第1章 AIの基礎と歴史の要点
機械学習の3つの学び方、過学習の対策、AIブームを整理
- 第1章は、AIの土台になる章です。機械学習の学び方、ニューラルネットワークの代表的なモデル、過学習とその対策、AIブームの歴史が出ます。
- 教師あり学習・教師なし学習・強化学習、ドロップアウト・正則化・アーリーストッピングのように、似た用語を並べて選ばせる問われ方が目立ちます。
- 用語は「AIの基本」「機械学習」「ニューラルネットワーク」「AIの歴史」の4つに分けると、覚えやすくなります。
この章で問われること
第1章「AIの基礎と歴史」は、AIとは何か、どうやって賢くなるのか、これまでどんな歴史をたどってきたのかを扱います。第2章以降の生成AI・AIエージェントを理解するための土台です。
本番の60問のうち、第1章からは9問前後と予想しています。もちこ道場の模擬試験（60問・60分）は、5つの章の出題数を第1章9問、第2章12問、第3章12問、第4章18問、第5章9問としていて、第1章は試験全体の15%にあたります。もちこ道場の第1章には114問があり、すべて登録なしで解けます。
出てくる用語は、次の4つのまとまりに分けると整理しやすくなります。
4つのまとまりと押さえる用語
1. AIの基本
| 用語 | ひとことで |
|---|---|
| AI（人工知能） | 人間の知能を再現するソフトウェア。人間でいえば「脳」にあたり、物理的に動く機械のロボットとは区別する |
| ルールベース | 人が決めた条件で判断する。結果が予測しやすい一方、現実の複雑さに合わせてルールを作り続けるのが難しい |
| 機械学習 | AI 自身がデータを分析して規則性を学ぶ。学習に使うデータの内容で結果が左右される |
| 弱いAI（ANI）・強いAI（AGI） | 特定の分野だけ得意なのが弱い AI（今のAIはこちら）。幅広い分野で人間並みなのが強い AI（まだ実現していない） |
2. 機械学習
| 用語 | ひとことで |
|---|---|
| 教師あり学習 | 正解ラベル付きのデータで学ぶ。画像やテキストを判別する場面で力を発揮する |
| 教師なし学習 | 正解ラベルのないデータから、共通点を見つける。代表例はクラスタリングと次元削減 |
| 強化学習 | 目標を決め、成功には報酬、失敗にはペナルティを与え、試行錯誤で最適な行動を学ぶ |
| 半教師あり学習 | 少量のラベル付きデータと、大量のラベルなしデータの両方を使う |
| ノーフリーランチ定理 | あらゆる問題で最高の性能を出す万能な手法はない。課題に合わせて手法を選ぶ |
3. ニューラルネットワークと代表的なモデル
| 用語 | ひとことで |
|---|---|
| ニューラルネットワーク | 人工ニューロンをたくさんつないだ仕組み。情報の重要度（重み）を調整しながら学ぶ |
| ディープラーニング（深層学習） | 層を深く重ねたニューラルネットワークで、大量のデータから特徴やルールを自分で見つける |
| 過学習 | 訓練データに合わせすぎて、初めて見るデータの予測が外れる現象。対策は正則化・ドロップアウト・アーリーストッピング |
| 転移学習 | あるタスクで学習済みのモデルの知識を、別のタスクに再利用する。少ないデータとコストで済む |
| CNN | 畳み込みで画像の特徴をとらえる。画像認識に使う |
| RNN・LSTM | RNN は順序のあるデータ（時系列）を扱う。LSTM は、RNN で起きやすい過去の情報が薄れる問題を改善した |
| VAE・GAN | VAE はエンコーダが要点を潜在ベクトルにまとめ、デコーダが復元・生成する。GAN は生成器と識別器を競わせて学ぶ |
4. AIの歴史
| 用語 | ひとことで |
|---|---|
| ダートマス会議 | 1956年。AI という研究分野の出発点 |
| 第1次AIブーム | 探索（選択肢を順に調べて最良の解を探す）と推論（事実とルールから結論を導く）が中心。ルールの作成と管理が大変で、1970年代後半に下火になった |
| 第2次AIブーム | 専門家の知識を取り込むエキスパートシステム（1980年代後半〜1990年代初頭）。知識の整理と更新が難しく下火になった |
| 第3次AIブーム | 2010年代から。ビッグデータとディープラーニングが特色 |
| シンギュラリティ | AI が人間の知能を上回る時点。カーツワイルが2045年ごろと紹介したため「2045年問題」ともいう |
取り違えやすい組み合わせ
選択肢には、同じまとまりの用語が並びます。次の組み合わせは、「何で分けるか」を一言で言えるようにしておきます。
| 組み合わせ | 見分け方 |
|---|---|
| 教師あり・教師なし・強化学習 | 正解ラベルで学ぶ（あり）／ラベルなしで共通点を探す（なし）／報酬で試行錯誤する（強化） |
| クラスタリングと次元削減 | 似たもの同士をグループにする（クラスタリング）／重要な情報だけ残して簡単にする（次元削減） |
| 正則化・ドロップアウト・アーリーストッピング | 情報量を絞る（正則化）／一部のニューロンを休ませる（ドロップアウト）／伸びなくなったら止める（アーリーストッピング） |
| 弱いAIと強いAI | 特定の分野だけ得意（弱い・今のAI）か、幅広く人間並み（強い・未実現）か |
| RNN と LSTM | 順序のデータを扱う（RNN）か、そこで起きる記憶の薄れを改善した（LSTM）か |
| VAE と GAN | エンコーダとデコーダで要約・復元する（VAE）か、生成器と識別器を競わせる（GAN）か |
