情報処理試験を勉強していると、「AI（人工知能）」「機械学習」「ディープラーニング」という用語が頻繁に登場します。
この記事では、AIの全体像を整理し、試験で問われるポイントに絞って解説します。
対象試験と出題頻度
AI（人工知能）は、ITパスポート・情報セキュリティマネジメント・基本情報技術者・応用情報技術者のすべてで出題されるテーマです。
特にITパスポートではシラバスVer.5.0以降、AI関連の出題が急増しています。機械学習の分類（教師あり・教師なし・強化学習）やディープラーニングの基本概念を正確に区別できるかが問われます。
詳細をクリックして確認
ITパスポート
情報セキュリティマネジメント
基本情報技術者
応用情報技術者
★★★★★
ランクS（超重要）絶対に覚える必要あり
用語の定義
AI（Artificial Intelligence：人工知能）とは、一言で言うと
「人間の知的活動（認識・判断・推論・学習など）をコンピュータで再現する技術の総称」
です。
イメージとしては、「超優秀な新人社員の育成プロセス」です。
新入社員は最初何も知りません。大量の業務マニュアル（データ）を読み込ませ、先輩の判断パターン（ルール）を繰り返し教えることで、やがて自分で判断できるようになります。
AIも同じで、データとルールを与えて「考える力」を育てる仕組みです。
📊 AI（人工知能）の基本情報
| 項目 | 内容 |
|---|---|
| 英語名 | Artificial Intelligence |
| 略称 | AI |
| IPA試験での分類 | テクノロジ系 ＞ 基礎理論 ＞ AI |
| 主な下位概念 | 機械学習、ディープラーニング、自然言語処理、エキスパートシステムなど |
| 関連キーワード | ニューラルネットワーク、教師あり学習、教師なし学習、強化学習、過学習、生成AI |
解説
AIの全体像 ― 3つの層構造で理解する
AIという言葉は非常に広い概念です。試験対策で押さえるべきは、AI・機械学習・ディープラーニングの3つが「入れ子構造（包含関係）」になっているという点です。
AI（人工知能）
人間の知的活動を再現する技術全般
機械学習（Machine Learning）
データからパターンを自動で学習する手法
ディープラーニング（Deep Learning）
ニューラルネットワークを多層化し、複雑なパターンを自動抽出する手法
▲ AI ⊃ 機械学習 ⊃ ディープラーニング という包含関係
AIが最も広い概念で、その中に機械学習があり、さらにその中にディープラーニングがある、という構造です。ここだけは確実に押さえてください。
機械学習の3分類
機械学習はデータの与え方によって3種類に分かれます。この分類は全試験区分で繰り返し出題されています。
| 分類 | データの与え方 | 具体例 |
|---|---|---|
| 教師あり学習 | 正解ラベル付きのデータを与える | 迷惑メール判定（「迷惑」「正常」のラベル付き）、画像分類、回帰分析 |
| 教師なし学習 | 正解ラベルなしのデータを与える | クラスタリング（類似データのグループ化）、次元削減 |
| 強化学習 | 行動に対する報酬を与える | 囲碁・将棋AI、自動運転の経路最適化 |
詳細解説：機械学習の3分類をもう少し深く知りたい方向け
教師あり学習は、入力データに対して「こう答えるのが正解」というラベルを付けたデータセットで学習させます。テスト勉強に例えると、問題集に赤字で正解が書いてある状態です。代表的なアルゴリズムとして、分類には「SVM（サポートベクターマシン）」「決定木」、数値予測には「線形回帰」があります。
教師なし学習は、正解ラベルがないデータから構造やパターンを見つけ出します。テスト勉強に例えると、正解がない問題を大量に渡されて「似た問題を自分でグループ分けしてみて」と言われるイメージです。代表的な手法がクラスタリングで、AP R1秋 午前問4で出題されています。
強化学習は、正解を直接教えずに「良い行動をしたら報酬（得点）を与える」方式です。ゲームAIが自己対戦を繰り返して強くなる仕組みがこれに該当します。
ディープラーニングとニューラルネットワーク
ディープラーニング（深層学習）は、人間の脳神経回路を数学的にモデル化した「ニューラルネットワーク」を多層に積み重ねた構造を使います。
層を深くすることで、画像・音声・テキストなどから複雑な特徴を自動的に抽出できるようになりました。
ニューラルネットワークの層構造イメージ
▲ 各層のノードは次の層の全ノードと接続される（全結合）。隠れ層が2層以上あるものをディープ（深い）と呼ぶ
AI関連の重要キーワード一覧
試験では個別のキーワードの意味を選ばせる問題が頻出です。以下の用語は概要だけ押さえておけば得点源になります。
| キーワード | 概要 |
|---|---|
| ニューラルネットワーク | 脳神経回路の仕組みをコンピュータ上で模した数学モデル |
| 過学習（オーバーフィッティング） | 訓練データには高精度だが、未知データへの精度が低下する状態 |
| 転移学習 | ある領域で学習済みのモデルを別の領域に再利用する手法 |
| 誤差逆伝播法 | 出力と正解の誤差を出力側から入力側へ逆方向に伝え、重みを調整する学習アルゴリズム |
| エキスパートシステム | 専門家の知識をルール化し、推論エンジンで回答を導く仕組み |
| 自然言語処理（NLP） | 人間が使う言語（日本語・英語など）をコンピュータに理解・生成させる技術 |
| 生成AI | プロンプト（指示文）に応じて文章・画像・音声などを新たに作り出すAI技術 |
