G検定の概要

試験出題範囲（技術分野）

1.人工知能の定義

・人工知能とは何か、具体例を用いて説明できる
・人工知能のレベルを「単純な制御プログラム」「古典的な人工知能」「機械学習」「深層学習」の4つに分類し、それぞれがどのようなものか説明することができる
・AI効果を説明できる
・人工知能とロボットの違いを説明できる、人工知能とは何か、具体例を用いて説明できる

2.人工知能分野で議論される問題

・人工知能分野で議論されている代表的な問題について説明できる
・汎用的な人工知能の実現可能性について、いくつかの例を取り上げて説明できる

3.探索・推論

・探索・推論の具体例を説明できる
・探索・推論を実現する代表的な手法を説明できる

4.知識表現とエキスパートシステム

・知識表現とは何か説明できる
・エキスパートシステムとは何か説明できる
・知識表現に係る代表的な研究や手法について理解する
・エキスパートシステムに係る代表的な研究や手法について理解する

5.機械学習

・機械学習とは何か説明できる
・機械学習とルールベース手法の差異、およびメリットデメリットについて説明できる
・機械学習が注目されるようになった背景を説明できる
・機械学習がどのような場面において、効果を発揮するのか理解する
・機械学習の代表的な応用例について理解する

6.ディープラーニング

・ディープラーニングがどのように発展してきたのか、その歴史を説明できる
・古典的な機械学習とディープラーニングの差異を説明できる
・ディープラーニングの代表的な応用例について理解する

7.教師あり学習

・教師あり学習には、特徴量と教師データのペアが必要であることを理解する
・教師あり学習における、分析対象に応じた問題の種類を列挙・説明できる
・代表的な教師あり学習モデルの基本概念を理解する
・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
・ビジネスにおける教師あり学習の応用例を説明できる

8.教師なし学習

・教師なし学習には、特徴量のみが必要であることを理解する
・教師なし学習における、分析対象に応じた問題の種類を列挙・説明できる
・代表的な教師なし学習モデルの基本概念を理解する
・目的やデータの特性・量に応じて、適切な教師なし学習モデルを選択できる
・ビジネスにおける教師なし学習の応用例を説明できる

9.強化学習

・強化学習の基本概念を理解する
・強化学習と、教師あり学習および教師なし学習との差異を説明できる
・価値関数の学習と、方策の学習の2つの代表的なアプローチを理解する
・各アプローチに属する代表的な強化学習手法について概要を理解する
・ビジネスにおける強化学習の応用例を説明できる

10.モデルの選択・評価

・基本的なモデルの選択基準、評価方法並びに評価指標を理解する
・訓練誤差と汎化誤差の違いを説明できる
・データの量や目的に応じて、汎化性能を推定する検証方法を適切に選択できる
・汎化性能の悪化につながる代表的な現象を列挙・説明できる
・モデルの適用環境、ビジネス課題、並びに目的に応じて、適切な評価指標・モデルを選択できる
・モデルの複雑さを上げることによるメリット・デメリットを理解した上で、モデル選択の指針を説明できる

11.ニューラルネットワークとディープラーニング

・ニューラルネットワークの基礎的な知識を理解する
・ニューラルネットワークとディープラーニングの関係を説明できる
・ディープラーニングの学習に必要なデータ量や計算リソースについて理解し、ディープラーニングが適用可能な場面を挙げることができる
・CPU・GPU・TPUの特徴をそれぞれ説明できる
・GPUやTPUがディープラーニングの学習・推論に適する理由を説明できる

12.活性化関数

・代表的な活性化関数の定義・使い分け・注意点について、それぞれ説明できる
・ディープラーニングにおける活性化関数の役割を説明できる

13.誤差関数

・誤差関数の基礎的な知識を理解する
・代表的な誤差関数を理解する
・適用するタスクに応じて、適切な誤差関数を選択できる

14.正則化

・正則化を導入する目的を説明できる
・代表的な正則化手法の特徴を説明できる
・獲得したいモデルの特性に応じて、適切な正則化手法を選択できる

15.誤差逆伝播法

・誤差逆伝播法の概要を説明できる
・誤差逆伝播法の適用時に生じる問題とその主たる原因について説明できる

16.最適化手法

・勾配降下法の概要を理解する
・勾配降下法の問題とそれを解決するための手法を列挙できる
・勾配降下法の計算を効率化する方法を説明できる
・ハイパーパラメータの概要と代表的な調整方法を列挙・説明できる

