2026年版・1-2

探索・推論と知識表現の一問一答

G検定（ジェネラリスト検定）「人工知能とは・人工知能をめぐる動向」から、探索・推論と知識表現に関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問／解説つき・基本無料

アプリ形式で解く（全480問）人工知能とは・人工知能をめぐる動向の要点解説を読む

問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は多肢選択式で、問い方は問題ごとに異なりますが、ここでは4択で出題しています。

問11-2

探索木を用いて解を探す方法のうち、「幅優先探索」の特徴として、最も適切なものを1つ選びなさい。

①出発点に近い節点から順番に調べるため、最短の解を必ず見つけられるが、多くの記憶領域を必要とする。
②出発点に近い節点から順に調べるため、使う記憶領域は少ないが、最短の解を見つけられるとは限らない。
③行けるところまで深く進んでから引き返すため、最短の解を必ず見つけられるが、多くの記憶領域を必要とする。
④ランダムに選んだ節点から調べ始めるため、使う記憶領域は少ないが、解が見つかる保証はまったくない。

答えと解説を見る

正解 ①出発点に近い節点から順番に調べるため、最短の解を必ず見つけられるが、多くの記憶領域を必要とする。

解説
幅優先探索は、探索木のうち出発点に近い（浅い）節点から順に、同じ深さのものをすべて調べてから次の深さへ進む方法です。浅い順に調べるので、最短で到達できる解を必ず見つけられます。その代わり、途中で調べた節点を記憶しておく必要があるため、問題が複雑になると多くの記憶領域（メモリ）を使います。

他の選択肢が不適切な理由
・近い節点から調べるが、記憶領域は少なく最短の解とは限らない：調べ方は幅優先探索のものなのに、性質が「深さ優先探索」のものになっており、組み合わせが誤っています。深さ優先探索は、行けるところまで深く進み、行き止まりになったら一つ手前に戻って別の道を探します。
・深く進んでから引き返し、最短の解を必ず見つける：進み方は深さ優先探索の説明なのに、性質が幅優先探索のものになっており、組み合わせが誤っています。
・ランダムに選んだ節点から調べ始める：幅優先探索の説明ではありません。

覚え方のポイント
「幅優先＝最短解が見つかる・メモリを多く使う」「深さ優先＝メモリは少ない・最短解とは限らない」。長所と短所がちょうど逆になる関係として覚えましょう。

問21-2

ロボットの行動計画（プランニング）で、「前提条件」「行動」「結果」の3つの組み合わせで行動を記述する方法として、最も適切なものを1つ選びなさい。

①SHRDLU
②STRIPS
③MYCIN
④ELIZA

答えと解説を見る

正解 ②STRIPS

解説
STRIPS（Stanford Research Institute Problem Solver）は、1971年に開発されたプランニングのための手法で、ロボットの行動を「前提条件（その行動をとるために満たすべき条件）」「行動」「結果（行動によって変化する状態）」の組み合わせで記述します。目標の状態に至るまでに、どの行動をどの順番で行えばよいかを、探索によって求めることができます。

他の選択肢が不適切な理由
・SHRDLU：テリー・ウィノグラードが開発したシステムで、積み木の世界にある物体を、英語による指示で動かすことができました。プランニングを実現した研究として知られますが、本問の記述方法そのものの名前ではありません。
・MYCIN：血液中の細菌による感染症の診断を支援し、抗菌薬を提案するエキスパートシステムです。
・ELIZA：精神療法の対話を模した、初期の会話プログラムです。

覚え方のポイント
「STRIPS＝前提条件・行動・結果でプランニング」「SHRDLU＝積み木の世界を英語で操作」。どちらも第1次AIブームの成果で、名前が似た綴りなので、中身で区別して覚えましょう。

問31-2

ボードゲームのAIで用いられる「ミニマックス法」の説明として、最も適切なものを1つ選びなさい。

①自分の手番では評価が最小の手を、相手の手番では評価が最大の手を選ぶと仮定して先を読む。
②自分と相手の両方の手番で、評価が最大になる手だけを選び続けると仮定して先を読む方法である。
③自分の手番では評価が最大の手を、相手の手番では評価が最小の手を選ぶと仮定して先を読む。
④先を読まずに、現在の盤面の評価が最大になる手を、毎回ランダムに1つ選び出す方法である。

