AI・機械学習の基礎｜ITパスポート試験頻出のキーワード整理

AI・機械学習・深層学習の関係

AI（人工知能）は人間の知能を模倣する技術全般を指す広い概念です。機械学習はデータから規則性を自動的に学習する手法であり、深層学習はその中でも多層ニューラルネットワークを用いる特殊な手法です。これらは包含関係にあり、AI ⊃ 機械学習 ⊃ 深層学習の順に階層が狭まります。

機械学習の3 分類

教師あり学習

教師あり学習は、入力データと正解ラベルのペアを使って学習する手法です。代表例として画像分類やスパム判定、価格予測などがあります。主な手法には数値予測を行う回帰と、カテゴリを判定する分類があります。

教師なし学習

教師なし学習では正解ラベルを用いずにデータの構造を発見します。クラスタリングや次元削減が代表例であり、顧客セグメンテーションや異常検知などに活用されます。

強化学習

強化学習は試行錯誤を繰り返しながら報酬を最大化する行動を学習する手法です。代表例として囲碁AIのAlphaGoやロボット制御、ゲームAIが挙げられます。

生成 AI と LLM

生成AI（Generative AI）はテキストや画像、音声などを新しく生成するAIの総称です。LLM（大規模言語モデル）は大量のテキストで訓練された言語モデルであり、ChatGPTやClaude、Geminiが代表例として知られています。試験ではプロンプト、ハルシネーション（誤情報生成）、ファインチューニングといった用語が問われやすいです。

ITパスポート試験での出題ポイント

令和7年度（2025年）の過去問ではAI関連問題が 7 問出題され、頻出領域となっています。試験では教師あり学習、教師なし学習、強化学習の3分類の用語識別が問われるほか、生成AIの注意点（著作権、機密情報、ハルシネーション）も重要です。

過去問の典型パターン

• 「教師あり学習の例として最も適切なものはどれか」型
• 「生成 AI 利用時の注意点として適切なものはどれか」型

関連用語

• IoT（IoT とは）：AI が分析するデータの収集源
• DX 推進の中核技術（DX とは）

学習のコツ

学習のコツとして、まずAI ⊃ ML ⊃ DLの包含関係をイメージすることが大切です。学習方式は正解ラベルがあるか、報酬で動くかの2軸で分類できます。また生成AIのリスク（ハルシネーション、著作権、情報漏洩）はセットで暗記しておきましょう。

まとめ

包含関係、3分類、生成AIのリスクをおさえれば、頻出問題のほぼすべてに対応できます。テクノロジ系を網羅的に演習したい方はテクノロジ系まとめを、本番形式の練習には模擬試験をご活用ください。