公式に公開されている例題・過去問
JDLAの公式サイトの「G検定の例題・過去問」のページには、シラバスの大項目ごとに例題が掲載されています。2026年11月18日に確認した時点では20問で、その多くに「G検定2024#4に出題された過去問題」のように、実際に出題された回が書かれています。正解も同じページに載っています。
JDLAは、過去の試験を1回分まとめた問題は公開していません。本番は145問程度なので、例題だけでは練習の量が足りません。
このページの問題は、JDLAの例題や過去問題、市販の問題集を転載したり言い換えたりしたものではありません。シラバス2024に沿って当サイトが作成したオリジナル問題です。
例題と過去問の使い方
まず例題を解いて、問われ方に慣れます。G検定では「最も適切な選択肢」を選ぶ問題のほかに、「最も不適切な選択肢」を選ぶ問題や、用語の組み合わせを選ぶ問題も出ます。
間違えた問題は、正解の用語だけでなく、ほかの選択肢の用語が何を指すかまで確かめます。選択肢に並ぶ用語はシラバスのキーワードであることが多く、一問で複数の用語を復習できます。
145問100分の時間配分
オンライン試験は145問程度を100分で解くので、1問あたりの平均は約41秒です。わからない問題は印を付けて先に進み、最後に見直す練習をしておきましょう。分野別の練習で弱点を埋めたら、模擬試験で時間配分を確かめます。
20問
知識表現とエキスパートシステム
1970年代にスタンフォード大学で開発され、血液中の細菌感染症を診断して適した抗生物質を提案したエキスパートシステムとして、最も適切なものを1つ選べ。
- DENDRAL
- イライザ(ELIZA)
- SHRDLU
- マイシン(MYCIN)
正解: d
MYCINは約500のルールを使い、感染症の専門医に近い精度で診断したとされる。専門家の知識をルールにして推論するエキスパートシステムの代表例である。 誤りの選択肢 a:DENDRALは質量分析のデータから有機化合物の構造を推定するシステムである。 b:ELIZAは心理療法士をまねて応答する会話プログラムで、診断は行わない。 c:SHRDLUは積み木の世界で自然言語の指示を理解するシステムである。
機械学習
機械学習で、特徴量の数(次元)が増えるにつれて、同じ精度を得るために必要なデータの量が急激に増えてしまう問題を何と呼ぶか。最も適切なものを1つ選べ。
- 知識獲得のボトルネック
- 次元の呪い
- 勾配消失問題
- 過学習
正解: b
次元が増えるとデータの存在しうる空間が指数的に広がり、データがまばらになる。これを次元の呪いといい、特徴量の選択や次元削減で対処する。 誤りの選択肢 a:専門家の知識をルールとして書き出す手間の大きさを指す用語である。 c:ニューラルネットワークで誤差が前の層に伝わりにくくなる問題である。 d:訓練データに合わせすぎて未知のデータで精度が下がる現象で、次元とデータ量の関係を指す用語ではない。
ディープラーニング
1980年ごろに福島邦彦が発表した、視覚野の神経細胞の働きをまねたS細胞とC細胞の層を重ねたモデルで、畳み込みニューラルネットワークの原型とされるものはどれか。最も適切なものを1つ選べ。
- LeNet
- パーセプトロン
- ネオコグニトロン
- AlexNet
正解: c
ネオコグニトロンは、特徴を取り出すS細胞の層と位置のずれを吸収するC細胞の層を交互に重ねたモデルで、畳み込み層とプーリング層を持つCNNの原型とされる。 誤りの選択肢 a:LeNetはヤン・ルカンらが手書き数字の認識のために開発したモデルで、福島邦彦のモデルではない。 b:パーセプトロンはフランク・ローゼンブラットが提案した、層の少ない初期のニューラルネットワークである。 d:AlexNetは2012年のILSVRCで優勝したモデルである。
教師なし学習
k-means法の手順として、最も適切なものを1つ選べ。
- kを決め、近い中心への割り当てと中心の再計算をくり返す
- 最も近いデータどうしを順に併合して、すべてが一つになるまで樹形図を作る
- データの分散が最大になる方向に新しい軸を取り、次元を減らす
