【G検定対策】G検定で覚えたいAI用語一覧｜意味・違い・見分け方をわかりやすく整理
seo-webmaster
SEO・ウェブマスターブログ
【G検定対策】人工知能とは・人工知能をめぐる動向の重要用語まとめ
seo-webmaster
プロモーションが含まれています
G検定では、機械学習やディープラーニングだけでなく、人工知能そのものの考え方や、AIがどのように発展してきたかも問われます。
特に、AIブーム、探索・推論、エキスパートシステム、フレーム問題、シンボルグラウンディング問題などは、用語だけを見ると似ていて混同しやすい分野です。
この記事では、「人工知能とは・人工知能をめぐる動向」に関する重要用語を、試験前に確認しやすいように短く整理します。
ジャンプするもくじ
人工知能とは・人工知能をめぐる動向とは？
「人工知能とは・人工知能をめぐる動向」は、G検定の中でもAI全体の入口になる分野です。
人工知能の基本的な考え方、AIブームの流れ、探索・推論、知識表現、エキスパートシステム、AIの限界、そして現在の生成AIにつながる動向を整理します。
細かい年号を丸暗記するよりも、どの時代に何が注目されたのか、なぜ限界があったのか、現在のAIとどうつながるのかを押さえると理解しやすくなります。
| 見るポイント | 押さえる内容 |
|---|---|
| 人工知能の基本 | AIとは何か、強いAI・弱いAIなどの考え方 |
| AIブームの流れ | 第一次・第二次・第三次AIブームの違い |
| 探索・推論 | 第一次AIブームで注目された考え方 |
| 知識表現 | 第二次AIブームで注目された考え方 |
| AIの限界 | フレーム問題やシンボルグラウンディング問題 |
| 現在のAI動向 | ビッグデータ、GPU、生成AI、基盤モデルなど |
人工知能の基本用語
まずは、人工知能そのものに関する基本用語です。G検定では、強いAI・弱いAI、汎用AI・特化型AIの違いが混同しやすいポイントです。
| 用語 | 一言でいうと |
|---|---|
| 人工知能 | 人間の知的な働きをコンピュータで実現しようとする技術 |
| AI | 人工知能のこと |
| 知能 | 学習・推論・判断・問題解決などを行う能力 |
| 強いAI | 人間のような意識や理解を持つAI |
| 弱いAI | 特定の作業をこなすAI |
| 汎用AI | 幅広い課題に対応できるAI |
| 特化型AI | 特定の目的に特化したAI |
| 人工無脳 | 会話らしく返すが、意味を理解しているわけではない仕組み |
| チューリングテスト | 機械が人間のように会話できるかを調べる考え方 |
| シンギュラリティ | AIが人間の知能を超えるとされる仮説 |
| AGI | 人間のように幅広い課題に対応できる汎用人工知能 |
強いAIと汎用AIは似て見えますが、完全に同じではありません。強いAIは「意識や理解を持つか」という考え方で、汎用AIは「幅広い課題に対応できるか」という考え方です。
AIブームに関する用語
AIの歴史では、第一次・第二次・第三次AIブームの違いが重要です。それぞれの時代で、注目された技術や考え方が異なります。
| 用語 | 一言でいうと |
|---|---|
| 第一次AIブーム | 探索や推論が注目された時期 |
| 第二次AIブーム | 知識表現やエキスパートシステムが注目された時期 |
| 第三次AIブーム | 機械学習やディープラーニングが注目された時期 |
| AIの冬 | AIへの期待が下がり、研究や投資が停滞した時期 |
| 探索 | 多くの候補から答えを探すこと |
| 推論 | 知識やルールから結論を導くこと |
| 知識表現 | 知識をコンピュータで扱える形にすること |
| エキスパートシステム | 専門家の知識をもとに判断するAI |
| 機械学習 | データからパターンを学ぶ方法 |
| ディープラーニング | 多層のニューラルネットワークを使う機械学習 |
AIブームは、次のように整理すると覚えやすくなります。
| 時期 | 中心テーマ／ポイント |
