基本情報技術者試験（FE）科目Aの頻出用語シリーズ、特別編〈AI・機械学習〉です。

2024年10月のシラバス改訂（Ver.9.0）で、科目Aは AI・データサイエンス分野が大きく強化 されました。実際、近年の試験でもAIの問題は出題されています。難しい数式は問われず「用語の意味を理解しているか」が中心——つまり、用語を押さえれば確実な得点源になる分野です。

今回は、現役クラウドエンジニアの視点（💡現場メモ）で、生成AI時代に必修のワードまで踏み込んでまとめました。

この記事の対象読者 / わかること

科目AのAI分野が不安／これから狙われる範囲を先取りしたい方
✅ AI・機械学習・ディープラーニングの 必修用語
✅ 生成AI・LLM・RAGなど 最新ワード（実務の現場メモ付き）
✅ 評価指標「適合率・再現率・F値」の計算

📚 AI・機械学習用語まとめ

AI分野は「広く・イメージで」つかむのがコツ。各用語を ひとことで言える 状態を目指しましょう。

🏷️ 用語のラベルについて（ここ大事）

正直に言うと、AI用語はすべてが「基本情報で頻出」ではありません。そこで各用語に重要度ラベルを付けました。試験合格だけが目的なら、まず🔥だけでOKです。

🔥 FE頻出：基本情報で実際によく問われる核。最優先
🌱 今後狙われる：シラバス改訂で追加・最近出始めた領域（生成AIなど）
➕ 発展（AP・実務）：応用情報やG検定・実務寄り。教養としての+α

① AIの基礎

用語	ひとことで言うと
🔥 AI（人工知能）	人間の知的活動をコンピュータで実現する技術・システム
🔥 機械学習（マシンラーニング）	大量データからパターンや規則をコンピュータ自身が学習する手法。AIの一分野
🔥 ディープラーニング（深層学習）	ニューラルネットワークを多層にした機械学習。画像・音声・言語で高精度
🔥 ニューラルネットワーク	人間の神経細胞（ニューロン）を模した数理モデル
🔥 学習データ・特徴量	学習に使うデータ／その「着目すべき特徴」を数値化したもの

💡 現場メモ：「AI ＞機械学習＞ディープラーニング」という 包含関係 をまず押さえると、用語が一気に整理できます。世間で言う“AI”の多くは、実態は機械学習・ディープラーニングです。

② 機械学習の3分類

用語	ひとことで言うと
🔥 教師あり学習	入力と「正解」をセットで与えて学習。FEで最も問われる
🔥 教師なし学習	正解なしで、データの構造や規則を見つける
🔥 強化学習	試行錯誤し、報酬が最大になる行動を学習
🔥 回帰・分類（教師あり）	数値を予測する回帰／カテゴリを当てる分類
🔥 クラスタリング（教師なし）	データを似たもの同士にグループ分け
➕ 強化学習の4要素	エージェント・環境・行動・報酬

③ ディープラーニング

用語	ひとことで言うと
➕ パーセプトロン	ニューラルネットの最小単位。入力に重みをかけて出力
➕ 活性化関数	ニューロンの出力を決める関数（シグモイド／ReLU など）
🌱 誤差逆伝播法（バックプロパゲーション）	出力の誤差をさかのぼって、重みを調整する学習法
🔥 過学習（オーバーフィッティング）	訓練データに適合しすぎ、未知データで精度が落ちる現象
🌱 CNN（畳み込みニューラルネットワーク）	画像認識が得意なディープラーニング
➕ RNN（再帰型ニューラルネットワーク）	時系列・文章など順序のあるデータが得意

④ モデルの評価

用語	ひとことで言うと
🌱 訓練データ・テストデータ	学習用／性能を測る検証用に分ける
➕ ホールドアウト法・交差検証（クロスバリデーション）	データを分割して評価／分割を変えて繰り返し評価
➕ 混同行列	予測の正解・不正解を表にしたもの（→計算編）
➕ 適合率・再現率・F値	予測の正確さ／取りこぼしの少なさ／その調和平均
➕ 過学習対策（正則化・ドロップアウト）	モデルが複雑になりすぎるのを防ぐ手法

⑤ 生成AI・最新ワード（狙われ始めています）

用語	ひとことで言うと
🌱 生成AI（ジェネレーティブAI）	文章・画像・コードなどを新しく生成するAI
🌱 大規模言語モデル（LLM）	膨大なテキストで学習した、言語生成の大型モデル
🌱 プロンプト	生成AIへの指示文。書き方で出力が大きく変わる
🌱 ファインチューニング	学習済みモデルを特定用途に追加学習させて最適化
🌱 ハルシネーション	生成AIが、事実と異なる内容をもっともらしく出力する現象
➕ RAG（検索拡張生成）	外部知識を検索してから回答させ、精度・最新性を高める手法

💡 現場メモ：実務で「自社データに対応させたい」とき、最初の選択肢は RAG（手軽・最新情報に強い）。さらに専門特化させたいときに ファインチューニング を検討、という使い分けが定番です。クラウドの生成AIサービス（Amazon Bedrock など）でもこの2つは中心的な機能です。