- 正解のラベルとの誤差が小さくなるように、重みを更新していく
正解: a
k-means法は、クラスタの数kをあらかじめ決め、データの割り当てとクラスタの中心(重心)の更新を、結果が変わらなくなるまでくり返す。 誤りの選択肢 b:これは階層的クラスタリング(ウォード法など)の手順である。 c:これは主成分分析の手順である。 d:正解のラベルを使うのは教師あり学習で、k-means法は教師なし学習である。
強化学習
強化学習の説明として、最も適切なものを1つ選べ。
- 行動して得る報酬の合計が大きくなる行動のとり方を学ぶ
- 入力と正解のペアを大量に与えて、正解を予測する関数を学ぶ
- 正解を使わずに、データの中の似たものどうしをまとめる
- 専門家が書いたルールにしたがって、最適な行動を決める
正解: a
強化学習では、エージェントが状態を観測して行動を選び、環境から報酬を受け取る。目先の報酬だけでなく、将来にわたる報酬の合計が大きくなる方策を学習する。 誤りの選択肢 b:これは教師あり学習の説明である。 c:これは教師なし学習のクラスタリングの説明である。 d:ルールにもとづく判断はエキスパートシステムなどの考え方で、学習ではない。
モデルの選択・評価
病気の陽性と陰性を判定するモデルを100人で評価したところ、真陽性40人、偽陽性10人、偽陰性20人、真陰性30人だった。適合率(precision)はいくつか。最も適切なものを1つ選べ。
- 0.4
- 0.667
- 0.7
- 0.8
正解: d
適合率は、陽性と予測したもののうち実際に陽性だった割合で、40÷(40+10)=0.8になる。誤って陽性とする判定を減らしたいときに重視する。 誤りの選択肢 a:真陽性を全体の100人で割っている。 b:再現率(真陽性を、真陽性と偽陰性の合計で割った値)を計算している。 c:正解率(真陽性と真陰性の合計を全体で割った値)を計算している。
AIに必要な数理・統計知識
6人の小テストの点数が2、3、3、5、7、10点だった。中央値はいくつか。最も適切なものを1つ選べ。
- 3
- 4
- 5
- 8
正解: b
データの数が偶数のときは、小さい順に並べて中央にある2つの値の平均を中央値とする。3と5の平均で4になる。 誤りの選択肢 a:最も多く出てくる値(最頻値)を答えている。 c:平均値(30÷6)を答えている。 d:最大値と最小値の差(範囲)である。
回帰結合層
リカレントニューラルネットワーク(RNN)が向いているデータとして、最も適切なものを1つ選べ。
- 文章や音声のように、順序に意味がある時系列データ
- 順序に意味のない、行ごとに独立した表形式のデータ
- 1枚の静止画像の分類だけに使うデータ
- 正解のラベルのない画像のグループ分け
正解: a
RNNは前の時刻の隠れ層の状態を次の時刻に伝える回帰結合を持ち、順序のあるデータの前後関係を扱える。 誤りの選択肢 b:順序の情報が必要ないデータでは、RNNの特徴を生かせない。 c:静止画像の分類にはCNNがよく使われる。 d:ラベルのないデータのグループ分けはクラスタリングの問題である。
Attention
Self-Attentionの説明として、最も適切なものを1つ選べ。
- 入力の系列と出力の系列の間で、要素どうしの対応を計算する
- 前の時刻の隠れ層の状態だけを次の時刻に伝える
- 画像の一部の領域にフィルタを当てて特徴を取り出す
- 同じ系列の中で、各要素とほかの要素の関係を計算する
正解: d
Self-Attentionでは、系列の各要素からクエリ、キー、バリューを作り、クエリとキーの類似度で重みを決めてバリューを足し合わせる。離れた位置の関係も直接とらえられる。 誤りの選択肢 a:これはSource-Target Attentionの説明である。 b:これはRNNの回帰結合の説明である。 c:これは畳み込みの説明である。
オートエンコーダ
オートエンコーダの説明として、最も適切なものを1つ選べ。
- 入力を圧縮した後に、元の入力を復元するように学習する
- 入力と異なる正解のラベルを予測するように学習する
- 2つのネットワークを競わせて、本物に似たデータを生成する
