【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。
【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。
【E資格】多層パーセプトロンとは｜全結合層・重み・バイアスの基礎を解説
2026年7月5日
多層パーセプトロン(MLP)は、深層学習のすべてのモデルの原型となる最も基本的なニューラルネットワークです。この項目では、全結合層・重み・バイアスという構成要素と、入力から出力までの順伝播の計算を学びます。CNNやTransformerを理解する上でも必須の土台です。