G検定（ジェネラリスト検定）

レッスン内容

0
• 1

  人工知能の定義

  人工知能（AI）とは何かを学びます。人工知能とロボットの違い、人工知能の４つのレベル、人工知能・機械学習・ディープラーニングの関係性とそれぞれの特徴について解説します。
• 2

  人工知能研究の歴史

  人工知能（AI）の歴史、変遷について学びます。AIの基礎知識としてだけではなく、これから機械学習など手法や技術を学ぶ際の入門にもなるので、流れを把握しておきましょう。「AI効果」と呼ばれる現象についても解説します。
• 3

  人工知能分野で議論される問題 1

  古くから人工知能分野で指摘されている問題である「トイ・プロブレム」と「フレーム問題」、そして人工知能の確認に使用されつつ未だに議論の耐えない「チューリングテスト」について解説します。
• 4

  人工知能分野で議論される問題 2

  AIのカテゴライズとして1980年代から使われている「強いAIと弱いAI」と、強いAIの実現可能性に関わる“中国語の部屋”や“シンボルグラウンディング問題”とはなにかを解説します。
• 5

  探索・推論 1（探索木とロボットの行動計画）

  第１次ブームで中心的な役割を果たした推論・探索ではどのような研究が行われていたのかを学びます。探索の基本的な手法である幅優先探索・深さ優先探索の方法や、探索を使ったロボットの行動計画について解説します。
• 6

  探索・推論 2（ゲームの探索とモンテカルロ法）

  古くから人工知能研究では、ボードゲームで人間に勝利するための方法も考えられてきました。代表的なゲーム木探索のアルゴリズムであるMini-Max法とαβ法の考え方、従来の評価方式を一変させた「モンテカルロ法」と呼ばれる手法の特徴について解説します。
• 7

  知識表現とエキスパートシステム

  第２次ブームで中心的な役割を果たした知識表現について学びます。本レッスンでは初代チャットボットと呼ばれる「イライザ」や、1970年代人工知能研究で注目を浴びていたルールベースの手法を使った「エキスパートシステム」について解説します。
• 8

  意味ネットワークとオントロジー

  第２次ブームで中心的な役割を果たした知識表現について学びます。本レッスンでは知識獲得のボトルネックを受けて研究された、意味ネットワークとオントロジーを中心に見ていきます。オントロジーにおいて重要な概念間の関係（is-aやpart-of）についても解説します。
• 9

  機械学習

  機械学習とディープラーニングの歴史、特徴について学びます。インターネットの成長とともに蓄積された大容量のデータ（ビックデータ）によって飛躍的に高まり、さまざまな分野での実用化された機械学習。機械学習に使用する「特徴量」を自ら見つけ出せるよう進化したものがディープラーニングと言えます。
• 10

  ディープラーニング（深層学習）

  機械学習の中でも「ディープラーニング」に焦点を絞り、どのように発展してきたのか、歴史を見てきましょう。従来の機械学習からディープラーニングになって進化した点、代表的な技術と特徴を学びます。
• 11

  機械学習の種類と概要

  このチャプターでは、機械学習に使われる手法・学習モデルの基本概念を中心に学びま。最初に「教師あり学習」「教師なし学習」「強化学習」という、3つの代表的な学習方法を把握しましょう。
• 12

  教師あり学習と代表的なモデル

  教師あり学習で使われる手法・考え方を学びます。代表的な教師あり学習モデルの基本概念を理解し、目的やデータの特性・量に応じて、適切な教師あり学習モデルを選択できるようになりましょう。
• 13

  マルチモーダル

  ・マルチモーダルタスクの種類とその概要について理解する ・代表的なマルチモーダルモデルについて理解する ・マルチモーダルモデルが実世界において、どのように活用されているか理解する
• 14

  個人情報保護法

  個人情報の分類（個人情報、個人データ、保有個人データ）について知り、個人情報保護法と情報の取り扱いで生じる義務について学びます。匿名加工情報と仮名加工情報の制度趣旨や、EU領域内の個人情報の保護を目的とした「GDPR」についても解説します。
• 15

  著作権法

  手で触れることは出来ないけれど存在する、ソフトウェアのプログラム、新しい技術や発明や創作物などを知的財産と言います。本レッスンでは知的財産権の1つである 「著作権」　について学びます。著作権の中に含まれる権利、強化学習に用いるデータの著作権、AI生成物と著作権の関係を解説します。
• 16