|---|---|
| 第一次AIブーム | 探索・推論／ルールに沿って答えを探す |
| 第二次AIブーム | 知識表現・エキスパートシステム／人間の知識をコンピュータに入れる |
| 第三次AIブーム | 機械学習・ディープラーニング／データから学習する |
探索・推論に関する用語
第一次AIブームで中心になったのが、探索と推論です。探索は「候補の中から答えを探すこと」、推論は「知識やルールから結論を導くこと」と整理できます。
| 用語 | 一言でいうと |
|---|---|
| 探索 | 候補の中から答えを探すこと |
| 幅優先探索 | 近い階層から順番に探す方法 |
| 深さ優先探索 | ひとつの道を深く進んでから戻る方法 |
| ヒューリスティック探索 | 経験的な手がかりを使って効率よく探す方法 |
| 推論 | 知識やルールから結論を導くこと |
| 演繹推論 | 一般的なルールから個別の結論を導く推論 |
| 帰納推論 | 個別の事例から一般的なルールを導く推論 |
| アブダクション | 最もありそうな説明を考える推論 |
探索と推論はセットで出てきますが、役割は違います。探索は「探す」、推論は「考えて導く」と分けると覚えやすくなります。
知識表現・エキスパートシステムに関する用語
第二次AIブームでは、人間の知識をコンピュータで扱う考え方が注目されました。代表的なのが、専門家の知識を使って判断するエキスパートシステムです。
| 用語 | 一言でいうと |
|---|---|
| 知識表現 | 知識をコンピュータで扱える形にすること |
| 知識ベース | 知識を蓄積したデータベース |
| 推論エンジン | 知識を使って結論を導く仕組み |
| エキスパートシステム | 専門家の知識をもとに判断するAI |
| MYCIN | 医療診断を支援した代表的なエキスパートシステム |
| 意味ネットワーク | 概念同士の関係をネットワークで表す方法 |
| オントロジー | 概念や関係を体系的に整理したもの |
| ルールベース | 人間が決めたルールに従って処理する方法 |
エキスパートシステムは、専門家の知識を活用できる一方で、知識を人間が入力・管理する必要があります。この限界が、データから学習する機械学習への流れにつながります。
AIの限界に関する用語
人工知能の歴史では、AIが抱える限界や課題を表す用語も重要です。特に、フレーム問題とシンボルグラウンディング問題は混同しやすいので、短く区別しておきましょう。
| 用語 | 一言でいうと |
|---|---|
| フレーム問題 | 関係ある情報だけを選ぶのが難しい問題 |
| シンボルグラウンディング問題 | 記号と現実の意味を結びつける難しさ |
| 身体性 | 知能は身体や環境との関わりも重要だという考え方 |
| トイプロブレム | 単純化された問題 |
| ロボット | 物理的な動作を行う機械 |
| 混同しやすい用語 | 見分け方 |
|---|---|
| フレーム問題 | どの情報が関係あるか選ぶ難しさ |
| シンボルグラウンディング問題 | 記号が現実の意味と結びつかない難しさ |
この2つは、AIが「人間のように理解しているわけではない」ことを考えるうえで重要な用語です。
人工知能をめぐる動向に関する用語
現在のAIは、データ量の増加、計算能力の向上、アルゴリズムの進化によって発展してきました。生成AIや基盤モデルも、この流れの中で登場した重要なテーマです。
| 用語 | 一言でいうと |
|---|---|
| ビッグデータ | 大量で多様なデータ |
| IoT | モノがインターネットにつながる仕組み |
| クラウド | インターネット経由で計算資源やサービスを利用する仕組み |
| GPU | 大量の計算を並列に処理しやすい装置 |
| ムーアの法則 | 半導体性能が一定期間で向上するという経験則 |
| 生成AI | 文章・画像・音声などを生成するAI |
| 基盤モデル | さまざまな用途に応用できる大規模モデル |
| 大規模言語モデル | 大量の文章で学習した大規模な言語モデル |