- 報酬が最大になるように行動を学ぶ
正解: a
オートエンコーダはエンコーダで入力を少ない次元に圧縮し、デコーダで元に戻すように学習する。中間の表現は次元削減や特徴の抽出に使える。 誤りの選択肢 b:オートエンコーダは入力そのものを正解として、復元するように学習する。 c:これは敵対的生成ネットワーク(GAN)の説明である。 d:これは強化学習の説明である。
データ拡張
犬の画像と猫の画像を0.7対0.3の割合で重ね合わせ、ラベルも「犬0.7、猫0.3」とする手法として、最も適切なものを1つ選べ。
- Cutout
- Mixup
- Rotate
- Brightness
正解: b
Mixupは2枚の画像の画素の値を同じ割合で足し合わせ、ラベルも同じ割合で混ぜる。CutMixは一部を切り貼りし、貼った面積の割合でラベルを混ぜる。 誤りの選択肢 a:画像の一部の領域を塗りつぶす手法で、2枚の画像を混ぜるものではない。 c:画像を回転させる手法である。 d:画像の明るさを変える手法である。
モデルの解釈性
SHAPの説明として、最も適切なものを1つ選べ。
- 画像の勾配を使って、注目した領域をヒートマップで示す
- ゲーム理論のシャープレイ値で、各特徴量の予測への寄与を表す
- 予測したいデータの周辺だけで、線形モデルなどの単純なモデルを作る
- モデルの重みを削って、モデルを小さくする
正解: b
SHAPは、ある特徴量があるときとないときの予測の差を、特徴量のあらゆる組み合わせで平均してシャープレイ値として求め、各特徴量の寄与を公平に配分する。 誤りの選択肢 a:これはGrad-CAMの説明である。 c:これはLIMEの説明である。 d:これはプルーニングの説明である。
モデルの軽量化
32ビットの浮動小数点数で表された重みを、8ビットの整数で表すように変えた。重みのデータの大きさは、ほかの条件が同じならおよそ何分の1になるか。最も適切なものを1つ選べ。
- 32分の1
- 8分の1
- 4分の1
- 2分の1
正解: c
1つの重みに使うビット数が32から8になるので、データの大きさは8÷32=4分の1になる。精度の低下を抑えながら、メモリの量と計算を減らせる。 誤りの選択肢 a:32ビットを1ビットにした場合の比率である。 b:32ビットを4ビットにした場合の比率である。 d:32ビットを16ビットにした場合の比率である。
AIプロジェクトの進め方
本格的な開発の前に、AIの技術で課題を解決できる見込みがあるかを、限られたデータと期間で確かめる取り組みとして、最も適切なものを1つ選べ。
- MLOps
- BPR
- PoC(概念実証)
- 保守契約
正解: c
PoC(Proof of Concept)では、目標の精度が出る見込みや、業務に組み込めるかを小さく試して確かめる。PoCで終わらず実際の導入につなげるには、評価の基準を事前に決めておくことが大切である。 誤りの選択肢 a:モデルの開発から運用までを継続的に回すための仕組みや考え方である。 b:業務の流れを根本から見直して作り直す取り組みである。 d:運用中のシステムの保守についての契約である。
データの収集・加工・分析・学習
公開されているオープンデータセットを自社の商用のサービスの開発に使うときに、最初に確認すべきこととして、最も適切なものを1つ選べ。
- データの件数が自社のデータより多いか
- 規約やライセンスで商用の利用が認められているか
- データを公開した組織の所在地が日本国内にあるかどうか
- ほかの会社がすでに使っているか
正解: b
オープンデータセットでも、研究目的に限る、商用の利用を禁じる、出典の表示を求めるなどの条件が付いていることがある。利用規約とライセンスを確認してから使う。 誤りの選択肢 a:件数より先に、そもそも商用で使ってよいかを確認する必要がある。 c:所在地にかかわらず、利用の条件は規約やライセンスで確認する。 d:ほかの会社が使っていても、自社の利用が認められているとは限らない。
AI開発委託契約
AIの開発を外部に委託するとき、成果が出るか事前にわからない検証の段階で多く使われる契約の形として、最も適切なものを1つ選べ。
