イ・セドルに勝利。ディープラーニング+MCTSを採用。

分野2: 機械学習の基礎と手法

教師あり学習

正解ラベル付きデータから学ぶ手法。分類・回帰が代表タスク。

教師なし学習

ラベルなしデータから構造を発見。クラスタリング・次元削減が代表。

強化学習

環境との相互作用で報酬を最大化する行動方策を学習。Q学習・DQN等が代表。

線形回帰

入力と出力の関係を直線で近似する回帰手法。最小二乗法でパラメータ推定。

ロジスティック回帰

シグモイド関数で確率を出力する二値分類手法。

サポートベクターマシン（SVM）

マージン最大化で分類境界を決定。カーネルトリックで非線形対応も可能。

決定木

条件分岐で分類・回帰する木構造モデル。解釈性が高い。

ランダムフォレスト

多数の決定木をバギングで組合せたアンサンブル手法。過学習に強い。

XGBoost

勾配ブースティングの代表実装。Kaggle上位入賞常連。

k-means

データをk個のクラスタに分割する代表的クラスタリングアルゴリズム。

主成分分析（PCA）

多次元データを情報損失を抑えて低次元に変換する線形次元削減手法。

t-SNE

非線形次元削減手法。高次元データの2-3次元可視化に強い。

過学習

訓練データに過度適合し未知データの性能が低下する現象。

L1正則化（Lasso）

係数を0にする傾向あり疎な解を生む正則化。特徴選択効果あり。

L2正則化（Ridge）

係数を均等に縮小する正則化。安定した予測。

適合率（Precision）

陽性予測のうち実際に陽性だった割合。TP/(TP+FP)。

再現率（Recall）

実際の陽性のうち陽性予測できた割合。TP/(TP+FN)。

F1値

適合率と再現率の調和平均。2PR/(P+R)。

AUC

ROC曲線下面積。0.5がランダム・1.0が完全分類。

交差検証

データを分割し汎化性能を評価する手法。k-fold交差検証が代表。

分野3: ディープラーニング技術

パーセプトロン

1958年ローゼンブラット提案の最も基本的なニューロンモデル。線形分離可能問題のみ解ける。

誤差逆伝播法

出力誤差を出力層→入力層に伝播し勾配計算する手法。多層NN学習の基本。

ReLU

x<0で0、x≥0でxを返す活性化関数。勾配消失緩和に有効で深層学習普及の立役者。

ソフトマックス関数

多クラス分類の出力層で確率分布を出力する活性化関数。

畳み込みニューラルネットワーク（CNN）

畳み込み・プーリング層で構成され画像認識に革命を起こしたNN。

ResNet

残差接続（Skip Connection）により超深層NNを実現したアーキテクチャ。2015年。

RNN

再帰型NN。時系列・系列データを扱う。LSTM・GRUが派生形。

LSTM

長期記憶を制御するゲート機構付きRNN。1997年ホッホライターら提案。

Transformer

2017年Google提案のSelf-Attentionベースアーキテクチャ。BERT・GPT等の基盤。

BERT

2018年Google発表の双方向Transformer。Masked LMで事前学習。

GPT

OpenAIの生成型Transformerデコーダ。GPT-3以降パラメータ急増しChatGPTで社会的注目。

GAN

2014年グッドフェロー提案の敵対的生成NN。生成器と識別器の対立学習。

拡散モデル

ノイズから徐々にデータを生成する生成モデル。Stable Diffusion等の基盤。

RAG

Retrieval-Augmented Generation。外部知識検索を生成に組込みハルシネーション抑制。

LoRA

Low-Rank Adaptation。LLMの効率的ファインチューニング手法（PEFT）。

ファインチューニング

事前学習モデルを新タスクのデータで再学習する転移学習の代表手法。

ドロップアウト

訓練時にランダムにニューロンを無効化する正則化手法。

Adam

適応的学習率と運動量を組合せた最適化アルゴリズム。深層学習の標準。

分野4: AI社会実装と倫理・法律

PoC

Proof of Concept。実現性検証段階。AIプロジェクト初期に実施。

MLOps

機械学習モデルの開発・運用を効率化するプラクティス。DevOpsのML版。

データドリフト

本番運用後のデータ分布変化でモデル性能が劣化する現象。

XAI

Explainable AI（説明可能AI）。LIME・SHAP・Grad-CAM等が代表手法。

GDPR

EU一般データ保護規則。2018年5月施行。忘れられる権利等を規定。違反は売上4%制裁金。

EU AI Act

2024年成立EU AI規制法。AIを4段階リスク分類（許容不可・高・限定・最小）。

著作権法30条の4

日本の機械学習目的利用を原則認める規定。2018年改正で新設。

ディープフェイク

生成AIで作成された偽の画像・動画・音声。なりすまし・選挙妨害等のリスク。

ハルシネーション

LLMが事実と異なる情報を生成する現象。RAG等で抑制を試みる。

連合学習

データを集中せず各端末で学習し更新情報のみ共有するプライバシー保護手法。

差分プライバシー

ノイズ付加で個人特定を困難化するプライバシー保護機械学習手法。

AI倫理5原則

公平性・透明性・説明責任・プライバシー・安全性。Microsoft・Google等の指針共通。