第1章：人工知能の歴史と動向（約150語）
AIの歴史は「ブーム」と「冬の時代」の繰り返しです。誰が、いつ、何を提唱したかを正確に押さえましょう。
【再重要・解説】
ダートマス会議 (1956)：ジョン・マッカーシーらが開催。「人工知能（Artificial Intelligence）」という言葉が誕生した。
チューリングテスト：アラン・チューリング提唱。機械に知能があるかを判定するテスト。
中国語の部屋：ジョン・サール提唱。「記号操作をしているだけで、意味は理解していない」とする強いAIへの反論。
シンギュラリティ（技術的特異点）：レイ・カーツワイル提唱。AIが人間の知能を超え、技術進歩が無限大になる時点（2045年問題）。
エキスパートシステム：第2次AIブームの主役。知識ベースと推論エンジンで構成される。
フレーム問題：無限の可能性から関係ある事柄だけを選び出すことの困難さ。
シンボルグラウンディング問題：記号（言葉）と実体（意味）が結びついていない問題。
モラベックのパラドックス：高度な推論よりも、幼児レベルの知覚や運動の方がAIには難しいという逆説。
【網羅用キーワードリスト】
人物・組織 アラン・チューリング / ジョン・マッカーシー / マービン・ミンスキー / ハーバート・サイモン / アレン・ニューウェル / アーサー・サミュエル / フランク・ローゼンブラット / シーモア・パパート / テリー・ウィノグラード / エドワード・ファイゲンバウム / ロドニー・ブルックス / ジェフリー・ヒントン / ヤン・ルカン / ヨシュア・ベンジオ / アンドリュー・ン / デミス・ハサビス / ニック・ボストロム / イーロン・マスク / サム・アルトマン / DeepMind / OpenAI / Google Brain / FAIR / JDLA / 松尾豊
歴史・プロジェクト ロジック・セオリスト / GPS (General Problem Solver) / ELIZA / PARRY / SHRDLU / マイクロワールド / 第5世代コンピュータ計画 / CYCプロジェクト / Deep Blue / Watson / AlphaGo / AlphaZero / AlphaFold / 第1次AIブーム（探索と推論） / 第2次AIブーム（知識表現） / 第3次AIブーム（機械学習・表現学習） / 冬の時代 / トイ・プロブレム / 意味ネットワーク / オントロジー / ウェブマイニング / ビッグデータ
概念・哲学 強いAI / 弱いAI / AGI (汎用人工知能) / ANI (特化型人工知能) / ASI (人工超知能) / 収穫加速の法則 / ムーアの法則 / 身体性 / 認知科学 / コネクショニズム / 記号主義 / 進化計算 / 群知能 / 集団的知性 / 創発 / アシロマAI原則
第2章：数学・統計・情報理論（約150語）
AIの「中身」を理解するための共通言語です。
【最重要・解説】
スカラー / ベクトル / 行列 / テンソル：データの次元構造。0階=スカラー、1階=ベクトル、2階=行列。
正規分布（ガウス分布）：平均を中心に左右対称の釣鐘型を描く確率分布。
最尤推定：観測データが得られる確率（尤度）が最大になるパラメータを探す手法。
ベイズの定理：結果から原因の確率（事後確率）を更新していく定理。
情報量：事象の起こりにくさを表す。確率が低いほど情報量は大きい。
エントロピー：情報の乱雑さ、不確実性の尺度。
KLダイバージェンス：2つの確率分布がどれくらい異なっているかの指標。
【網羅用キーワードリスト】
線形代数 線形変換 / 固有値 / 固有ベクトル / 固有値分解 / 特異値分解 (SVD) / 内積 / 外積 / アダマール積 / ノルム / L1ノルム (マンハッタン距離) / L2ノルム (ユークリッド距離) / L∞ノルム / コサイン類似度 / 逆行列 / 転置行列 / 単位行列 / 対角行列 / 直交行列 / スパース行列 (疎行列) / ランク (階数)
微分積分 極限 / 導関数 / 偏微分 / 全微分 / 勾配 (Gradient) / ヘッセ行列 / ヤコビ行列 / 連鎖律 (Chain Rule) / テイラー展開 / マクローリン展開 / ラグランジュの未定乗数法 / ネイピア数 / シグモイド関数 / 双曲線関数 (tanh)
確率・統計 確率変数 / 確率密度関数 / 累積分布関数 / 期待値 / 分散 / 標準偏差 / 共分散 / 相関係数 / ピアソンの積率相関係数 / スピアマンの順位相関係数 / ベルヌーイ分布 / 二項分布 / ポアソン分布 / 一様分布 / 指数分布 / ベータ分布 / ガンマ分布 / カイ二乗分布 / t分布 / F分布 / 大数の法則 / 中心極限定理 / チェビシェフの不等式 / 帰無仮説 / 対立仮説 / P値 / 有意水準 / 第一種の過誤 (偽陽性) / 第二種の過誤 (偽陰性) / 信頼区間 / ベイズ推定 / 事前確率 / 事後確率 / 尤度関数 / MAP推定 (最大事後確率推定) / マルコフ連鎖 / モンテカルロ法
情報理論 自己情報量 / シャノンエントロピー / 交差エントロピー (Cross Entropy) / 条件付きエントロピー / 相互情報量 / ジニ係数 / ハミング距離