17.全結合層

・全結合層の概要を理解する
・全結合層のパラメータ数について理解する
・ディープラーニングにおける全結合層の役割を説明できる

18.畳み込み層

・畳み込み層の基礎的な知識を理解する
・全結合層と畳み込み層の差異について、説明できる
・畳み込み層の役割について説明できる
・畳み込み層のパラメータ数について理解する
・畳み込み層が適用できるデータの特性について理解する

19.正則化層

・正規化層の基礎的な知識を理解する
・代表的な正規化手法について理解する
・正規化層がディープラーニングモデルの学習において、どのような役割を果たすのか説明できる

20.プーリング層

・プーリング層の基礎的な知識を理解する
・代表的なプーリング操作について理解する
・プーリング層がディープラーニングモデルの学習において、どのような役割を果たすのか説明できる

21.スキップ結合

・スキップ結合の概要を理解する
・ディープラーニングにおけるスキップ結合の役割を説明できる
・スキップ結合を活用したResidual Network（ResNet）の概要を理解する

22.回帰結合層

・回帰結合層の概要を理解する
・回帰結合層を含むネットワークであるRNNを理解する
・RNNがどのような特性のデータに適したモデルか説明できる
・RNNの学習方法について理解する
・RNNの学習における課題とその解決手法を説明できる

23.Attention

・Attention の基礎的な知識を理解する
・Attention がどのような役割を果たすのか説明できる
・RNN の問題点を Attention はどのように解決できるか説明できる
・Attention を用いた代表的モデルのTransformerについて理解する
・Self-AttentionとEncoder-Decoder Attention(Source Target Attention)について理解する

24.オートエンコーダ

・オートエンコーダの概要を理解する
・ディープラーニングにおけるオートエンコーダの役割を説明できる
・オートエンコーダの代表的な亜種を理解する

25.データ拡張

・データ拡張の基礎的な知識を理解する
・代表的なデータ拡張手法について理解する
・ディープラーニングにおけるデータ拡張の役割を説明できる
・タスクやデータセットに応じて、使用するデータ拡張手法を選択できる

26.画像認識

・画像認識タスクの種類とその概要について理解する
・代表的な画像認識モデルについて理解する
・画像認識が実世界において、どのように活用されているか理解する

27.自然言語処理

・自然言語処理タスクの種類とその概要について理解する
・自然言語処理タスクにおける特徴表現とその手法について理解する
・代表的な自然言語処理モデルについて理解する
・自然言語処理が実世界において、どのように活用されているか理解する

28.音声処理

・音声処理タスクの種類とその概要について理解する
・音声処理タスクにおける特徴表現とその手法について理解する
・代表的な音声処理モデルについて理解する
・音声処理が実世界において、どのように活用されているか理解する

29.深層強化学習

・代表的な強化学習モデルについて理解する
・強化学習が実世界において、どのように活用されているか理解する

30.データ生成

・データ生成タスクの種類とその概要について理解する
・代表的なデータ生成モデルについて理解する
・データ生成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

31.転移学習・ファインチューニング

・転移学習とファインチューニングの基礎的な知識を理解する
・どのような場面やタスクにおいて、転移学習・ファインチューニングが効果を発揮するのか理解する
・転移学習・ファインチューニングによって、様々なタスクにおいて大幅な精度向上を果たした代表的なモデルについて理解する

32.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

33.モデルの解釈性

モデルの解釈性が必要な背景について理解する
・解釈性が必要なユースケースについて理解する
・解釈性の向上に寄与する代表的な手法について理解する

34.モデルの軽量化

・モデルの軽量化が必要な背景について理解する
・モデルの軽量化が必要なユースケースについて理解する
・代表的なモデル軽量化手法について理解する

35.AI プロジェクトの進め方

・AIプロジェクトをどのように進めるか、全体像と各フェーズで注意すべき点などを理解する
・AIプロジェクトを進めるにあたって、考えるべき論点や基本となる概念、国内外の議論、並びに事例を理解する
・サービスやプロダクトとしてAIシステムを世に出す局面で注意すべきことを理解する
・AIの運用に必要となるモデルのヘルスモニタリングやライフサイクル管理等を理解する
・サービスやプロダクトとしてAIシステムを世に出す局面で注意すべきことを理解する
・AIの運用にあたって、どのようなことが必要か理解する

