最終更新日：2026年8月27日
gk cheatsheet
G検定トップ
＞ G検定 概念系チートシート｜古典AI・機械学習・深層学習を切り分ける
まず結論
G検定の概念問題では、まず「何を使って知的な処理を実現しているか」を見ます。
| 手掛かり | 判断する枠組み |
|---|---|
| 探索・推論・知識・ルール | 古典AI |
| 学習データから規則を獲得 | 機械学習 |
| 多層ニューラルネットワーク | 深層学習 |
このページは技術の位置関係を確認する全体マップです。第一次〜第三次AIブームの年代・主役・限界を詳しく確認したい場合は、AI三大ブームまとめを使います。
直感的な全体像
大きな違いは、人がルールや知識を与えるのか、データから学ばせるのかです。
人工知能（AI）
├─ 探索・推論・知識表現など
│ └─ 古典AIとして整理しやすい領域
│
└─ 機械学習
├─ 教師あり学習
├─ 教師なし学習
├─ 強化学習
└─ 深層学習
└─ 多層ニューラルネットワークを利用
深層学習は機械学習の一部であり、機械学習と並列の別分野ではありません。
枠組みごとの役割
古典AI
代表的な手掛かりは、探索・推論・知識表現・ルールです。
- 幅優先探索・深さ優先探索・A*などの探索
- 前向き推論・後ろ向き推論
- フレーム・意味ネットワークなどの知識表現
- IF-THENルールを使うエキスパートシステム
「人が明示した知識・規則を使う」という説明なら、まずこちらを疑います。
機械学習
データから予測や分類に役立つ規則・パターンを学習する枠組みです。
- 教師あり学習：正解ラベルを使う
- 教師なし学習：正解ラベルを使わず構造を探す
- 強化学習：行動を報酬で評価する
教師あり・教師なし・強化学習の詳しい比較は、3つの学習方法の比較で確認できます。
深層学習
機械学習の中でも、多層ニューラルネットワークを使う手法群です。
CNN・RNN・Transformerなどが代表例ですが、「大量データを使う」だけで深層学習と決めるのではなく、多層ニューラルネットワークを使うかを見る方が安全です。
切り分け早見表
| 選択肢の表現 | まず連想するもの |
|---|---|
| 状態空間を探索する | 探索・古典AI |
| 専門家の知識をIF-THENで記述 | エキスパートシステム |
| データから分類境界を学ぶ | 機械学習 |
| 正解ラベルから入出力関係を学ぶ | 教師あり学習 |
| 報酬を最大化する行動を学ぶ | 強化学習 |
| 多層NNで特徴表現も学ぶ | 深層学習 |
G検定ひっかけポイント
- ❌「探索は機械学習の一種」
- 探索そのものは、データからモデルを学習する手法とは別です。
- ❌「意味ネットワークはニューラルネットワーク」
- 意味ネットワークは知識表現です。
- ❌「機械学習と深層学習は並列の別分野」
- 深層学習は機械学習に含まれます。
- ❌「大量データを使えば深層学習」
- 判断軸はデータ量だけではなく、多層ニューラルネットワークを使うかです。
- ❌「IF-THENが出たら必ず機械学習」
- 人が記述したルールなら、ルールベース・エキスパートシステムを疑います。
年代やAIブームを問う選択肢は、このページで無理に判断せず、AI三大ブームまとめの探索 → 知識 → 学習で切り分けます。
まとめ（試験直前用）
- 探索・推論・ルール → 古典AI
- データから規則を学ぶ → 機械学習
- 多層ニューラルネットワーク → 深層学習
- 深層学習は機械学習の一部
- 年代・ブーム問題はAI三大ブームまとめへ