  特許法

  手で触れることは出来ないけれど存在する、ソフトウェアのプログラム、新しい技術や発明や創作物などを知的財産と言います。本レッスンでは産業上で利用される「発明」を保護するための特許法について学びます。特許権が認められる発明とはどんなものか、従業員が職務で発明を行った場合の権利の帰属先について解説します。
• 17

  不正競争防止法と独占禁止法

  企業間の公正な競争を守るために、不正な行為を禁止する法律「不正競争防止法」と、企業が自由に競争できる環境を維持するための法律「独占禁止法」があります。それぞれの法律の概要と、AIやデータに関すして重要な制度・問題となっている点について解説します。
• 18

  AI開発委託の契約形態と方式

  AI開発では、事前に性能保証をすることが難しいなど、従来のソフトウェア開発とは異なる特徴があります。このため経済産業省による『AI・データの利用に関する契約ガイドライン』では開発プロセスを分割した探索的段階型の開発方式が推奨されています。それぞれのフェーズの内容と、適切な契約関係について解説します。
• 19

  AI開発に関わる契約とAI利用契約

  AI開発委託では、NDA（秘密保持契約）など、請負・準委任契約以外にも様々な契約が取り交わされます。 代表的な契約と、それぞれの概要について解説します。また、特定の会社のために開発したものI、SaaS型のような不特定多数のユーザーに提供されるAIシステムやソフトウェアにおける「利用契約」との違いも学びましょう。
• 20

  AI倫理と国内外のガイドライン

  AIの社会実装が進むにつれて、問題点も多く取り上げられるようになりました。国内外で規制やガイドラインなどのソフトロー（拘束力がない規範）が策定されている他、 EUの「AI法」からハードロー（法規制）強化の動きもあります。AIに関わる国内外の代表的なガイドラインや、AI法について解説します。
• 21

  AIの公平性

  AIは与えられる学習データやアルゴリズムによって、特定の人々やグループに対して不公平な判断を下してしまうことがあります。AIシステムの公平性を保つためには、AIが導き出す結論に「不当な差別がないようにする」ことが重要です。本レッスンではAIの公平性と、AIの公平性を損なわせるバイアス（偏り）について解説します。
• 22

  安全性とセキュリティ

  AIを安全に利活用するためには、安全性やセキュリティの確保も重要です。AIモデル固有の安全性やセキュリティの課題、対応や防御方法について解説します。
• 23

  透明性

  AIの信頼性を高めるためには、どのようなデータ・根拠に基づいて出力を行ったか分かるようにする「透明性」と「説明可能性」が大切です。透明性とはどのようなものか、AIの説明可能性とアカウンタビリティとの違いなど、重要なポイントを中心を解説します。
• 24

  プライバシー

  機械学習やディープラーニングでは、データ収集段階と推論段階で異なったプライバシー侵害のリスクがあります。懸念される問題や、プライバシー上留意すべき事項、対応策について解説します。
• 25

  AIの悪用と民主主義

  AI技術の進歩に伴い、その悪用も大きな社会問題となっています。AI技術の悪用とその影響について学びましょう。代表的なAIの悪用と対策、民主主義社会や人間の自律性・周囲士に与える影響についても解説します。
• 26

  労働政策と環境保護

  AI技術の進展により、AIは仕事の自動化・効率化にも大きく貢献するようになっています。その一方で、雇用に与える影響・失業などの懸念もあり、AIと人間がどのように協働していくのかが議論されています。AI、特に、ディープラーニングと呼ばれる技術を使ったAIモデルの開発・運用には膨大な電力が消費されていることも、今後のAI活用の課題となっています。
• 27

  そのほかAIの課題

  ここまでのレッスンで触れたもの以外にも、AIの実用や発展には様々な課題があります。本レッスンでは インクルージョン、軍事利用、自律性など、国際的に議論されている代表的なAIの課題について紹介していきます。
• 28

  AIガバナンス

  AIの開発や運用が倫理的で安全に行われるためには、法規制だけではなく、企業単位での取り組みも必要です。AI技術を開発・利用・提供する際に、社会規範や法令を順守し、活動を適切に管理・統制する「AIガバナンス」を学びましょう。AIポリシーや倫理アセスメントなど、G検定シラバスに掲載されているキーワードについても解説します。