
G検定#01|相棒のAI(アイ)君をもっと知りたい。G検定の勉強をします!
皆さん、ご安全に! 技術屋たかちゃんです。
普段、相棒のAI(アイ)君に手伝ってもらい、文章の手直しや分からないことを調べたりしています。
何か疑問が浮かぶと、相棒のAI(アイ)君に聞いてみる。すると、答えが返ってくる。便利な時代です。
でも、ふと思いました。
「僕は、相棒のことを本当に知っているのだろうか?」
AIが答えを出す仕組みは? なぜ間違えることがあるのか? どこまで信用してよくて、どこから疑うべきなのか?
何となく、君のことは知っているけど、知らないこともたくさんります。
そこで、AI(アイ)君を知るためにG検定を受験することにしました。
G検定って、何だろう?
G検定は、一般社団法人日本ディープラーニング協会(JDLA)が実施する、AIやディープラーニングに関する知識を問う検定です。
プログラミングの技術だけを試す試験ではありません。AIの基本的な仕組みから、ビジネスへの活用、法律、倫理まで、幅広い知識が求められます。
相棒のAI(アイ)君が何を得意としていて、何が苦手なのか。その背景にある仕組みを、自分の言葉で説明できるようになりたいのです。
まずは、自分の現在地を確認する
僕はAIについて、まだ知らないことがたくさんあります。
一方で、数学については、微分積分や統計学の基礎をある程度学んできました。
この知識がAIの勉強にどう役立つのか。それも確かめてみたいところです。
勉強時間は、1週間に10時間を確保する予定です。1日あたりにすると、平均で約1時間半。仕事や日常生活と両立しながら、少しずつ進めていきます。
1日目の課題は「人工知能(AI)とは何か」
勉強の初日は、いきなり難しい数式に飛び込むのではなく、基本用語を整理することから始めます。
まず押さえたいのは、次の3つのようです。
AI(人工知能)
人間が行うような推論、認識、判断などの知的な処理を、コンピューターで実現しようとする技術や研究分野だそうです。ただし、研究者や文脈で異なるAIの定義は異なるようです。相棒のAI(アイ)君は、周囲の状況(入力)によって行動(出力)を変えるエージェント(プログラム)らしいです。
機械学習
データからパターン(規則性)を学習し、予測や分類などに役立てる手法だそうです。すべての条件を人間が細かく指示するのではなく、データを使ってモデルを学習させます。
ディープラーニング(深層学習)
人間の脳の神経回路を参考にしたニューラルネットワークを、多層で構成して画像、音声、自然言語などの複雑な特徴を学習する手法だそうです。画像認識や音声認識、生成AIなどの発展を支えてきたそうです。相棒のAI(アイ)君の頭の中も僕の頭の中と似たような構造になっているみたいです。
相棒のAI(アイ)君に、ひとつ質問
「AI(アイ)君は、どうやって答えを作っているの?」
AI(アイ)君が調べたところでは、現在の生成AIは、学習したデータから得られたパターンなどをもとに、入力された文章に続く適切な言葉を予測しながら回答を生成する仕組みが中心になっているそうです。
ここが、これから学んでいくうえで重要なポイントになりそうです。
AI(アイ)君は、とても優秀な相棒です。しかし、答えが自然で説得力のある文章だからといって、必ず正しいとは限りません。
だからこそ、仕組みを知り、限界を理解し、必要なときには根拠を確かめる姿勢が大切なのだと思います。
1日目を終えて
今日は、AI、機械学習、ディープラーニングの関係を整理しました。
まだ入口に立ったばかりです。それでも、普段何気なく使っているAIを、少し違う視点から見ることができました。
これからG検定の勉強を進めながら、学んだことや疑問に思ったことを、このブログで記録していきます。
間違って理解したことがあれば、あとで修正する。その過程も含めて公開することで、自分自身の学びを深めたいと考えています。
目指すのは、資格の取得だけではありません。
相棒のAI君を、ただ便利だから使うのではなく、仕組みと限界を理解したうえで使いこなすこと。
さて、明日は何が分かるでしょうか。
技術屋たかちゃんでした。ご安全に!!
