【G検定】フェイクニュースとは？生成AIが加速させる偽情報の脅威と実例を解説
2026年7月5日
偽の情報が本物のニュースの顔をして拡散し、選挙を揺さぶり、巨額詐欺の道具になる——。フェイクニュースは昔からある問題ですが、AIの進化によって「作る手間」と「見破る難しさ」が一変しました。G検定ではAIの悪用と民主主義への影響、両方の文脈で問われるキーワードです。
【G検定】noising(ノイジング)とは？ノイズを加えて頑健にするデータ拡張をわかりやすく解説
2026年7月5日
きれいなデータばかりで学習したモデルは、現実の「汚れた」データに弱くなりがちです。そこで、学習データにわざとノイズを混ぜて鍛えるのがnoising(ノイジング)です。画像にもテキストにも使える汎用的なデータ拡張手法で、特に自然言語処理での有効性がG検定の押さえどころです。
【G検定】ディープフェイクとは？AIが作る偽の映像・音声の脅威をわかりやすく解説
2026年7月5日
本人そっくりの顔と声で、本人が一度も言っていないことを語る動画——。ディープフェイクは、深層学習を使って「本物と見分けがつかない偽物」を作り出す技術です。G検定ではAIの「悪用」を代表するキーワードとして、フェイクニュースとセットで登場します。
【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。
【E資格】出力層と損失関数｜MSE・クロスエントロピー・ソフトマックスの使い分け
2026年7月5日
ニューラルネットワークの出力層と損失関数は、解きたいタスクの種類によって決まるペアです。この項目では、回帰・2値分類・多クラス分類・マルチラベル分類・順序回帰それぞれに対する出力層の設計と損失関数の選び方を学びます。E資格では組み合わせの正誤判定や損失の計算が頻出です。