G検定の重要用語を印刷用チェックシートとしてまとめました。「一言でいうと」というふうに端的にまとめました。
G検定の採点結果の下記の8分野に分けてまとめています。
「JDLA_G検定シラバス2024_v1.4」を元に作成しています。
１．人工知能とは・人工知能をめぐる動向
２．機械学習の概要
３．ディープラーニングの概要
４．ディープラーニングの要素技術
５．ディープラーニングの応用例
６．AIの社会実装に向けて
７．AIに必要な数理・統計知識
８．AIに関する法律と契約・AI倫理・AIガバナンス
そのままご覧になってもいいですが、印刷した方が使いやすいと思います。
印刷を想定して、無駄なものは表示しないようにしています。
※ 本チェックシートは、G検定の重要用語を整理して確認するための補助教材です。これだけで合格を保証するものではありませんので、公式情報や問題演習とあわせてご活用ください。
1. 人工知能とは・人工知能をめぐる動向
| 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
| 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 |
| AI効果 | 実用化されるとAIとは呼ばれにくくなる現象 |
| 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 |
AIブームに関する用語
| 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ブームの中心テーマとポイント
| 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
| 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 |
知識表現・エキスパートシステムに関する用語
| 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 |
| DENDRAL | 化学分野で使われた初期のエキスパートシステム |
| ELIZA | 対話システムの初期例として知られるプログラム |
| 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 |
| 知識獲得のボトルネック | 専門家の知識をAIに入れる作業が難しい問題 |
AIの限界に関する用語
| 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 |
人工知能をめぐる動向に関する用語
| 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 |
混同しやすい用語
| 混同しやすい用語 | 違い・確認ポイント |
|---|
| AI・機械学習・ディープラーニング | AIの中に機械学習があり、機械学習の中にディープラーニングがある |
| 強いAI・弱いAI | 強いAIは人間のような知能を目指す考え方／弱いAIは特定の目的に特化したAI |
| 探索・推論 | 探索は候補の中から答えを探す／推論は知識やルールから結論を導く |
| 知識表現・機械学習 | 知識表現は人間の知識をルールなどで表す／機械学習はデータからパターンを学ぶ |
| エキスパートシステム・機械学習 | エキスパートシステムは専門家の知識を使う／機械学習はデータから判断基準を学ぶ |
| フレーム問題・シンボルグラウンディング問題 | フレーム問題は考慮範囲の問題／シンボルグラウンディング問題は記号と意味を結びつける問題 |
G検定ではどう問われる？
| 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 |
※ 本教材は学習補助を目的としたものであり、試験の合格を保証するものではありません。
現在、初回お試し価格のため、今後変更する可能性があります。