2027年試験新シラバス対応・1-1

AIの基本的な仕組み（ルールベースと機械学習）の一問一答

生成AIパスポート試験「AIの基礎と歴史」から、AIの基本的な仕組み（ルールベースと機械学習）に関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問／解説つき・基本無料

アプリ形式で解く（全410問） AIの基礎と歴史の要点解説を読む

問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は四肢択一式（一部複数選択を含む）で出題されます。ここでは全て4択（正解は1つ）で出題しています。

問11-1

ルールベースのAIの説明として、最も適切なものを1つ選びなさい。

①人間が「もし〜ならば〜する」という規則を書き込み、その規則に従って判断させる方式
②大量のデータを与えて、判断のための規則やパターンをAI自身に見つけ出させるという方式
③試行錯誤を繰り返し、うまくいったときに与えられる報酬が多くなる行動を学ばせる方式
④正解の付いていないデータから、似た性質を持つもの同士をまとめるように学ばせる方式

答えと解説を見る

正解 ①人間が「もし〜ならば〜する」という規則を書き込み、その規則に従って判断させる方式

解説
ルールベースのAIは、専門家などの人間が「もし〜ならば〜する（if-then）」という形の規則（ルール）をあらかじめ書き込み、AIはその規則に従って判断や推論を行う方式です。
判断の根拠が規則として明示されているため、なぜその答えになったのかを説明しやすいという長所があります。一方で、規則に書かれていない状況には対応できず、現実の複雑な問題をすべて規則で書き表すのは難しいという限界があります。この限界を超えるために発展したのが、データから規則を学ぶ機械学習です。

他の選択肢が不適切な理由
・データから規則やパターンを見つけさせる方式：機械学習の説明です。
・報酬が多くなる行動を学ばせる方式：機械学習の中の強化学習の説明です。
・似た性質のもの同士をまとめる方式：教師なし学習のクラスタリングの説明です。

覚え方のポイント
「ルールベース＝人が規則を書く」「機械学習＝AIがデータから規則を見つける」。規則を作るのが誰かで区別します。

問21-1

機械学習の説明として、最も適切なものを1つ選びなさい。

①専門家の知識をすべて「もし〜ならば」の形で書き出し、その規則だけで判断させるという技術
②データから規則性やパターンを学習し、新しいデータに対して予測や判断を行っていく技術
③コンピュータの計算速度を上げるために、複数の装置に処理を分けて実行させるという技術
④人間が書いたプログラムの誤りを見つけて、自動的に正しいプログラムへと直すという技術

答えと解説を見る

正解 ②データから規則性やパターンを学習し、新しいデータに対して予測や判断を行っていく技術

解説
機械学習は、人間が規則を一つひとつ書き込むのではなく、コンピュータがデータから規則性やパターンを自ら学習し、その結果をもとに新しいデータに対して予測や判断を行う技術です。
たとえば、大量の迷惑メールと通常のメールを学習させると、どのような特徴があると迷惑メールらしいかをAI自身が見つけ出し、新しいメールを判定できるようになります。学習の方法によって、教師あり学習・教師なし学習・強化学習などに分けられます。

他の選択肢が不適切な理由
・専門家の知識を規則として書き出す技術：ルールベース（エキスパートシステムなど）の説明です。
・処理を複数の装置に分けて速くする技術：並列処理・分散処理の説明で、機械学習ではありません。
・プログラムの誤りを自動で直す技術：機械学習の定義ではありません。

覚え方のポイント
機械学習＝「経験（データ）から学ぶプログラム」。規則を教えるのではなく、例をたくさん見せて学ばせます。

問31-1

ルールベースのAIの限界として、適切でないものを1つ選びなさい。

①現実の複雑な問題では、必要な規則の数が膨大になり、書き尽くすことが難しい。
②規則として書かれていない想定外の状況には、適切に対応することが難しい。
③判断の根拠となる規則が明示されているため、答えの理由を人に説明できない。
④専門家の知識を規則に書き起こす作業に、多くの手間と時間がかかってしまう。