⚠️ ハルシネーションは引っかけ＆実務の最重要ポイント。「生成AIの出力は必ず正しい」は誤り。人間のファクトチェックが前提、という理解が問われます。

⑥ AIの活用と倫理

用語	ひとことで言うと
🔥 画像認識・音声認識・自然言語処理（NLP）	AIの代表的な応用分野
🌱 チャットボット	自動で対話する仕組み。NLP・生成AIを活用
🌱 AIバイアス	学習データの偏りが、出力の偏り・差別につながる問題
➕ 説明可能なAI（XAI）	AIの判断根拠を、人が理解できるようにする取り組み
🌱 AI倫理・シンギュラリティ	AIの社会的責任／AIが人知を超えるとされる転換点

💡 現場メモ：業務で生成AIを使うほど、バイアス・著作権・情報漏えいといった「AI倫理・ガバナンス」が現実の論点になります。試験で問われる倫理の視点は、そのまま実務のリスク管理につながっています。

📐 計算ポイント：適合率・再現率・F値

AIモデルの「当たり具合」を測る指標です。混同行列（下表）から計算します。

➕ ここは「発展（AP・実務寄り）」です。 基本情報の合格だけが目的なら、いったん飛ばしてもOK。応用情報やデータ分析の実務で効いてくる内容なので、余裕があれば押さえましょう。

	予測：陽性	予測：陰性
実際：陽性	TP（真陽性）	FN（偽陰性）
実際：陰性	FP（偽陽性）	TN（真陰性）

\text{適合率（Precision）} = \frac{TP}{TP + FP} \qquad \text{再現率（Recall）} = \frac{TP}{TP + FN}

\text{F値} = \frac{2 \times \text{適合率} \times \text{再現率}}{\text{適合率} + \text{再現率}}

📝 例題：TP=80、FP=20、FN=40 のとき？

適合率＝ 80 ÷ (80 + 20) ＝ 0.8
再現率＝ 80 ÷ (80 + 40) ≒ 0.67
F値＝ 2 × 0.8 × 0.67 ÷ (0.8 + 0.67) ≒ 0.73

適合率（誤検出の少なさ）と再現率（取りこぼしの少なさ）は トレードオフ の関係。F値はそのバランスを見る指標です。

✅ 理解度チェックリスト

「AI・機械学習・ディープラーニング」の包含関係を説明できる
教師あり／教師なし／強化学習を区別できる
回帰と分類の違いを説明できる
過学習とは何か、その対策を説明できる
CNNとRNNの得意分野を言える
適合率・再現率・F値を計算できる
生成AI・LLM・プロンプトを説明できる
RAGとファインチューニングの使い分けを説明できる
ハルシネーションとは何か説明できる
AIバイアス・XAIなど倫理の論点を説明できる

❓ よくある質問（FAQ）

Q. 科目AでAIはどのくらい出ますか？
A. 数問程度ですが、シラバス改訂で強化された注目分野です。難しい数式ではなく「用語の意味」が中心なので、コスパの良い得点源になります。

Q. 生成AIやLLMまで覚える必要ある？
A. 近年の技術動向を反映して出題され始めている領域です。深い理論は不要ですが、生成AI・ハルシネーション・プロンプトあたりは押さえておくと安心です。

Q. AIが苦手で、用語が頭に入りません。
A. まず 包含関係（AI＞機械学習＞DL） と 3分類（教師あり/なし/強化） の2点だけ固めればOK。残りは身近な例（画像認識＝CNN など）と結びつけると覚えやすいです。

📝 補足：シラバス改訂について

AI・データサイエンス分野は、シラバス Ver.9.0（2024年10月試験から適用） で強化されました¹。最新の出題範囲・用語は必ず IPA公式シラバスで確認してください。生成AI関連は技術動向に合わせて随時アップデートされるため、直近の改訂にも目を通しておくと安心です。

おわりに

これで、科目Aの頻出用語シリーズ（S〜D ＋ AI特別編）はひと区切りです。AI分野は これからの試験でますます重視される うえ、実務でも避けて通れません。用語のイメージをつかんだら、過去問でAI問題の「問われ方」に慣れていきましょう。

AIは、試験のためだけでなく キャリアの武器 になる分野です。ここを得意にできれば、合格の先まで効いてきます 🔥

次は 科目B（アルゴリズム・情報セキュリティ）編 を準備中です。お楽しみに！

🔗 関連記事・SNS

📚 科目A 頻出用語シリーズ（全5回＋特別編）

✍️ 発信のフォローはこちら

クラウド × 生成AI × キャリアについて発信しています。役に立ったら、各種フォロー＆ LGTM・ストック していただけると励みになります！

X（Twitter）: @EBE_Ryuki
Zenn: zenn.dev/ebe_ryuki
note: note.com/ebe0911
LinkedIn: ryuki-ebe
Instagram: @ryuk.i0911

現在の科目A／科目B形式は、シラバス Ver.9.0（2024年10月試験から適用）以降のものです。AI・データサイエンス関連は近年の技術動向を踏まえて強化されています。 ↩