| ハルシネーション | 生成AIがもっともらしいが事実と異なる内容を出力する現象 |
では、これらの知識が試験でどのように問われるか見ていきましょう。
💡 AIの核心を3行で
・AI ⊃ 機械学習 ⊃ ディープラーニング の包含関係を押さえる
・機械学習は「教師あり」「教師なし」「強化学習」の3分類
・ディープラーニングはニューラルネットワークの多層化で実現される
試験ではこう出る！
AI関連の出題は年々増加しており、全試験区分で頻出です。出題パターンは大きく3つに分かれます。
📊 過去問での出題実績
| 試験回 | 出題内容 | 問われたポイント |
|---|---|---|
| IP R3 問3 |
人間の脳神経の仕組みをモデルにしたものを選ぶ問題 | 正解は「ニューラルネットワーク」。ソーシャルネットワーク・ブレーンストーミングがひっかけ |
| IP R6 問95 |
ディープラーニングに用いられる技術を選ぶ問題 | 正解は「ニューラルネットワーク」。フォールトトレラント・フィージビリティスタディがひっかけ |
| FE H30春 問3 |
ディープラーニングの特徴を選ぶ問題 | 正解は「脳神経回路を模倣し、ニューラルネットワークで認識を実現」。エキスパートシステムの説明がひっかけ |
| AP R1秋 午前 問4 |
教師なし学習で用いられる手法を選ぶ問題 | 正解は「クラスタリング」。回帰分析（教師あり）やモンテカルロ法（機械学習ではない）がひっかけ |
| AP R4秋 午前 問4 |
過学習の説明を選ぶ問題 | 正解は「訓練データに高精度だが未知データに精度が下がる」。転移学習・誤差逆伝播法・強化学習の説明がひっかけ |
📝 IPA試験での出題パターン
パターン1：「用語の意味を選べ」
ニューラルネットワーク・ディープラーニング・エキスパートシステムなどの説明文を4択で並べ、正しいものを選ぶ形式。IP・FEで最頻出。
パターン2：「学習手法の分類を選べ」
教師あり・教師なし・強化学習の具体例を挙げ、どの分類に該当するかを問う形式。「クラスタリング＝教師なし」「回帰分析＝教師あり」の対応が頻出。
パターン3：「概念の説明を選べ」
過学習・転移学習・誤差逆伝播法・強化学習の説明文を並べ、特定の概念に該当するものを選ぶ形式。AP午前で定番化している。
試験ではここまででOKです。ニューラルネットワークの数学的な計算（活性化関数や重みの更新式）まで問われることは午前試験ではないので、深追いは不要です。
【確認テスト】理解度チェック
ここまでの内容を理解できたか、簡単なクイズで確認してみましょう。
Q. AIにおけるディープラーニングの説明として、最も適切なものはどれでしょうか？
- A. 専門家の知識をルール化し、「AならばB」という推論規則に基づいて解を導く仕組みである。
- B. 人間の脳神経回路を模したニューラルネットワークを多層化し、データから複雑な特徴を自動的に学習する手法である。
- C. 正解ラベルを付けずにデータを与え、類似度に基づいてグループ分けを行う教師なし学習の手法である。
正解と解説を見る
正解：B
解説：
ディープラーニングは、ニューラルネットワークの隠れ層を多層化することで、画像・音声・テキストなどから複雑なパターンを自動抽出できる機械学習の手法です。FE H30春 問3でも同様の内容が出題されています。
選択肢Aはエキスパートシステムの説明です。エキスパートシステムはルールベースの推論を行う旧来のAI技術であり、データから自動学習する仕組みではありません。選択肢Cはクラスタリング（教師なし学習の代表的手法）の説明です。クラスタリングは機械学習の一手法ですが、多層ニューラルネットワークによる特徴抽出とは異なります。
よくある質問（FAQ）
Q. 「AI」と「生成AI」は何が違いますか？
AIは人間の知的活動を再現する技術全般を指す広い概念です。一方、生成AIはそのAI技術の一形態で、プロンプト（指示文）に応じて文章・画像・音声・コードなどの新しいコンテンツを自動生成することに特化しています。IPAのITパスポート試験では令和7年度公開問題で「ハルシネーション（生成AIが事実と異なる内容を出力する現象）」が出題されるなど、生成AI関連の出題が増加傾向にあります。
Q. エキスパートシステムと機械学習はどう違いますか？
エキスパートシステムは、人間の専門家が持つ知識を「もしAならばB」というルール形式であらかじめ定義し、推論エンジンで回答を導く仕組みです。知識は人間が手作業で入力します。一方、機械学習はデータを大量に与えることで、コンピュータ自身がパターンやルールを発見する仕組みです。エキスパートシステムは1980年代の「第二次AIブーム」の代表技術で、IPA試験ではディープラーニングのひっかけ選択肢として登場する点に注意してください。
Q. シンギュラリティ（技術的特異点）は試験に出ますか？
シンギュラリティとは、AIが人間の知能を超え、技術が爆発的に進歩する転換点を指す概念です。ITパスポートのシラバスには「AI利活用における留意事項」としてシンギュラリティが記載されています。深い理論は問われませんが、「シンギュラリティ＝AIが人間を超える転換点」という一文レベルの理解で十分です。
Q. 実務ではAIはどのような場面で使われていますか？
実務でのAI活用は、画像認識（製造ラインの不良品検知）、自然言語処理（チャットボット、翻訳）、需要予測（小売・物流の在庫最適化）、レコメンド（ECサイトの商品提案）など多岐にわたります。試験では「AI活用事例」として、HRTech（人事へのAI活用）やRPA（業務自動化ロボット）との組み合わせが出題されることもあります。