- 仕事の完成を約束する請負契約
- 業務の遂行を約束する準委任契約
- 製品の所有権を移す売買契約
- 建物などを貸す賃貸借契約
正解: b
準委任契約は、専門家として注意を尽くして業務を行うことを約束する契約で、仕事の完成までは約束しない。学習してみるまで結果がわからないAIの開発では、特に検証の段階で多く使われる。 誤りの選択肢 a:精度などの結果を事前に約束しにくい段階では、完成を約束する請負契約は合いにくい。 c:開発の作業の委託は、完成した物の売買とは性質が異なる。 d:物を貸す契約で、開発の作業の委託ではない。
AIサービス提供契約
SaaS型のAIサービスを使う会社が、契約の前に利用規約で確認すべきこととして、最も適切なものを1つ選べ。
- サービスの画面の色やレイアウトを自由に変えられるかどうか
- 提供者の社員の人数
- 入力データを提供者が学習などに使うかどうか
- 提供者の本社の建物の大きさ
正解: c
SaaS型のサービスでは、提供者が利用者のデータを使えるかどうか(データの利用権)が利用規約で定められていることが多い。機密情報や個人データを入力する前に、その扱いを確認する。 誤りの選択肢 a:画面の色は契約上の重要な確認事項ではない。 b:社員の人数は、データの扱いの確認より優先されるものではない。 d:建物の大きさは契約の内容とは関係がない。
労働政策
AIが雇用に与える影響についての考え方として、最も適切なものを1つ選べ。
- 一部の作業が置き換わり、人はAIと協働することが多い
- AIが導入されると、すべての職業が直ちになくなる
- AIは人の作業には一切影響しない
- AIと協働するために、新しい技能を学ぶ必要はない
正解: a
AIの導入では、職業そのものより作業の単位で自動化が進むことが多い。人とAIが役割を分担して協働するとともに、新しい技能を身に付ける学び直しの支援が重要になる。 誤りの選択肢 b:多くの場合、職業全体ではなく一部の作業が自動化される。 c:定型の作業を中心に、人の作業の内容は変わりうる。 d:新しい役割に合わせた学び直し(リスキリング)が求められる。
その他の重要な価値
人が関与せずに標的を選んで攻撃する兵器について、国際的に議論されている論点として、最も適切なものを1つ選べ。
- 軍事の分野ではAIは一切使われていないという点
- AIを使えば誤りがまったくなくなるという点
- 自律型致死兵器への人の関与の在り方
- 兵器の開発には倫理の議論は不要だという点
正解: c
人の判断を介さずに攻撃する自律型致死兵器システム(LAWS)については、特定通常兵器使用禁止制限条約(CCW)の枠組みなどで、規制と人の関与の在り方が国際的に議論されている。 誤りの選択肢 a:軍事の分野でもAIの利用は進んでおり、その規律が議論されている。 b:兵器の判断の誤りの責任や人の関与が論点になっている。 d:生命に関わるため、倫理の議論は特に重要とされている。
AIガバナンス
AIの倫理アセスメントの進め方として、最も適切なものを1つ選べ。
- 問題が起きた後に、一度だけ実施する
- 開発の担当者だけで、外部の意見は聞かずに行う
- 各段階でリスクを洗い出し、対応を検討する
- 法律に違反していなければ、実施する必要はない
正解: c
倫理アセスメントでは、AIの用途や影響を踏まえ、公平性、プライバシー、安全性などのリスクを段階ごとに評価する。結果にもとづいて、設計の変更や運用の制限などの対応を決める。 誤りの選択肢 a:問題が起きる前から、ライフサイクルを通じて継続的に行う。 b:多様な関係者の視点を取り入れることが重要である。 d:法律を守ることに加えて、倫理上のリスクを評価することが求められる。
よくある質問
- G検定は過去問だけで合格できますか?
- 公式に公開されている例題は2026年11月18日の時点で20問で、本番の145問程度には足りません。シラバスの用語を理解し、初めて見る問題でも考え方で答えられるようにしておくことが大切です。
一般社団法人日本ディープラーニング協会(JDLA)とは関係のない独自の練習です。問題はすべて当サイトのオリジナルで、JDLAの例題や過去問題ではありません。