答えと解説を見る

正解 ③自分の手番では評価が最大の手を、相手の手番では評価が最小の手を選ぶと仮定して先を読む。

解説
ミニマックス法は、ゲームの先の局面を探索木で読むときに、「自分は自分にとって最も有利な手（評価が最大の手）を選び、相手は自分にとって最も不利な手（評価が最小の手）を選ぶ」と仮定して、最善の手を決める方法です。相手も最善を尽くすと考えることで、最悪の場合でも損失を最小に抑える手を選ぶことができます。

他の選択肢が不適切な理由
・自分は最小、相手は最大を選ぶと仮定する：最大と最小の関係が逆になっています。
・両方の手番で最大の手を選び続けると仮定する：相手が自分に不利な手を選ぶことを考慮していないため、ミニマックス法ではありません。
・先を読まずにランダムに選ぶ：ミニマックス法は、先の局面を読んで手を決める方法です。

覚え方のポイント
ミニマックス法で調べる局面は膨大になるため、結果に影響しない枝の探索を省く「αβ法」が考案されました。「ミニマックス法を効率化したのがαβ法」という関係で覚えておきましょう。

問41-2

ミニマックス法による探索を効率化する「αβ法」の説明として、最も適切なものを1つ選びなさい。

①ランダムに最後まで打ち合う試行を多数行い、その勝率で局面を評価する方法
②過去の対局の棋譜から、次に指されやすい手を学習して候補を絞り込む方法
③すべての局面を漏れなく調べ尽くすことで、必ず最善の手を見つける方法
④最終的な手の選択に影響しない枝の探索を打ち切り、調べる局面を減らす方法

答えと解説を見る

正解 ④最終的な手の選択に影響しない枝の探索を打ち切り、調べる局面を減らす方法

解説
αβ法は、ミニマックス法で探索するときに、それ以上調べても最終的に選ぶ手が変わらないと分かった枝の探索を打ち切る（枝刈りする）ことで、調べる局面の数を減らす方法です。ミニマックス法と同じ結果を、より少ない計算で得ることができます。打ち切りの種類として「αカット」と「βカット」があります。

他の選択肢が不適切な理由
・ランダムに最後まで打ち合う試行の勝率で評価する：これは「モンテカルロ法」の説明です。局面の評価値を人が作るのが難しい囲碁などで効果を上げました。
・過去の棋譜から次の手を学習する：機械学習による手の予測の説明で、αβ法ではありません。
・すべての局面を漏れなく調べ尽くす：これはしらみつぶしの探索（ブルートフォース）で、枝刈りによって探索を減らすαβ法とは逆の考え方です。

覚え方のポイント
「ミニマックス法＝最大・最小を仮定して読む」「αβ法＝無駄な枝を刈る」「モンテカルロ法＝ランダムな打ち合いの勝率で評価」。ゲームAIの3つの手法をセットで覚えましょう。

問51-2

囲碁のように、局面の良し悪しを数値で評価することが難しいゲームで効果を上げた、「ある局面から最後までランダムに打ち合う試行（プレイアウト）を多数行い、その勝率で局面の良さを評価する」方法として、最も適切なものを1つ選びなさい。

①モンテカルロ法
②ミニマックス法
③幅優先探索
④エキスパートシステム

答えと解説を見る

正解 ①モンテカルロ法

解説
モンテカルロ法は、乱数を使った試行を多数繰り返して、答えを近似的に求める方法の総称です。ゲームAIでは、ある局面から最後までランダムに打ち合う「プレイアウト」を何度も行い、勝った割合によって、その局面や手の良さを評価します。囲碁は打てる手の数が非常に多く、局面を数値で評価する方法（評価関数）を人が作るのが難しかったため、この方法が大きな効果を上げました。後のAlphaGoも、これを発展させた「モンテカルロ木探索」とディープラーニングを組み合わせています。

他の選択肢が不適切な理由
・ミニマックス法：自分は最大、相手は最小の評価の手を選ぶと仮定して先を読む方法で、局面の評価値が必要になります。
・幅優先探索：浅い節点から順に調べる探索の方法で、ランダムな試行による評価は行いません。
・エキスパートシステム：専門家の知識をルールとして組み込んだシステムで、ゲームの局面評価の方法ではありません。

