G 検定第 6 回の申込が始まりました（2026 年 9 月 11 日開始、10 月 29 日締切、試験は 11 月 6〜7 日）。
ここから 2 か月が学習期間です。

私は第 3 回（2026 年）に合格しました。そのとき一番つらかったのが、
「用語は言えるのに、なぜそうなるのかは言えない」状態のまま進むことでした。
G 検定は選択式なので、それでもある程度は取れてしまいます。だから余計に危ない。

この記事では、暗記で通り過ぎやすいのに、数字を出すと一瞬で腑に落ちる論点を 5 つ扱います。
全部、この記事のために実際に動かして出した値です。コードも載せるので、手元で再現できます。

1. 勾配消失は「なんとなく消える」のではない。0.25 の累乗で消える

暗記で済ませがちな説明

シグモイド関数を使うと層が深いときに勾配が消失するため、ReLU が使われる。

これは正しいのですが、なぜ消えるのかが抜けています。ここが穴のままだと、
「ReLU にすれば解決」以上のことが言えません。

数字を出す

シグモイド $\sigma(x) = 1/(1+e^{-x})$ の微分は $\sigma'(x) = \sigma(x)(1-\sigma(x))$ です。
この関数の最大値を出してみます。

import numpy as np
def sig(x): return 1 / (1 + np.exp(-x))
def dsig(x): s = sig(x); return s * (1 - s)

xs = np.linspace(-8, 8, 100001)
print(dsig(xs).max(), xs[dsig(xs).argmax()])
# → 0.25  （x = 0.0）

最大でも 0.25 です。 $x=0$ のときが一番大きく、そこから離れるほど小さくなります。

誤差逆伝播は連鎖律なので、層をさかのぼるたびにこの値が掛かります。
一番条件が良いときですら 0.25 倍ということは、

0.25^5  = 9.77e-04
0.25^10 = 9.54e-07
0.25^20 = 9.10e-13
0.25^30 = 8.67e-19

10 層で約 100 万分の 1（$0.25^{10}=1/1{,}048{,}576$）、30 層では約 115 京分の 1 です。
「消える」というより、掛け算の性質としてそうなるしかないわけです。

実際のネットワークで測る

理屈だけでなく、実際に層を重ねて勾配の大きさを測りました
（各層 64 ユニット、重みは平均 0・標準偏差 $1/\sqrt{n}$ の正規分布、200 回の平均）。

層数	シグモイド	ReLU
1	1.68e-01	6.48e-01
5	5.06e-04	1.54e-01
10	3.68e-07	2.56e-02
20	1.79e-13	6.62e-04
30	9.35e-20	2.05e-05

30 層で比べると、ReLU はシグモイドの約 220 兆倍の勾配が残っています。

rng = np.random.default_rng(0)
def measure(act, L, n=64, trials=200):
    g = []
    for _ in range(trials):
        h = rng.standard_normal(n); grad = np.ones(n)
        for _l in range(L):
            W = rng.standard_normal((n, n)) / np.sqrt(n)
            z = W @ h
            h = sig(z) if act == "sigmoid" else np.maximum(z, 0)
            d = dsig(z) if act == "sigmoid" else (z > 0).astype(float)
            grad = W.T @ (grad * d)
        g.append(np.abs(grad).mean())
    return np.mean(g)

for L in (1, 5, 10, 20, 30):
    print(L, measure("sigmoid", L), measure("relu", L))

試験で問われる形に戻すと

なぜ ReLU か → 正の領域で微分が 1 だから、掛けても小さくならない
ReLU の弱点は → 負の領域で微分が 0。一度その側に入った素子は勾配を返さなくなる（dying ReLU）
その対策は → Leaky ReLU（負側にわずかな傾きを残す）など

「0.25 の累乗」を一度見ておくと、この 3 つが別々の暗記項目ではなく一続きの話になります。

2. XOR が単層で解けないのは「性能不足」ではない。原理的に無理

暗記で済ませがちな説明

単層パーセプトロンは線形分離可能な問題しか解けない。XOR は解けない。

暗記としては十分ですが、**「学習を長く回せばいつか解けるのでは？」**という疑問が
残ったままの人は多いと思います。答えは「回しても無理」です。

動かしてみる

単層パーセプトロンに XOR を 1000 回学習させました。

X = np.array([[0,0],[0,1],[1,0],[1,1]], float)
y = np.array([0, 1, 1, 0], float)
w = rng.standard_normal(2) * 0.1; b = 0.0
for _ in range(1000):
    p = sig(X @ w + b); e = p - y
    w -= 0.5 * (X.T @ e) / len(X); b -= 0.5 * e.mean()
print(np.round(sig(X @ w + b), 3))
# → [0.5 0.5 0.5 0.5]

出力は 4 つとも 0.5 に収束しました。つまりどれも判定できていない状態です。
学習が足りないのではなく、損失を最小にすると「全部わからない」に落ち着く。
これが「原理的に無理」の意味です。