答えと解説を見る

正解 ③判断の根拠となる規則が明示されているため、答えの理由を人に説明できない。

解説
ルールベースのAIは、判断の根拠となる規則が明示されているため、「なぜその答えになったか」を説明しやすいことがむしろ長所です。したがって「説明できない」という記述は適切ではありません。
ルールベースの限界は、規則に書かれていない状況に対応できないこと、現実の複雑な問題では規則の数が膨大になること、専門家の知識を規則として書き起こすのに大きな手間がかかること（知識獲得のボトルネック）などです。これらが、データから規則を学ぶ機械学習が発展する背景になりました。

他の選択肢（適切な記述）について
・想定外の状況に対応しにくい：規則に書かれていないことは判断できないため、ルールベースの代表的な限界です。
・規則が膨大になる：現実の問題は例外が多く、すべてを規則で書き尽くすことは困難です。
・書き起こす手間がかかる：専門家の暗黙の知識を規則にするのは難しく、知識獲得のボトルネックと呼ばれました。

覚え方のポイント
ルールベースの長所は「説明しやすさ」、短所は「想定外に弱い・規則が膨大・書き起こしが大変」。

ひっかけ注意
「説明しにくい（ブラックボックス）」のは、ルールベースではなくディープラーニングなどの機械学習の課題です。

問41-1

AIの基本的な仕組みに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．ロボットはすべてAIを搭載しており、AIとロボットは同じものを指す。
b．ディープラーニングは、機械学習とはまったく別の技術である。
c．ルールベースのAIは、人間が書いた規則に従って判断する。
d．機械学習は、データから規則性やパターンを学習する。

①b・d
②a・b
③a・c
④c・d

答えと解説を見る

正解 ④c・d

解説
cとdが適切です。
c：ルールベースのAIは、人間が「もし〜ならば〜する」という規則をあらかじめ書き込み、その規則に従って判断します。
d：機械学習は、人間が規則を書き込むのではなく、データから規則性やパターンを学習し、新しいデータに対して予測や判断を行う技術です。

誤っている記述
・a：AIは知的な処理を行う仕組み、ロボットは体を持って動く機械で、同じものではありません。決められた動作を繰り返すだけの、AIを使わないロボットも多くあります。
・b：ディープラーニングは、ニューラルネットワークを何層も重ねて学習する、機械学習の手法の一つです。

覚え方のポイント
AI ⊃ 機械学習 ⊃ ディープラーニング。ロボット（体）とAI（頭脳）は別物です。

問51-1

機械学習の「特徴量」に関する記述として、適切でないものを1つ選びなさい。

①特徴量は、予測や分類の手がかりとして使う、データの特徴を数値で表したものである。
②ディープラーニングでも、特徴量はすべて人間が手作業で設計しなければならない。
③住宅の価格を予測する場合は、広さや駅からの距離などが特徴量の例になる。
④従来の機械学習では、どの特徴量を使うかを人間が考えて設計する必要があった。

答えと解説を見る

正解 ②ディープラーニングでも、特徴量はすべて人間が手作業で設計しなければならない。

解説
特徴量とは、機械学習で予測や分類の手がかりとして使う、データの特徴を数値などで表したものです。住宅の価格の予測なら、広さ・駅からの距離・築年数などが特徴量になります。
従来の機械学習では、どの特徴量を使うかを人間が考えて設計する必要がありました（特徴量設計）。ディープラーニングは、データから判断に役立つ特徴を自動的に学習できる点が大きな進歩です。したがって「ディープラーニングでも、特徴量はすべて人間が手作業で設計しなければならない」という記述は適切ではありません。

他の選択肢（適切な記述）について
・予測や分類の手がかりとなるデータの特徴：特徴量の定義です。
・広さや駅からの距離：住宅の価格を予測するときの特徴量の具体例です。
・従来の機械学習では人間が設計：特徴量設計と呼ばれ、専門知識と手間が必要でした。

