【G検定｜理解型予想問題】CNN・RNN・Transformer
seo-webmaster
SEO・ウェブマスターブログ
【G検定｜理解型予想問題】AI学習の流れ
seo-webmaster
プロモーションが含まれています
AI関連の用語は、1つずつ覚えようとすると混乱しやすくなります。
しかし、本来は
- 損失関数
- 勾配降下法
- 学習率
- SGD
- Adam
- 過学習
- 評価指標
などは、すべて「AIが間違いを修正し続ける流れ」の中に存在しています。
この記事では、AI学習の流れを“線”で理解できるように、理解型の予想問題を通して整理していきます。
問題①
損失関数の役割として最も適切なものはどれか？
- A. AIの最終性能を確認する
- B. AIの間違いの大きさを数値化する
- C. AIの学習速度を決める
- D. AIのデータ量を増やす
- 正解・解答（クリックで開きます）
-
正解
B
解説
損失関数は「AIがどれくらい間違えたか」を数値化するものです。
AIはまず予測を行い、その予測と正解との差を損失関数で測定します。
損失が大きいほど
- 予測がズレている
- 修正が必要
という意味になります。
補足
AIの学習をはじめたばかりの人は
- 損失関数
- 評価指標
を混同しやすいです。
理由はどちらも「数値で性能を見る」からです。
しかし、本当は下の表の役割があります。
Q
問題②
勾配降下法の説明として最も適切なものはどれか？
- A. AIの最終精度を確認する方法
- B. AIの修正方向を探す方法
- C. AIのデータを削除する方法
- D. AIの計算回数を減らす方法
- 正解・解答（クリックで開きます）
-
正解
B
解説
勾配降下法は「どちらに修正すれば損失が減るか」を探す方法です。
よく
- 山の頂上 = 損失が大きい
- 谷底 = 損失が小さい
でイメージされます。
AIは
- 少しずつ
- 損失が小さくなる方向へ
修正を繰り返します。
補足
勾配降下法は「修正する仕組み」です。
一方で「どれくらい修正するか」を決めるのは学習率です。
ここはG検定でも非常に混同しやすいポイントです。
Q
問題③
学習率が大きすぎる場合に起きやすいことはどれか？
A. 修正が小さすぎて進まない
B. 損失関数が不要になる
C. 最適解を飛び越えやすくなる
D. データ量が不足する
- 正解・解答（クリックで開きます）
-
正解
C
解説
学習率は「どのくらい修正するか」を決める値です。
大きすぎると
- 修正量が大きすぎる
- 谷底を飛び越える
- 学習が不安定になる
という問題が起きます。
逆に小さすぎると
- 学習が遅い
- なかなか改善しない
状態になります。
補足
AIの学習をはじめたばかりの人は
- 勾配降下法
- 学習率
をセットで覚えがちです。
しかし、本当は下の表の役割になります。
Q
問題④
ミニバッチ学習の説明として最も適切なものはどれか？
- A. データを1件ずつ更新する方法
- B. 全データを毎回使う方法
- C. 少量ずつまとめて更新する方法
- D. 学習を停止する方法
- 正解・解答（クリックで開きます）
-
正解
C
解説
ミニバッチ学習は「少量ずつまとめて更新する」方法です。
特徴
- SGDより安定しやすい
- 全件学習より高速
- 現在のディープラーニングで主流
という特徴があります。
補足
整理すると下の表のようになります。
Q
問題⑤
Adamの特徴として最も適切なものはどれか？
- A. 更新方法を工夫して学習を安定化しやすい
- B. AIの画像認識専用手法である
- C. 損失関数を不要にする
- D. 過学習を完全に防ぐ
- 正解・解答（クリックで開きます）
-
正解
A
解説
Adamは「更新方法を賢く改善した手法」です。
特徴
- 学習が安定しやすい
- 収束が速い
- 現在よく使われる
という特徴があります。
つまり「どう更新するかを改善したもの」です。
補足
Adamは
- 損失関数
- 勾配降下法
とは別カテゴリです。
役割としては「更新の工夫」に近いです。
Q
問題⑥
過学習の説明として最も適切なものはどれか？
- A. 学習がまったく進まない状態
- B. 訓練データを覚えすぎてしまう状態
- C. データ量が増えすぎる状態
- D. AIが停止する状態
- 正解・解答（クリックで開きます）
-
正解
B
解説
過学習とは「AIの丸暗記」に近い状態です。
訓練データには強いのに
- 新しい問題
- 未知データ
に弱くなります。
つまり「応用力がない状態」です。
補足
これはG検定の学習にも似ています。
- 問題集だけ暗記
- 問い方変更で崩れる
- 選択肢変更で迷う
という状態は「人間の過学習」とも言えます。
Q
問題⑦
正則化やドロップアウトの役割として最も適切なものはどれか？
- A. AIの丸暗記を防ぐ
- B. データ量を増やす
- C. 評価指標を変更する
- D. AIを停止する
- 正解・解答（クリックで開きます）
-
正解
A
解説
正則化やドロップアウトは「過学習対策」です。
目的は
- 覚えすぎ防止
- 汎化性能向上
- 未知データ対応力向上
です。
補足
重要なのは「過学習対策は学習の一部」ということです。
単独用語ではなく、下記のイメージの流れで理解するとわかりやすいです。
- 学習する
↓ - 覚えすぎる
↓ - 防止する
という流れで理解すると整理しやすくなります。
Q
問題⑧
評価指標の役割として最も適切なものはどれか？
- A. 学習方向を決める
- B. 間違い量を測定する
- C. 最終性能を確認する
- D. 更新量を決める
- 正解・解答（クリックで開きます）
-
正解
C
解説
評価指標は「最終的な性能確認」に使います。
例：
- 精度
- 適合率
- 再現率
- F1値
などがあります。
補足
ここは超重要です。
この違いを整理できると、AI学習全体がかなり理解しやすくなります。
Q
まとめ
AI学習は「間違いを修正し続ける流れ」です。
流れで見ると下の表になります。
重要なのは「全部バラバラの用語ではない」ことです。
本当は「AIが学習する流れ」の中で、それぞれ役割分担しているだけです。
重要なのは「単語暗記で終わらせない」ことです。
例えば
- 勾配降下法 → 修正方向
- 学習率 → 修正量
のように「役割の違い」を理解できると、問い方が変わっても崩れにくくなります。
これはG検定で非常に重要なことです。
問題文や選択肢の表現が変わっても「AI内部で何が起きているか」を理解できていれば対応しやすくなります。
AI用語を「点」ではなく「学習の流れ」という「線」で整理できるようになると、AI全体の理解が一気につながりやすくなります。
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
関連記事・おすすめ記事
「AIはどのように学習しているのか？」もっと詳しく整理しています。
次に読んで欲しい記事
【G検定対策】AIはどうやって学習する？全体の流れをわかりやすく整理
どの分野から出題されるか予想しました。
こちらもおすすめ
【2026年初旬版】G検定はどの分野からどのくらい出る？受験者目線で割合を整理してみた
G検定 合格体験談です。2回目の受験で何とか合格できました。
こちらもおすすめ
【合格体験談】G検定は本当に簡単なの！？1回落ちた失敗を踏まえた体験談
書いている人
このブログの運営者（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。