第3章：機械学習の基礎と手法（約250語）
ディープラーニング以外の「古典的機械学習」もG検定の重要範囲です。
【最重要・解説】
教師あり学習：正解データ（ラベル）付きのデータで学習する（回帰、分類）。
教師なし学習：正解データなしでデータの特徴や構造を学習する（クラスタリング、次元削減）。
強化学習：エージェントが環境と相互作用し、報酬を最大化するように学習する。
過学習 (Overfitting)：学習データに適合しすぎて、未知のデータに対応できない状態。
正規化 / 標準化：データの前処理。スケールを揃える（0〜1にする、平均0分散1にする）。
k-分割交差検証：データをk個に分割し、学習と検証を繰り返して汎化性能を測る。
混同行列：TP, TN, FP, FNの4象限で精度を評価する表。
ROC曲線 / AUC：真陽性率と偽陽性率のバランスを見る曲線とその面積。
【網羅用キーワードリスト】
学習手法・アルゴリズム 単回帰分析 / 重回帰分析 / 多項式回帰 / ロジスティック回帰 / 線形判別分析 (LDA) / k-近傍法 (k-NN) / 決定木 (Decision Tree) / 回帰木 / 分類木 / CART / ID3 / C4.5 / 不純度 / ジニ不純度 / 情報利得 / サポートベクターマシン (SVM) / マージン最大化 / サポートベクトル / カーネル法 / カーネルトリック / ガウスカーネル (RBFカーネル) / 多項式カーネル / ナイーブベイズ分類器 / 隠れマルコフモデル (HMM) / 条件付き確率場 (CRF)
アンサンブル学習 バギング (Bagging) / ブートストラップサンプリング / ランダムフォレスト / ブースティング (Boosting) / AdaBoost / GBDT (勾配ブースティング決定木) / XGBoost / LightGBM / CatBoost / スタッキング (Stacking) / 投票法 (Voting)
教師なし学習・次元削減 k-means法 (k-平均法) / k-means++ / エルボー法 / シルエット分析 / 階層的クラスタリング / ウォード法 / デンドログラム / 非階層的クラスタリング / DBSCAN / x-means法 / 主成分分析 (PCA) / 第一主成分 / 寄与率 / 累積寄与率 / 因子分析 / 独立成分分析 (ICA) / t-SNE / UMAP / 多次元尺度構成法 (MDS) / コールドスタート問題 / 協調フィルタリング / コンテンツベースフィルタリング / アソシエーション分析 / 支持度 (Support) / 信頼度 (Confidence) / リフト値 (Lift) / アプリオリ・アルゴリズム
データ前処理・評価 欠損値処理 / リストワイズ法 / 代入法 / 外れ値検知 / スケーリング / Min-Max法 / Z-score変換 (標準化) / 白色化 / ワンホットエンコーディング / ダミー変数 / 離散化 / ビニング / 次元検知 / ホールドアウト法 / リーク (Data Leakage) / 正解率 (Accuracy) / 適合率 (Precision) / 再現率 (Recall) / F値 (F-measure) / 特異度 (Specificity) / マクロ平均 / マイクロ平均 / RMSE (二乗平均平方根誤差) / MAE (平均絶対誤差) / 決定係数 (R2スコア) / バイアス・バリアンス分解 / 学習曲線 / グリッドサーチ / ランダムサーチ / ベイズ最適化
第4章：ディープラーニングの技術（約300語）
現在のAIブームの中心技術です。
【最重要・解説】
多層パーセプトロン (MLP)：入力層・隠れ層・出力層からなるNN。
誤差逆伝播法：出力の誤差を入力側へ逆順に伝え、重みを更新する。
勾配消失問題：層が深くなると勾配が0になり学習が進まない問題。
活性化関数：ニューロンの発火を決める非線形関数（ReLUなど）。
ドロップアウト：ランダムにニューロンを無効化して過学習を防ぐ。
バッチ正規化：各層の出力を正規化し学習を安定させる。
オートエンコーダ：入力と同じものを出力するように学習し、特徴抽出を行う。
【網羅用キーワードリスト】
基礎構造 ニューロン / シナプス / 重み / バイアス / 単純パーセプトロン / 形式ニューロン / 隠れ層 (中間層) / 全結合層 (Fully Connected Layer) / 万能近似定理 / 順伝播 (Forward Propagation) / 逆伝播 (Back Propagation) / 計算グラフ / 連鎖律
活性化関数 ステップ関数 / シグモイド関数 / tanh (ハイパボリックタンジェント) / ReLU (Rectified Linear Unit) / Leaky ReLU / PReLU / ELU / SELU / GELU / Swish / Mish / Maxout / Softmax関数 / 恒等関数
