---
title: "G検定 ひっかけ問題集（考え方付き）"
description: "G検定で混同しやすいAI三大ブーム、古典AIと機械学習、ReLU系活性化関数、LSTM、エッジAIを問題形式で横断します。年代だけでなく各ブームの主役、ルールを人が与えるかデータから学ぶか、負入力・記憶セル・処理場所などのキーワードから、もっともらしい誤答を外す思考手順を確認できます。"
canonical_url: "https://stemtazoo.github.io/gk/trick-questions-1/"
section: "gk"
---

## まず結論

**G検定は「知っているか」より「引っかけを回避できるか」で差がつく。**

このページでは、

* よくある誤答
* なぜ引っかかるか
* 試験中の切り方

を **思考プロセスごと** まとめます。

---

## ひっかけ① AIブーム

### 問題例

> 第二次AIブームの中心技術はどれか。

### よくある誤答

* ディープラーニング

### 正解

* **エキスパートシステム**

### なぜ引っかかる？

* 「AI＝深層学習」という現代バイアス

### 切り方

> **1980年代・ルール・専門家 → 第二次AIブーム**

---

## ひっかけ② 古典AI vs 機械学習

### 問題例

> 専門家の知識をIF-THENルールとして記述し、
> 推論によって結論を導くAIはどれか。

### よくある誤答

* 機械学習

### 正解

* **古典AI（エキスパートシステム）**

### なぜ引っかかる？

* 「AI＝学習するもの」という思い込み

### 切り方

> **人がルールを書く → 古典AI**

---

## ひっかけ③ 活性化関数（ReLU系）

### 問題例

> Leaky ReLUの説明として正しいものはどれか。

### よくある誤答

* 入力が負の場合、出力は0になる

### 正解

* **入力が負でも小さな負の値を出力する**

### なぜ引っかかる？

* ReLUの性質をそのまま当てはめてしまう

### 切り方

> **Leaky = 漏れる → 0にならない**

---

## ひっかけ④ LSTM

### 問題例

> LSTMブロックを構成する記憶素子はどれか。

### よくある誤答

* BPTT

### 正解

* **CEC（Constant Error Carousel）**

### なぜ引っかかる？

* 学習アルゴリズムと構造を混同

### 切り方

> **構造を聞かれたらCEC**

---

## ひっかけ⑤ エッジAI

### 問題例

> エッジAIが特に適している応用はどれか。

### よくある誤答

* 音声認識

### 正解

* **自動運転**

### なぜ引っかかる？

* 「リアルタイム＝すべてエッジ」と考えてしまう

### 切り方

> **遅れたら危険 → エッジAI**

---

## 試験中の思考テンプレート

1. 今どの枠組みの話？（古典AI / 機械学習 / 深層学習）
2. ルールか？ データか？
3. 構造を聞いている？ 学習法を聞いている？

---

## まとめ（試験直前用）

* 引っかけは **思い込み** を狙ってくる
* 現代AIバイアスに注意
* 1問ごとに「切り方」を思い出す

👉 迷ったら

> **何を聞いているかを言い換える**