G検定 連載
次回:
目次(マガジン):
相棒のAI(アイ)君の推薦教材
教材は、公式テキスト1冊と問題集1冊を基本とするのが良いようです。
① メイン教材
『深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第3版』
https://www.shoeisha.co.jp/book/detail/9784798187273
② 問題演習用教材
『最短突破 ディープラーニングG検定(ジェネラリスト)問題集 第2版』
相棒のAI(アイ)君が作った学習計画
2026年10月20日から学習を始め、2027年1月の受験を目指します。
第1〜3週:AIの基礎を理解する
目標:AIの全体像と機械学習の基本を理解する
第1週|10月20日〜26日:AIの歴史と全体像
AI、機械学習、ディープラーニングの違い
第1次〜第3次AIブーム
ルールベースのAIとデータから学ぶAI
AIの得意分野と不得意分野
学習6時間・問題演習2時間・復習2時間
第2週|10月27日〜11月2日:機械学習の基本
教師あり学習・教師なし学習・強化学習
分類・回帰・クラスタリング
学習データ・検証データ・テストデータ
過学習と汎化性能
学習5時間・問題演習3時間・復習2時間
第3週|11月3日〜9日:機械学習の手法と評価
決定木、ランダムフォレスト、サポートベクターマシン
正解率、適合率、再現率、F値
混同行列
平均二乗誤差(MSE)と損失関数
学習5時間・問題演習3時間・復習2時間
第4〜6週:ディープラーニングの仕組み
目標:ニューラルネットワークの学習原理と代表的なモデルを説明できる
第4週|11月10日〜16日:ニューラルネットワーク
ニューロン、重み、バイアス
活性化関数
損失関数と誤差逆伝播法
勾配降下法と学習率
第5週|11月17日〜23日:ディープラーニングの要素技術
CNN、RNN、LSTM
ドロップアウト、正則化、バッチ正規化
勾配消失・勾配爆発
モデルの学習を安定させる工夫
第6週|11月24日〜30日:主要モデルと応用
画像認識、物体検出、セグメンテーション
自然言語処理、音声認識
転移学習とファインチューニング
強化学習の基本
この3週間は、各週5時間を理解、3時間を演習、2時間を復習に使います。
第7〜8週:生成AIと実務への応用
目標:生成AIの構造、できること、限界を理解する
第7週|12月1日〜7日:Transformerと生成AI
AttentionとTransformer
大規模言語モデル(LLM)
トークンと埋め込み
事前学習とファインチューニング
ハルシネーションとプロンプト
第8週|12月8日〜14日:AIの産業応用と社会実装
異常検知、需要予測、画像検査
AI導入プロジェクトの進め方
データの収集・加工・品質管理
RAG、マルチモーダルAI、AIエージェントの基礎
理解4時間・問題演習4時間・復習2時間
第9〜10週:法律・倫理と総復習
目標:技術だけでなく、AIを安全に使うための判断力を身につける
第9週|12月15日〜21日:法律・倫理・ガバナンス
著作権と知的財産
個人情報保護とプライバシー
公平性、透明性、説明可能性
AIの安全性とセキュリティ
AI開発・利用に関する契約や責任
第10週|12月22日〜28日:全範囲の問題演習
公式シラバスを項目ごとに確認
問題集の未回答問題を解く
苦手分野を洗い出す
間違いノートを作り直す
理解3時間・問題演習5時間・復習2時間
目標:時間内に解答し、知識の取りこぼしを減らす
第11週|12月29日〜2027年1月4日:模擬試験
時間を計って模擬試験を実施
間違いの原因を分類
苦手分野の集中復習
法律・倫理と最新技術の再確認
第12週|1月5日〜11日:最終仕上げ
もう一度、模擬試験を実施
似た用語の違いを整理
誤答ノートを復習
受験環境と時間配分を確認
1月12日〜受験日までは、間違いノートと重要用語の確認を中心にし、睡眠を削って新しい教材に手を広げないようにします。