G検定 合格ガイド|試験のしくみ・機械学習の3種類・過学習と正則化・ハルシネーション・AIと著作権+全肢解説の確認問題
G検定(ジェネラリスト検定)は、一般社団法人 日本ディープラーニング協会(JDLA)が行う、AI・ディープラーニングをビジネスで活用する知識を問う検定です。エンジニアでなくても受けやすく、生成AIの普及で受験者が増えています。
試験のしくみ
| 項目 | 内容 |
|---|---|
| 実施 | 一般社団法人 日本ディープラーニング協会(JDLA) |
| 方式 | 自宅などから受けるオンライン試験(年に複数回) |
| 形式 | 多肢選択式 |
| 主な分野 | AIの歴史・機械学習・ディープラーニングの手法・生成AI・AIと法律・倫理 |
機械学習の基本

| 用語 | 意味 |
|---|---|
| 過学習 | 学習データに合わせすぎて、新しいデータでの精度が下がること |
| 正則化 | モデルが複雑になりすぎないよう制約をかけ、過学習を防ぐ手法 |
| 転移学習 | 別のタスクで学習済みのモデルを使い、少ないデータで新しいタスクを学習する |
| ハルシネーション | 生成AIが、事実と異なる内容をもっともらしく出力すること |
AIと法律・倫理
- 著作権法第30条の4:AIの学習(情報解析)のための著作物の利用は、原則として許諾なく行える。ただし、著作権者の利益を不当に害する場合は除かれる。
- 生成物の利用では、既存の著作物との類似性と依拠性が認められると、著作権侵害になりうる。
確認問題(4肢択一・全肢解説)
問題1
正解ラベルのないデータから、似たもの同士をグループに分ける手法が属するものはどれか。
- 教師あり学習
- 教師なし学習
- 強化学習
- 転移学習
正答:2
- 肢1 × 教師あり学習は、正解ラベルつきのデータで学習する。
- 肢2 ○(正答) クラスタリングは、正解のないデータから構造を見つける教師なし学習。
- 肢3 × 強化学習は、行動に対する報酬を最大化するように学習する。
- 肢4 × 転移学習は、学習済みモデルを別のタスクに活かす方法。
問題2
学習データでは高い精度が出るが、新しいデータでは精度が大きく下がる状態を何というか。
- 未学習
- 過学習
- 正則化
- 汎化
正答:2
- 肢1 × 未学習は、学習データでも精度が出ない状態。
- 肢2 ○(正答) 学習データに合わせすぎた状態が過学習。
- 肢3 × 正則化は過学習を防ぐための手法。
- 肢4 × 汎化は、新しいデータにも対応できる能力のこと。
問題3
生成AIが事実と異なる内容をもっともらしく出力する現象はどれか。
- ハルシネーション
- アノテーション
- ファインチューニング
- プロンプトインジェクション
正答:1
- 肢1 ○(正答) ハルシネーション(幻覚)の説明。出力の事実確認が必要。
- 肢2 × アノテーションは、データに正解ラベルなどを付ける作業。
- 肢3 × ファインチューニングは、学習済みモデルを追加データで調整すること。
- 肢4 × プロンプトインジェクションは、悪意ある指示でAIに想定外の動作をさせる攻撃。
よくある間違いと正しい理解
| よくある間違い | 正しい理解 |
|---|---|
| クラスタリングは教師あり | 正解なしデータを扱う教師なし学習 |
| 学習データの精度が高ければ成功 | 新しいデータでの精度(汎化性能)が大事 |
| AI学習の著作物利用はすべて自由 | 著作権者の利益を不当に害する場合は除かれる |
| 生成AIの出力は正しい | ハルシネーションがあるため事実確認が必要 |
コメント
コメントを投稿