覚え方のポイント
従来の機械学習＝特徴量は人が設計、ディープラーニング＝特徴を自動で学ぶ。

問61-1

ディープラーニングが従来の機械学習と比べて大きく進歩した点として、最も適切なものを1つ選びなさい。

①少しの計算資源だけで学習できるため、大規模なデータや高性能な計算機が不要になった。
②学習データをまったく使わずに、人間が書いた規則だけで高い精度の判断ができるようになった。
③どのような判断でも、その理由を人間が簡単に理解できる形で必ず説明できるようになった。
④データから判断に役立つ特徴を自動的に学習できるため、人が特徴量を設計する負担が減った。

答えと解説を見る

正解 ④データから判断に役立つ特徴を自動的に学習できるため、人が特徴量を設計する負担が減った。

解説
ディープラーニング（深層学習）は、多くの層を重ねたニューラルネットワークを使い、データから判断に役立つ特徴（特徴量）を自動的に学習できる点が大きな進歩です。従来の機械学習では、画像のどこに注目するかといった特徴量を人間が工夫して設計する必要がありましたが、その負担が大きく減りました。
一方で、一般に大量のデータと大きな計算資源が必要であり、なぜその判断に至ったのかを人間が理解しにくい（ブラックボックス）という課題があります。

他の選択肢が不適切な理由
・データを使わず規則だけで判断：ルールベースの説明であり、ディープラーニングはデータから学習します。
・理由を必ず簡単に説明できる：逆に、ディープラーニングは判断の理由が分かりにくいことが課題とされています。
・少しの計算資源で学習できる：一般に大量のデータと大きな計算資源（GPUなど）を必要とします。

覚え方のポイント
ディープラーニングの長所は「特徴量を自動で学ぶ」、短所は「大量のデータと計算が必要・説明しにくい」。

問71-1

機械学習と学習済みモデルに関する記述として、適切でないものを1つ選びなさい。

①学習済みモデルは、学習データにない状況でも、正しい判断が保証されている。
②機械学習では、学習に使うデータの量や質が、モデルの性能に大きく影響する。
③学習済みモデルは、学習でパラメータが調整され、予測や生成に使える状態にある。
④学習済みモデルを、別の用途のデータで追加学習させて調整することもできる。

答えと解説を見る

正解 ①学習済みモデルは、学習データにない状況でも、正しい判断が保証されている。

解説
学習済みモデルは、学習データを使ってパラメータが調整され、新しいデータに対して予測や生成ができる状態になったモデルです。ただし、学習データと大きく異なる状況や、学習データに含まれていない事柄については、誤った判断をすることがあります。「学習データにない状況でも、正しい判断が保証されている」という記述は適切ではありません。
機械学習では、学習データの量や質（偏り・誤り）がモデルの性能に大きく影響します。また、学習済みモデルを別の用途のデータで追加学習させて調整する（ファインチューニング）こともできます。

他の選択肢（適切な記述）について
・データの量や質が性能に影響：データが少ない、偏っている、誤りを含む、といった場合は性能が下がります。
・予測や生成に使える状態のモデル：学習済みモデルの定義です。
・別の用途のデータで追加学習できる：ファインチューニングや転移学習と呼ばれる使い方です。

覚え方のポイント
学習済みモデルも「学んだ範囲の外」は苦手。「必ず正しい」はありません。

問81-1

ルールベースの方式が機械学習よりも向いている場面として、最も適切なものを1つ選びなさい。

①話し言葉の録音から、話している内容を文字に書き起こすことが求められる場面
②大量の写真から、写っている動物の種類を高い精度で見分けることが求められる場面
③判断の規則が明確に決まっており、その根拠をはっきり示すことが求められる場面
④大量の文章から、その文章の続きとして自然な文章を作ることが求められる場面

答えと解説を見る

正解 ③判断の規則が明確に決まっており、その根拠をはっきり示すことが求められる場面

解説
ルールベースは、判断の規則が明確に決まっていて例外が少ない場面や、判断の根拠をはっきり示す必要がある場面に向いています。たとえば、税率の計算や、社内規程に沿った手続きのチェックなどです。
一方、画像の中の動物を見分ける、音声を文字にする、自然な文章を作るといった作業は、規則として書き表すのが極めて難しいため、データから学習する機械学習（特にディープラーニング）が向いています。