36.データの収集・加工・分析・学習

・AIの学習対象となるデータを取得・利用するときに注意すべきことを理解する
・集めたデータを加工・分析・学習させるときの注意点を理解する
・データを共有しながら共同開発を進める場合の留意点を理解する

37.AI に必要な数理・統計知識

・最適化に必要な数学基礎知識や微分を理解する
・機械学習で必要となる統計学基礎を理解する
・基本的な統計情報を計算できる

試験出題範囲（法律・倫理分野）

1.個人情報保護法

・個人情報保護法が適用される場面を理解できている
・個人情報等の定義に従い、基本的な事例について個人情報かのあてはめができる
・個人情報等に関して生じる常識的な義務について理解しており、具体的な場面において判断ができる
・匿名加工情報、仮名加工情報の制度趣旨や最基本事項について理解している
・GDPRが適用される場合の概要を理解している

2.著作権法

・AI開発における生成物の著作権の成否について、具体的な事例であてはめができる
・著作権法違反となるコードやデータ等の利用方法をAIの場面に即して理解している
・AI生成物に関する著作権について、論点と確立されている考え方について理解している
・ライセンスの必要性及びライセンス契約の理解をしている・データの利活用に関する著作権法上の留意点を理解している
・著作権法30条4のについて、制度趣旨と精度概要を理解している

3.特許法

・特許権と著作権のすみ分け、異同についてAIの場面に即して基本を理解している
・職務発明について基本を理解している
・発明、新規性、進歩性について、その趣旨を理解している
・特許権と営業秘密との違いについて理解している

4.不正競争防止法

・不正競争防止法による保護を特許権との差異において理解している
・営業秘密の三要件の基本事項を理解している
・限定提供データの制度趣旨や制度の最基本事項を理解している

5.独占禁止法

・AIと独占禁止法として、どのような事項が論点とされているかについて理解している

6.AI開発委託契約

・AI開発の各フェーズの内容とそれらのフェーズが置かれている趣旨を理解している
・各フェーズの内容と適切な契約関係を理解している
・知的財産の帰属と利用条件について理解している
・秘密保持契約（NDA)に関する基本的事項について理解している

7.AIサービス提供契約

・SaaS型における特殊性を理解している
・SaaS型の特殊性を踏まえ、保守や知的財産等に関する契約条項について基本事項を理解している

8.国内外のガイドライン

・各ガイドラインを通じ共通で議論されている事項を理解している
・ソフトロー・ハードローやリスクベースアプローチなどの重要な概念を理解し、そのメリット・デメリットを理解している

9.プライバシー

・プライバシー上の問題の所在と、プライバシーが問題となった著名な事例を理解している
・データ収集段階と推論段階でプライバシー上の問題が区別できることを理解している
・プライバシー上の問題に対応するための方策を理解している
・カメラ画像利活用ガイドブックなどに照らし、カメラ画像を利用するAIにおけるプライバシー上留意すべき事項や対応策などを理解している

10.公平性

・公平性の問題としてどのような問題が存在するのか理解している
・公平性に関する代表的な事例について理解している
・公平性の問題が生じる原因について理解している
・公平性に対処するための要検討事項を理解している
・公平性に対処するための技術の基礎について理解している

11.安全性とセキュリティ

・安全性に関する論点の所在と代表的な事例を理解している
・セキュリティ上の課題としてどのような攻撃等が存在しているのか理解している
・安全性やセキュリティの課題への対応手段を理解している

12.悪用

・AI技術の悪用の例とその影響の意味を理解している
・悪用事例ごとに対応策を理解している

13.透明性

・透明性、説明可能性について求められる根拠と内容を理解している
・説明可能性や透明性を確保するにあたって考慮すべき事項を理解している
・説明可能性確保技術の代表例の概要を理解している
・透明性を与える対象について代表的な事項を理解している

14.民主主義

・民主主義に対してどのような影響があるのかを理解している

15.環境保護

・環境保護とAIについてどのような点が議論されているのか理解している

16.労働政策

・AIが雇用に与える影響について理解している

17.その他の重要な価値

・インクルージョン、軍事利用、自律性などのAIの様々な課題について問題の所在を理解している

18.AIガバナンス

・AI倫理アセスメントの必要性について理解している
・人間やステークホルダー関与について、その意味と必要性を理解している
・AI倫理を実現するための組織体制の在り方について理解している
・AI倫理上の課題に対処するためのその他の様々な手法について理解している