学習・最適化 損失関数 (Loss Function) / 目的関数 / コスト関数 / 二乗和誤差 (MSE) / 交差エントロピー誤差 / ヒンジ損失 / KLダイバージェンス / 最適化アルゴリズム (Optimizer) / 勾配降下法 / 確率的勾配降下法 (SGD) / ミニバッチ学習 / オンライン学習 / バッチ学習 / 学習率 (Learning Rate) / 学習率減衰 / モメンタム (Momentum) / Nesterovの加速勾配法 / AdaGrad / RMSprop / AdaDelta / Adam / AdamW / RAdam / AMSGrad / AdaBound / 局所最適解 / 大域的最適解 / 鞍点 / プラトー / 早期終了 (Early Stopping)
正則化・テクニック 過学習 (Overfitting) / 過少学習 (Underfitting) / 汎化性能 / 正則化 (Regularization) / L1正則化 (Lasso) / L2正則化 (Ridge) / Weight Decay (荷重減衰) / ドロップアウト (Dropout) / ドロップコネクト / バッチ正規化 (Batch Normalization) / レイヤー正規化 / インスタンス正規化 / グループ正規化 / 重みの初期化 / Xavierの初期値 / Heの初期値 / データオーグメンテーション / 転移学習 / ファインチューニング / 蒸留 (Distillation) / アンサンブル学習 / 半精度浮動小数点数 (FP16) / 量子化 (Quantization) / プルーニング (枝刈り)
第5章：ディープラーニングの応用（約200語）
画像、音声、自然言語処理のモデル名や手法です。
【最重要・解説】
CNN (畳み込みニューラルネットワーク)：画像認識に強い。畳み込み層とプーリング層を持つ。
RNN (回帰型ニューラルネットワーク)：時系列データに強い。過去の情報を保持する。
LSTM：長期依存関係を学習できるRNNの発展形。
Attention：入力のどこに注目すべきかを学習する機構。
Transformer：Attentionのみで構成されたモデル。BERTやGPTの基礎。
GAN (敵対的生成ネットワーク)：生成器と識別器を競わせてデータを生成する。
強化学習 (DQN)：Q学習にディープラーニングを組み合わせた手法。
【網羅用キーワードリスト】
CNN・画像処理 畳み込み層 / プーリング層 / Max Pooling / Average Pooling / Global Average Pooling (GAP) / ストライド / パディング / ゼロパディング / 受容野 / 特徴マップ / チャンネル / フィルタ (カーネル) / ネオコグニトロン / LeNet / AlexNet / ZFNet / VGG16 / VGG19 / GoogLeNet (Inception) / Inceptionモジュール / ResNet / スキップ接続 / Residual Block / WideResNet / ResNeXt / DenseNet / MobileNet / Depthwise Separable Conv / ShuffleNet / EfficientNet / SENet / NAS (Neural Architecture Search) / 物体検出 / R-CNN / Fast R-CNN / Faster R-CNN / RPN / YOLO / YOLOv2~v8 / SSD / RetinaNet / FPN / IoU (Intersection over Union) / mAP / NMS (Non-Maximum Suppression) / アンカーボックス / バウンディングボックス / セマンティックセグメンテーション / インスタンスセグメンテーション / パノプティックセグメンテーション / FCN / U-Net / SegNet / Mask R-CNN / PSPNet / DeepLab / Vision Transformer (ViT)
RNN・自然言語処理 (NLP) 系列データ / 文脈 / BPTT (Backpropagation Through Time) / 勾配爆発 / 勾配クリッピング / LSTM / 忘却ゲート / 入力ゲート / 出力ゲート / GRU / peephole connection / Seq2Seq / Encoder-Decoder / Attention (注意機構) / Self-Attention / Multi-Head Attention / Positional Encoding / Transformer / BERT / Masked LM / NSP / ALBERT / RoBERTa / DistilBERT / GPT / GPT-2 / GPT-3 / GPT-4 / ChatGPT / T5 / Switch Transformer / PaLM / LLaMA / Claude / ゼロショット学習 / フューショット学習 / ワンショット学習 / CoT (Chain of Thought) / プロンプトエンジニアリング / RAG (検索拡張生成) / Hallucination (幻覚) / トークナイザー / 形態素解析 / MeCab / Janome / Bag of Words (BoW) / TF-IDF / n-gram / ストップワード / ステミング / 係り受け解析 / 固有表現抽出 / Word2Vec / CBOW / Skip-gram / 分散表現 / cos類似度 / word analogy / fastText / ELMo / BLEU / ROUGE / Perplexity