他の選択肢が不適切な理由
・動物の種類を見分ける：画像の特徴を規則で書き尽くすのは難しく、ディープラーニングが得意な分野です。
・音声を文字に書き起こす：話し方や声の違いが大きく、機械学習による音声認識が向いています。
・自然な文章を作る：大量の文章から学習したLLMが得意とする作業です。

覚え方のポイント
「規則が明確で説明が必要」ならルールベース、「規則にしにくい複雑なパターン」なら機械学習。

問91-1

「人工知能（AI）」の定義に関する説明として、最も適切なものを1つ選びなさい。

①人間と同じように考える汎用的な知能を持つものだけを、AIと呼ぶと決まっている。
②日本の法律で一つの定義が定められ、すべての研究者がその定義に従っている。
③機械学習を使うものだけをAIと呼び、ルールベースのものはAIに含めないとされる。
④研究者や立場によって定義が異なり、すべての専門家が一致する厳密な定義はない。

答えと解説を見る

正解 ④研究者や立場によって定義が異なり、すべての専門家が一致する厳密な定義はない。

解説
「人工知能」という言葉は、1956年に開かれたダートマス会議の開催を呼びかける提案書（1955年）で用いられたことで知られます。しかし、「知能」そのものの定義が難しいこともあり、研究者や立場によってAIの定義はさまざまで、すべての専門家が一致する厳密な定義はありません。
なお、日本のAI法（人工知能関連技術の研究開発及び活用の推進に関する法律）では、法律の対象となる「人工知能関連技術」を、人間の認知・推論・判断に係る知的な能力を代替する機能を実現するための技術などとして定めていますが、これはその法律の適用範囲を決めるための定義です。

他の選択肢が不適切な理由
・日本の法律で一つの定義：AI法は「人工知能関連技術」を定義していますが、すべての研究者がその定義に従うわけではありません。
・機械学習を使うものだけ：人が規則を書き込むルールベースのものも、AIに含めて扱われます。
・汎用的な知能を持つものだけ：それは汎用人工知能（AGI）の考え方で、特定の作業に特化したAIもAIに含まれます。

覚え方のポイント
AIには「誰もが一致する定義はない」。試験では、定義が一つに決まっていると断定する記述に注意しましょう。

問101-1

ルールベースと機械学習に関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．機械学習では、学習に使うデータの量や質が、性能に大きく影響する。
b．ルールベースは、判断の根拠を規則として示しやすいという長所がある。
c．ルールベースは、規則に書かれていない想定外の状況に強いという長所がある。
d．ディープラーニングは、少量のデータでも必ず従来手法より高精度になる。

①a・b
②c・d
③a・c
④b・d

答えと解説を見る

正解 ①a・b

解説
aとbが適切です。
a：機械学習はデータから学ぶため、データの量が足りなかったり、偏り・誤りが含まれていたりすると、性能が下がったり出力に偏りが表れたりします。
b：ルールベースは判断の規則が明示されているため、なぜその答えになったかを説明しやすいことが長所です。

誤っている記述
・c：ルールベースは、規則に書かれていない想定外の状況には対応できないことが弱点です。
・d：ディープラーニングは一般に大量のデータを必要とします。データが少ないと、従来の機械学習のほうが良い結果になることもあります。「必ず」は誤りです。

覚え方のポイント
「必ず」「常に」「すべて」と断定する記述は、AIの分野では誤りであることが多いので、特に注意して読みましょう。

「生成AIパスポート」は一般社団法人生成AI活用普及協会の登録商標です。本ページは一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、公認・認定を受けた教材ではありません。

生成AIパスポートの対策問題（全410問）に戻る

非公式の資格試験対策サイトです。一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、GUGAの公認・認定を受けた教材ではありません。

※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。