| LLM | 大規模言語モデルのこと |
| マルチモーダルAI | 文章・画像・音声など複数の形式を扱うAI |
現在のAIを理解するには、単に「AIが賢くなった」と考えるのではなく、データ、計算能力、モデルの進化が重なって発展したと見ることが大切です。
G検定ではどう問われる？
この分野では、用語の意味だけでなく、どの時代に何が注目されたか、どの問題がAIの限界として語られたか が問われやすいです。
| 問われやすい内容 | 押さえるポイント |
|---|---|
| 第一次AIブーム | 探索・推論 |
| 第二次AIブーム | 知識表現・エキスパートシステム |
| 第三次AIブーム | 機械学習・ディープラーニング |
| 探索と推論 | 探索は答えを探す、推論は結論を導く |
| フレーム問題 | 関係ある情報だけを選ぶ難しさ |
| シンボルグラウンディング問題 | 記号と意味が結びつかない難しさ |
| 強いAIと弱いAI | 意識や理解を持つか、特定作業をこなすか |
| 汎用AIと特化型AI | 幅広く対応するか、特定目的に特化するか |
特にAIブームの流れは、単語だけでなく順番で整理しておくと対応しやすくなります。
まとめ
「人工知能とは・人工知能をめぐる動向」は、G検定の入口になる分野です。人工知能の基本、AIブームの歴史、探索・推論、知識表現、AIの限界、現在の生成AIにつながる流れを押さえることで、後に出てくる機械学習やディープラーニングも理解しやすくなります。
試験前は、細かい説明をすべて覚えるよりも
第一次AIブーム
＝
探索・推論
第二次AIブーム
＝
知識表現・エキスパートシステム
第三次AIブーム
＝
機械学習・ディープラーニング
という流れをまず確認しておきましょう。
関連記事・おすすめ記事
用語の意味をもう少し詳しく確認したい場合は、関連する解説記事もあわせて確認しておきましょう。
G検定の出題範囲を全体で整理したい場合は、8分野に分けたまとめ記事も確認しておきましょう。
関連記事
【G検定対策】G検定整理記事を8分野で分類｜苦手分野から学べる記事一覧
どの順番で学習すればよいか迷う場合は、G検定対策の学習ロードマップも参考になります。
関連記事
【G検定対策】理解ロードマップ
機械学習とディープラーニングの関係があいまいな場合は、違いを整理した記事で確認しておきましょう。
関連記事
【G検定対策】機械学習とディープラーニングの違いをわかりやすく整理｜教師あり・教師なしも解説
学習方法の違いを整理したい場合は、教師あり学習・教師なし学習・強化学習の比較記事も役立ちます。
関連記事
【G検定対策】教師あり学習・教師なし学習・強化学習の違いをわかりやすく整理
ディープラーニングの代表モデルを整理したい場合は、CNN・RNN・Transformerの違いも確認しておきましょう。
関連記事
【G検定対策】CNN・RNN・Transformerの違いをわかりやすく整理
AlexNet、VGG、GoogLeNet、ResNetなどの流れを確認したい場合は、画像認識の歴史の記事がおすすめです。
関連記事
【G検定対策】画像認識の歴史を流れで整理
生成AIの用語とあわせて、ハルシネーションや著作権などのリスクも整理しておきましょう。
関連記事
【G検定対策】生成AIリスクまとめ｜ハルシネーション・著作権・個人情報・バイアス・ディープフェイクを整理
技術用語だけでなく、AI倫理・法律・ガバナンスの考え方も試験前に確認しておくと安心です。
関連記事
【G検定対策】AI倫理・AI法律とは？AI時代に必要な考え方をわかりやすく整理
1回目不合格でした。不合格だった原因を分析しました。
こちらもおすすめ
【不合格体験談】G検定に落ちた原因｜「成功体験」と「過学習」が落とし穴
公式テキスト
Amazonで確認
楽天市場で確認
合格時に使用した問題集
Amazonで確認
楽天市場で確認
書いている人
このブログの運営者です。文系出身です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
