【G検定】Mixupとは？2つのデータとラベルを混ぜ合わせるデータ拡張をわかりやすく解説
2026年7月5日
犬の写真と猫の写真を半透明に重ねて、ラベルも「犬60%・猫40%」にする——現実には存在しない"中間のデータ"をあえて学習させるのがMixupです。シンプルなのに過学習の抑制や敵対的攻撃への耐性向上まで報告されている強力な手法で、CutMix・Cutoutとの区別がG検定の定番論点です。
【G検定】モデル汚染とは？標的型・非標的型の違いと防止策をわかりやすく解説
2026年7月5日
AIモデルは「学習したとおり」に動きます。では、学習の段階で細工されたデータを食べさせられていたら——。モデル汚染は、AIの学習過程そのものを乗っ取ってモデルの挙動を操作する攻撃です。G検定では標的型・非標的型という2タイプの区別まで問われます。
【G検定】Cutoutとは？画像の一部をマスクして過学習を防ぐデータ拡張をわかりやすく解説
2026年7月5日
学習画像のあちこちに、わざと四角い「目隠し」を貼って見えなくする——そんな意地悪な訓練でモデルを強くするのがCutoutです。2017年に提案されたCNN向けの正則化手法で、のちのCutMixの源流にもなりました。G検定では「マスクするだけでラベルは変えない」という点が最大の識別ポイントです。
【G検定】モデル窃取とは？APIから学習済みAIが複製される仕組みと対策を解説
2026年7月5日
何億円もかけて開発した学習済みAIモデルが、API経由の問い合わせだけで「コピー」されてしまう——。モデル窃取は、AIそのものを標的にした知的財産の侵害です。G検定ではデータ窃取・データ汚染などと並ぶ「安全性とセキュリティ」の重要キーワードとして登場します。
【G検定】CutMixとは？画像の切り貼りとラベル混合で鍛えるデータ拡張をわかりやすく解説
2026年7月4日
犬の写真の一部を四角く切り取って、そこに猫の写真を貼り付ける。ラベルは「犬70%・猫30%」。そんな一見奇妙な学習データを作るのがCutMixです。CutoutとMixupの「いいとこ取り」として提案され、G検定ではこの3手法の違いを正確に区別できるかが問われる要注意キーワードです。