---
title: "G検定 概念系 最終チートシート"
description: "G検定の概念問題を、探索・推論や知識表現を扱う古典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を使う深層学習の全体マップで整理します。AI三大ブームの主役と限界、教師あり・教師なし・強化学習、ルールベースと学習モデルの境界を対応させ、設問がどの枠組みを説明しているか判定します。"
canonical_url: "https://stemtazoo.github.io/gk/concepts-final-cheatsheet/"
section: "gk"
---

## まず結論（ここだけ見ればOK）

**G検定の概念問題は「どの枠組みの話か」を見抜けば解ける。**

* ルール・探索・推論 → **古典AI**
* 専門家の知識 → **エキスパートシステム**
* データから学ぶ → **機械学習**
* 多層NN・大量データ → **深層学習**

---

## AIの全体マップ（超重要）

```
AI
├─ 古典AI
│  ├─ 探索
│  ├─ 推論
│  └─ 知識表現
│
└─ 機械学習
   ├─ 教師あり・なし
   └─ 深層学習
```

👉 **まずこの位置関係を思い出す**

---

## AI三大ブーム 即判定

| ブーム | 主役     | 一言で    |
| --- | ------ | ------ |
| 第一次 | 探索・推論  | 考え方を実装 |
| 第二次 | エキスパート | 知識を記述  |
| 第三次 | 深層学習   | データで学習 |

---

## 古典AIゾーン（頻出）

### キーワード

* 探索（DFS / BFS / A*）
* 推論（前向き・後ろ向き）
* 知識表現（フレーム・意味ネット・論理）

👉 **人がルールを書く**

---

## 機械学習ゾーン（頻出）

### キーワード

* 特徴量
* 学習データ
* 汎化性能

👉 **データからパターンを学ぶ**

---

## 深層学習ゾーン（頻出）

### キーワード

* 多層ニューラルネット
* CNN / RNN / Transformer
* 活性化関数（ReLU系）

👉 **特徴抽出も自動**

---

## よくある混同ワード整理

| 誤解しやすい        | 正しい切り分け  |
| ------------- | -------- |
| 探索 = 機械学習     | 探索は古典AI  |
| 意味ネット = NN    | 別物       |
| 第二次AIブーム = DL | 第三次      |
| ルール = 学習      | ルールは人が書く |

---

## 判断フレーズ（試験用）

* 「IF-THEN」→ 古典AI
* 「大量データ」→ 機械学習
* 「多層・CNN」→ 深層学習
* 「専門家の知識」→ 第二次AIブーム

---

## まとめ（試験直前用）

* まず **枠組み** を見る
* ルールか？データか？
* 時代（AIブーム）で整理

👉 迷ったら

> **人が考えたら古典AI / データに任せたら機械学習**