覚え方のポイント
「モンテカルロ＝乱数でたくさん試して勝率を見る」。AlphaGoの仕組み（モンテカルロ木探索＋ディープラーニング）の問題にもつながる重要語です。

問61-2

1970年代にスタンフォード大学で開発され、血液中の細菌による感染症の診断を支援し、使用すべき抗菌薬を提案したエキスパートシステムとして、最も適切なものを1つ選びなさい。

①DENDRAL
②MYCIN
③SHRDLU
④Cyc

答えと解説を見る

正解 ②MYCIN

解説
MYCIN（マイシン）は、1970年代にスタンフォード大学で開発されたエキスパートシステムです。医師に質問して得た回答をもとに、あらかじめ組み込まれた数百個のルールを使って、血液中の細菌による感染症の診断を支援し、使用すべき抗菌薬を提案しました。1979年に発表された評価では、髄膜炎の症例に対するMYCINの抗菌薬の選択が、感染症の専門家による判定で、専門医たちの選択と同等以上の割合で「受け入れられる」と評価されました。ただし、実際の診療で使われることはありませんでした。

他の選択肢が不適切な理由
・DENDRAL：1960年代にスタンフォード大学のエドワード・ファイゲンバウムらが開発したエキスパートシステムで、未知の有機化合物を特定することを目的としていました。
・SHRDLU：テリー・ウィノグラードが開発した、積み木の世界を英語で操作するシステムです。
・Cyc：人間が持つ一般常識をすべてコンピュータに記述しようとするプロジェクトです。

覚え方のポイント
「MYCIN＝医療（感染症と抗菌薬）」「DENDRAL＝化学（有機化合物の特定）」。どちらも第2次AIブームを代表するエキスパートシステムです。

問71-2

エキスパートシステムが普及しきれなかった理由として指摘される「知識獲得のボトルネック」の説明として、最も適切なものを1つ選びなさい。

①エキスパートシステムは計算量が多すぎて、当時のコンピュータでは実行できなかった。
②エキスパートシステムは学習データが少ないと、ルールを自動で作ることができなかった。
③専門家の知識は経験的で言葉にしにくく、ルールとして取り出し入力するのが困難だった。
④推論に使う規則の数が少なすぎて、単純な問題しか解くことができなかった。

答えと解説を見る

正解 ③専門家の知識は経験的で言葉にしにくく、ルールとして取り出し入力するのが困難だった。

解説
エキスパートシステムは、専門家の知識をルールとしてコンピュータに組み込み、専門家のように判断させる仕組みです。しかし、専門家の知識には、経験から身に付けた「勘」のような、言葉で説明しにくい部分が多く含まれていました。そうした知識を聞き出してルールに書き起こす作業には膨大な手間がかかり、ルールが増えると矛盾の管理も難しくなりました。この「知識を獲得する段階」が障壁になったことを、知識獲得のボトルネックといいます。

他の選択肢が不適切な理由
・計算量が多すぎて実行できなかった：MYCINのように実際に動作したシステムもあり、主な理由ではありません。
・学習データが少ないとルールを自動で作れない：エキスパートシステムは、データから学習するのではなく、人がルールを入力する仕組みです。
・規則の数が少なすぎて単純な問題しか解けなかった：実際には、規則を増やすほど知識の入力と管理の手間が膨らんだことが問題でした。規則の数が少なかったことが原因ではありません。

覚え方のポイント
知識を人が入力する難しさを避けるため、第3次AIブームでは「データから機械が自ら学ぶ」機械学習が主役になりました。第2次から第3次への流れの理由として押さえましょう。

問81-2

意味ネットワークで用いられる関係のうち、「哺乳類は動物である」のように上位概念と下位概念の関係を表すものとして、最も適切なものを1つ選びなさい。

①part-of関係
②has-a関係
③has-part関係
④is-a関係

答えと解説を見る

正解 ④is-a関係

解説
意味ネットワークは、概念をノード（点）で、概念どうしの関係をリンク（矢印）で表した知識の表現方法です。代表的な関係に「is-a関係」と「part-of関係」があります。is-a関係は「哺乳類は動物である」「犬は哺乳類である」のように、上位概念と下位概念の関係（継承関係）を表します。is-a関係には推移律が成り立ち、「犬は哺乳類」「哺乳類は動物」から「犬は動物」を導くことができます。また、下位概念は上位概念の性質を引き継ぎます。

