AI・机器学习基础｜IT护照考试高频关键词整理

AI、机器学习、深度学习的关系

AI（人工智能）是泛指模仿人类智能技术的广泛概念。机器学习是从数据中自动学习规律的方法，而深度学习则是其中使用多层神经网络的特殊方法。三者呈包含关系，按AI ⊃ 机器学习 ⊃ 深度的顺序层级逐渐缩小。

机器学习的3种分类

监督学习

监督学习是使用输入数据和正确答案标签对进行学习的方法。典型例子包括图像分类、垃圾邮件判定、价格预测等。主要方法包括进行数值预测的回归和判定类别的分类。

无监督学习

无监督学习不使用正确答案标签，而是发现数据的结构。聚类和降维是典型代表，应用于客户细分和异常检测等场景。

强化学习

强化学习是通过反复试错来学习最大化奖励行为的方法。典型例子包括围棋AI的AlphaGo、机器人控制以及游戏AI。

生成式AI与LLM

生成式AI（Generative AI）是能够生成文本、图像、音频等新内容的AI总称。LLM（大语言模型）是在大量文本上训练的语言模型，ChatGPT、Claude、Gemini是众所周知的代表。考试中常涉及提示词、幻觉（错误信息生成）、微调等术语。

IT护照考试的出题要点

在令和7年度（2025年）的历年真题中，AI相关问题出现了 7 道，属于高频领域。考试中不仅会考查监督学习、无监督学习、强化学习这三种分类的术语识别，生成式AI的注意事项（著作权、机密信息、幻觉）也很重要。

历年真题的典型模式

• “以下哪项最适合作为监督学习的例子”型
• “以下哪项是使用生成式AI时的适当注意事项”型

相关术语

• IoT（IoT 是什么）：AI分析数据的收集来源
• DX推进的核心技术（DX 是什么）

学习技巧

学习技巧方面，首先重要的是理解AI ⊃ ML ⊃ DL的包含关系。学习方式可以根据是否有正确答案标签、是否以奖励驱动这两个轴进行分类。此外，生成式AI的风险（幻觉、著作权、信息泄露）建议成套记忆。

总结

掌握包含关系、三种分类以及生成式AI的风险，就能应对几乎所有高频问题。希望系统练习技术类的考生请参考技术类汇总，进行实战练习请使用模拟考试。