生成モデル・強化学習・その他 生成モデル / 自己回帰モデル / VAE (変分オートエンコーダ) / 潜在変数 / 再パラメータ化トリック / GAN (敵対的生成ネットワーク) / Generator / Discriminator / DCGAN / cGAN / Pix2Pix / CycleGAN / StyleGAN / BigGAN / 拡散モデル (Diffusion Model) / DDPM / Stable Diffusion / Midjourney / DALL-E / CLIP / NeRF / 強化学習 / エージェント / 環境 / 状態 / 行動 / 報酬 / 方策 (Policy) / 収益 / 割引率 / 価値関数 / 行動価値関数 (Q関数) / 状態価値関数 / ベルマン方程式 / 探索と活用 / ε-greedy法 / Q学習 / SARSA / モンテカルロ法 / TD学習 / Policy Gradient (方策勾配法) / REINFORCE / Actor-Critic / A3C / DQN / Experience Replay / Target Network / Double DQN / Dueling Network / AlphaGo / AlphaGo Zero / AlphaZero / MuZero / マルチモーダルAI / メタ学習 / MAML / フェデレーテッドラーニング (連合学習) / 転移学習 / ドメイン適応
第6章：AIと社会・法律・倫理（約100語）
試験の約2割を占める、暗記必須のエリアです。
【最重要・解説】
GDPR (EU一般データ保護規則)：EUの個人データ保護法。制裁金が高額。
改正個人情報保護法：日本の法律。匿名加工情報、仮名加工情報などが規定。
著作権法30条の4：AI学習（情報解析）のための著作物利用は原則許可。
ELSI：倫理的・法的・社会的課題。
フィルターバブル：好みの情報しか見えなくなる現象。
人間中心のAI社会原則：日本政府の掲げるAI原則。
【網羅用キーワードリスト】
法律・規制 個人情報保護法 / 要配慮個人情報 / 匿名加工情報 / 仮名加工情報 / オプトイン / オプトアウト / 第三者提供 / 個人識別符号 / 消去権 (忘れられる権利) / データポータビリティ / プロファイリング / GDPR (EU) / CCPA (カリフォルニア州) / eプライバシー規則 / AI法 (EU AI Act) / デジタルプラットフォーム取引透明化法 / 著作権法 / 情報解析規定 / 享受目的 / 依拠性 / 特許法 / 不正競争防止法 / 限定提供データ / 営業秘密 / 製造物責任法 (PL法) / 道路交通法 (自動運転関連) / 金融商品取引法 (アルゴリズム取引)
倫理・ガイドライン ELSI / AI倫理 / アルゴリズムバイアス / 公平性 (Fairness) / 説明責任 (Accountability) / 透明性 (Transparency) / XAI (説明可能なAI) / LIME / SHAP / Grad-CAM / トロッコ問題 / 自動運転の倫理 / ケンブリッジ・アナリティカ事件 / Tay (チャットボット) / ディープフェイク / フィルターバブル / エコーチェンバー現象 / デジタルデバイド / ベーシックインカム / 監視資本主義 / 人間中心のAI社会原則 (日本) / AI開発ガイドライン / OECD AI原則 / アシロマAI原則 / AIの軍事利用 / LAWS (自律型致死兵器システム) / 信頼できるAI (Trusted AI)
社会実装・トレンド Society 5.0 / DX (デジタルトランスフォーメーション) / IoT / ビッグデータ / クラウドコンピューティング / エッジコンピューティング / GPU / GPGPU / TPU / FPGA / ASIC / 量子コンピュータ / クラウドソーシング / アノテーション / MLOps / Kaggle / Signate / AI人材 / データサイエンティスト / AIエンジニア / G検定 / E資格 / スマートシティ / MaaS / 自動運転レベル (0~5) / ロボティクス / RPA / チャットボット / レコメンデーションエンジン / 異常検知 / 予知保全 / フィンテック / ヘルステック / エドテック
この用語集の使い方
このページは**「G検定合格のための羅針盤」**です。
まずは**「解説付きの最重要単語」**を完璧に理解してください。これで合格ラインの6割に近づきます。
次に**「キーワードリスト」**を眺め、意味がわからない単語をチェックしてください。
わからない単語は、順次追加される詳細記事（または当ブログの検索機能）で確認しましょう。
これら1000語全ての意味がわかった時、あなたはG検定合格はもちろん、AIの専門家として十分な知識体系を持っていることになります。