| 第1次と第2次のブーム | 探索と推論（第1次）か、専門家の知識を入れたエキスパートシステム（第2次）か |
この章の勉強の進め方
- 4つのまとまりの名前を覚え、用語を見たら「どのまとまりの話か」を言えるようにします。
- 歴史は、3つのブームを「何が中心だったか」「なぜ下火になったか」の2点セットで覚えます。
- 上の表の組み合わせを、何も見ずに一言で説明できるか確かめます。
- 問題を解いて、迷った用語をその日のうちに見直します。
機械学習の3つの学び方は「教師あり学習・教師なし学習・強化学習の違い」、過学習の対策は「過学習と、ドロップアウト・正則化・アーリーストッピングの違い」でくわしく整理しています。勉強の全体の計画は「勉強時間の目安と1か月の計画」にまとめています。
この章の用語の違いをくわしく
第1章の問題を2問、解いてみる
もちこ道場の第1章（無料体験）の問題です。演習画面と同じ解説（図解・選択肢ごとの解説）を付けています。
問1
2010年代以降に始まった第3次AIブームの技術的特徴であり、大量の購買データやセンサー情報などをAIの学習や分析に利用可能にした要素は1の活用である。
答えと解説を見る
正解は 2（ビッグデータ）です。
【概要】
第3次AIブームは2010年代に入ってから続くブームで、ビッグデータの利用と深層学習の進歩が特色である。需要予測や自動運転など様々な分野でAIが使われている。
【各選択肢の解説】
- 1. エキスパートシステムあなたの解答 エキスパートシステムは第2次AIブームで注目された専門家の知識を取り込む仕組みであり、第3次ブームの特徴ではない。
- 2. ビッグデータ正解あなたの解答 ビッグデータの活用は第3次ブームの特徴で、膨大なデータを学習や分析に生かせるようになった。
- 3. ルールベースあなたの解答 ルールベースは人間が定めた条件で判断させる方式で、第1次ブームの中心であり、第3次ブームの特徴ではない。
- 4. ローカルデータあなたの解答 ローカルデータは第3次ブームの特徴ではなく、特徴は膨大なビッグデータの活用である。
問2
デザイン業務支援のために高品質な画像を自動作成するAIを検討している。実物と見分けがつかないレベルのリアルな画像を作成できる一方で、作成された画像を本物か偽物か判定する1と画像を作る生成器の学習バランスが崩れると学習が不安定になる特性を持つモデルはGAN（敵対的生成ネットワーク）である。
答えと解説を見る
正解は 3（識別器）です。
【概要】
GANは生成器と識別器を競わせて学習し、識別器は送られてきたデータが本物か生成されたものかを判定する。両者の釣り合いが崩れると学習が安定しなくなる。
【各選択肢の解説】
- 1. エンコーダあなたの解答 エンコーダはVAEで入力を潜在ベクトルに要約する工程であり、本物か偽物かを判定するGANの役割ではない。
- 2. デコーダあなたの解答 デコーダはVAEで潜在ベクトルから元のデータ等を復元する工程で、真偽を判定するGANの役割ではない。
- 3. 識別器正解あなたの解答 識別器は生成器から送られたデータが本物か生成されたものかを判定し、見分ける力を高めていく。
- 4. パラメータ調整器あなたの解答 パラメータ調整器という名称はGANの構成要素ではなく、本物か偽物かを判定する役割を持つものでもない。
第1章の114問は、登録なしでそのまま解けます。解説と図解も同じ形で付いています。
よくある質問
第1章は、数式やプログラミングの知識がないと難しいですか？
いいえ。仕組みを数式で説明させる問題はなく、「どんな考え方か」「何のための方法か」を言葉で選ぶ問題が中心です。用語と、その用語が何を解決するのかをひもづけて覚えれば解けます。
第2章とはどうつながっていますか？
第1章で学ぶニューラルネットワークやディープラーニングが、第2章の Transformer や大規模言語モデルの土台になります。第1章の「過去のブームから生成AIまで」の流れを押さえておくと、第2章の用語が入りやすくなります。
第1章の用語は、どの順番で覚えるとよいですか？
歴史（ブームの順番）は年代順に、学習方法は「何を手がかりに学ぶか」（正解ラベル・共通点・報酬）で整理すると混ざりにくくなります。迷ったときは、下の「取り違えやすい組み合わせ」の表から確かめます。
もちこ道場
章ごとの問題と本番形式の模擬試験で、合格の力を確かめる
2027年2月の試験からの新しいシラバスの全5章から作ったオリジナルの予想問題を、スマホ・PC で解ける Web 演習サービスです（運営者が作っています）。
500円
31日間・買い切り・自動更新なし
- 全5章 888問○
- 選択肢ごとの解説○
- 全問の解説に図解○
- 模擬試験（60問・60分）なし
1,000円
31日間・買い切り・自動更新なし
- 全5章 888問○
- 選択肢ごとの解説○
- 全問の解説に図解○
- 模擬試験（60問・60分）○
無料体験は登録不要です。
次に読む
記事の確認問題と同じく、選択肢ごとの解説と図解が付いた問題を、スマホ・PC で続けて解けます。
生成AIパスポートの第2章「生成AI」で問われる用語を、6つのまとまりと取り違えやすい組み合わせで整理しました。第2章の問題を2問、その場で解いて確かめられます。
教師あり学習は正解ラベルで、教師なし学習はデータの共通点で、強化学習は報酬で学びます。機械学習の3つの学び方の違いを図と表で整理し、生成AIパスポートでの問われ方と覚え方をまとめました。
出題範囲は、2026年11月9日にGUGA（生成AI活用普及協会）の公式サイトで確認しました。用語の説明は、もちこ道場の問題と解説をもとにまとめたものです。