紙の上では、1 本の直線で $(0,0),(1,1)$ と $(0,1),(1,0)$ を分けようとして
できないことを確かめれば同じ結論になります。

試験で問われる形に戻すと

層を重ねる動機は「精度を上げたいから」ではなく、直線 1 本では表現できない領域を作るため
だから多層＋非線形な活性化関数の両方が要る（線形関数を重ねても 1 枚の線形関数に潰れる）

ここまで繋がると、「なぜ活性化関数に非線形が必要か」という問いも同じ話として答えられます。

3. 誤差逆伝播は新しい発明ではない。連鎖律そのもの

微分の連鎖律 $\frac{\partial L}{\partial w} = \frac{\partial L}{\partial y}\cdot\frac{\partial y}{\partial w}$ を、
層の数だけ繰り返しているだけです。日本語にすると

出口のズレを入口へ配って、そのぶん重みをずらす

これだけです。「バックプロパゲーション」という語感から特別な手続きを想像しがちですが、
やっていることは高校数学の合成関数の微分です。

覚えるべきなのは手順ではなく順序です。

順伝播で予測を出す
出力層で誤差を測る
出力側から入力側へ、連鎖律で勾配を伝える
各層の重みを勾配の逆方向に動かす

1 の値を保持しておかないと 3 が計算できない、という依存関係まで押さえると、
「なぜ順伝播の途中結果をメモリに持つ必要があるのか」（＝深いモデルがメモリを食う理由）も
同時に説明できます。

4. 「精度が足りなくて廃れた」は、少なくとも 1 つの例では事実と違う

エキスパートシステムの説明でよく見る「精度が実用に足りず廃れた」。
MYCIN に関しては、これは事実と違います。

1979 年に JAMA へ載った評価試験では、髄膜炎の 10 症例について処方を伏せて評価しました。

	「受け入れられる」と判定された割合
MYCIN	65%
比較された感染症専門医 5 人	42.5% 〜 62.5%

専門医を上回っています。 それでも臨床には置かれませんでした。

理由は精度ではなく、知識の保守と責任の所在です。ルールは書いた瞬間から古くなり、
現場が変われば破綻する。誤診したとき誰が責任を負うのかも決まらない。
G 検定で問われる「エキスパートシステムの限界」は、この知識獲得のボトルネックの話です。

試験で問われる形に戻すと

限界＝精度ではなく、知識をルールとして書き出し、保守し続けることの困難
「暗黙知は書き出せない」（ポランニー）という論点と繋がる
そして、この行き止まりへの答えとして出てくるのが「データから学ばせる」機械学習

歴史の順番を覚えるのではなく、前の手法の行き止まりが次の手法の動機になっていると
捉えると、順番が自然に出てきます。

5. 「第 3 次 AI ブームの要因」を 3 つ言えるか

ここは暗記で取れる項目ですが、因果で並べ直すと忘れません。

要因	なぜそれが効いたか
データ	学習に必要な量が、Web の普及で初めて揃った
計算資源	GPU の並列計算が、行列積の塊である NN と相性が良かった
アルゴリズム	事前学習・ReLU・ドロップアウト等で深く積んでも学習できるようになった

3 つ目が論点 1（勾配消失）と直結しています。
データと計算資源が揃っても、勾配が消えるままなら深いモデルは学習できない。
だから 3 つ揃って初めてブームになった、という因果で押さえられます。

まとめ

論点	暗記で済ませると	数字で見ると
勾配消失	「深いと消える」	σ' の最大が 0.25。累乗で消える
XOR	「線形分離できない」	1000 回回しても全部 0.5 に収束
誤差逆伝播	「BP という手法」	連鎖律そのもの。出口のズレを入口へ配る
エキスパートシステム	「精度不足で廃れた」	専門医を上回っていた（65% 対 42.5〜62.5%）
第 3 次ブーム	「3 つの要因」	3 つ目が 1 つ目の行き止まりへの答え

G 検定は範囲が広いので、全部をこの深さでやる時間はないと思います。
ただ、この 5 つは他の論点の土台になっているので、ここだけ数字で確かめておくと
周辺の問題がまとめて取れるようになります。

付記：手を動かす場所

上のコードはすべて NumPy だけで動きます。コピーして実行してみてください。

私自身は、覚えるのが苦痛だったので歴史の順に読める学習マンガと、
パラメータを動かせる図解を作りました。重みを動かすと誤差が落ちる、
ルールが 1 歩ずつ発火する、といったものをその場で触れます。

図解: https://manga-epoch.pages.dev/pub/epoch/arc1/figures
本編（第 1 巻は全編無料・登録不要）: https://manga-epoch.pages.dev/

同じところで詰まっている方の役に立てば幸いです。試験、お互いがんばりましょう。