生成AIパスポート 第1章 AI（人工知能）｜要点まとめ
第1章では、試験全体の土台になるAIの基礎を扱います。歴史・分類・学習方式・ニューラルネットワークなど、後の章でも繰り返し出てくる用語が集中する章です。ここがあいまいなままだと第2章以降の理解が難しくなるので、最初にしっかり固めておきたいところです。
この章のポイント
第1章の出題範囲は、次の4つに分けられます。
- AIの歴史と発展段階：ダートマス会議（1956年）から3度のAIブーム、AIの冬、シンギュラリティまで
- AIの分類：特化型AI（ANI）と汎用AI（AGI）、ルールベース→機械学習→深層学習という4段階のレベル
- 機械学習の3つの学習方式：教師あり学習・教師なし学習・強化学習の使い分け
- ディープラーニングの基本：ニューラルネットワークの構造、学習プロセス、過学習と対策、評価指標
単純な用語の暗記だけでなく、「教師なし学習の代表例は？」「過学習を防ぐ手段は？」のように、用語同士の関係を理解しているかを確認する問題が中心です。
重要キーワードと解説
- 第三次AIブーム：2010年代以降、ビッグデータ・GPU・ディープラーニングの3点セットで起きた現在進行中のブーム。第一次は探索・推論、第二次はエキスパートシステムが中心でした
- 教師あり学習／教師なし学習／強化学習：順に「正解ラベル付きデータで学習」「ラベルなしデータからパターン発見」「報酬・罰則で行動を学習」という違いがあります。代表手法（分類・回帰／クラスタリング・次元削減／方策最適化）もあわせて覚えておくと安心です
- ディープラーニング（深層学習）：隠れ層を多数積んだニューラルネットワーク。特徴量を自動抽出できる点が、人間が特徴量設計をする従来の機械学習との大きな違いです
- CNN／RNN：CNNは画像の局所特徴を抽出、RNNは系列データを扱う構造。次章で扱うTransformer登場以前の主役モデルです
- 過学習（オーバーフィッティング）：訓練データに適合しすぎ、未知データで性能が落ちる現象。正則化（L1／L2）、ドロップアウト、データ拡張、交差検証で対策します
- 訓練／検証／テストデータ：学習・ハイパーパラメータ調整・最終評価の3用途に分けます。テストデータは最後まで触らないのが原則です
- 評価指標：適合率（Precision）、再現率（Recall）、F1スコア。混同行列をベースに、不均衡データではF1を重視します
- ANI／AGI：特化型AI（実用済み）と汎用AI（理論段階）。現在実用化されているAIは基本的にすべてANIです
- シンギュラリティ：AIが人間の知能を超える転換点。レイ・カーツワイルが2045年と予測（2045年問題）
よく出る論点（チェックリスト）
- 第1次・第2次・第3次AIブームのきっかけと中心技術を、それぞれ1行で説明できる
- 教師あり・教師なし・強化学習の違いを、データ形式と代表タスクで区別できる
- 過学習の原因と、4つ以上の対策（正則化・ドロップアウト・データ拡張・交差検証など）を挙げられる
- 適合率・再現率・F1スコアの違いと、それぞれが重視される場面（スパム検知／医療診断）を答えられる
- ANI・AGIの区別と「現状はANIまで」という現在地を理解している
- ニューラルネットワークの3要素（ノード・重み・活性化関数）の役割を説明できる
確認問題で実力チェック
第1章は基礎の振り返りで点数を稼ぎたい章です。本サイトの「分野別学習」では、第1章にあたる70問にしぼって演習できます。最低でも90%以上正解できる状態を目指しましょう。
「分野別学習」から第1章を選ぶと、この章の問題だけを集中して解けます。