他の選択肢が不適切な理由
・part-of関係：「タイヤは自動車の一部である」のように、全体と部分の関係を表します。
・has-a関係：「自動車はタイヤを持つ」のように、所有や構成の関係を表す言い方で、上位・下位の関係ではありません。
・has-part関係：part-of関係を全体の側から見た言い方で、やはり全体と部分の関係です。

覚え方のポイント
「is-a＝〜の一種（種類の関係）」「part-of＝〜の一部（部品の関係）」。part-of関係には、推移律が成り立つ場合と成り立たない場合があるという点も、あわせて問われることがあります。

問91-2

人間が持つ一般常識をすべてコンピュータに記述しようとして、1984年にダグラス・レナートが始めたプロジェクトとして、最も適切なものを1つ選びなさい。

①Cycプロジェクト
②第五世代コンピュータ
③ロボカップ
④東ロボくん

答えと解説を見る

正解 ①Cycプロジェクト

解説
Cyc（サイク）プロジェクトは、1984年にダグラス・レナートが始めたプロジェクトで、人間が持つあらゆる一般常識をコンピュータに記述し、知識ベースとして使えるようにすることを目指しています。長年にわたって続けられてきましたが、常識の量はきわめて膨大で、すべてを記述し尽くすことの難しさを示す例として知られています。このように知識を表現するときの概念の体系を整理する学問や仕組みは「オントロジー」と呼ばれます。

他の選択肢が不適切な理由
・第五世代コンピュータ：1982年から日本の通商産業省（当時）が進めた国家プロジェクトで、推論を高速に行うコンピュータの開発を目指しました。
・ロボカップ：ロボットによるサッカーなどを通じて、ロボット工学とAIの研究を進める国際的なプロジェクトです。
・東ロボくん：国立情報学研究所が2011年に始めた「ロボットは東大に入れるか」というプロジェクトのAIで、2016年に東大合格の目標を断念しました。

覚え方のポイント
「Cyc＝一般常識をすべて記述」。知識を書き尽くす難しさは、エキスパートシステムの「知識獲得のボトルネック」と同じ根っこの問題です。

問101-2

2011年にアメリカのクイズ番組「ジェパディ！」で人間のチャンピオンに勝利した、IBMの質問応答システムとして、最も適切なものを1つ選びなさい。

①ディープブルー
②ワトソン
③アルファ碁
④イライザ

答えと解説を見る

正解 ②ワトソン

解説
ワトソン（Watson）は、IBMが開発した質問応答システムで、2011年にアメリカのクイズ番組「ジェパディ！」で、歴代の人間のチャンピオンに勝利しました。質問の意味を人間のように深く理解しているというより、大量の文書から質問に関係する知識を探し出し、答えの候補を確からしさで絞り込む仕組みでした。コンピュータにデータを読み込ませて概念どうしの関係を見つけ出す「ライトウェイトオントロジー」の考え方を用いた例として知られています。

他の選択肢が不適切な理由
・ディープブルー：IBMが開発したチェス専用のコンピュータで、1997年に世界チャンピオンのガルリ・カスパロフに勝利しました。
・アルファ碁（AlphaGo）：Google傘下のDeepMind社が開発した囲碁のAIで、2016年にトップ棋士のイ・セドルに勝利しました。
・イライザ（ELIZA）：1960年代に作られた初期の会話プログラムです。

覚え方のポイント
「1997年ディープブルー（チェス）→ 2011年ワトソン（クイズ）→ 2016年アルファ碁（囲碁）」と、年と分野の流れで覚えましょう。

G検定は一般社団法人日本ディープラーニング協会の登録商標です。本ページは一般社団法人日本ディープラーニング協会とは一切関係ありません。

G検定の対策問題（全480問）に戻る

非公式の資格試験対策サイトです。一般社団法人日本ディープラーニング協会とは一切関係ありません。

※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。