2026年版・1-4

AIブームの歴史と機械学習・DLの発展の一問一答

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、AIブームの歴史と機械学習・DLの発展に関する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11-4

これまでのAIブームと、それぞれの時代の中心となった技術の組み合わせとして、最も適切なものを1つ選びなさい。

①第1次は探索・推論、第2次は知識表現、第3次は機械学習とディープラーニング
②第1次は知識表現、第2次は探索・推論、第3次は機械学習とディープラーニング
③第1次は機械学習、第2次は探索・推論、第3次は知識表現とディープラーニング
④第1次は探索・推論、第2次は機械学習、第3次は知識表現とディープラーニング

答えと解説を見る

正解 ①第1次は探索・推論、第2次は知識表現、第3次は機械学習とディープラーニング

解説
AIの研究には、これまで3回のブームがありました。第1次AIブーム（1950年代後半〜1960年代）は、迷路やパズルを探索や推論で解く研究が中心でしたが、現実の複雑な問題は解けないことが分かり、冬の時代を迎えました。第2次AIブーム（1980年代）は、専門家の知識をコンピュータに入れる知識表現とエキスパートシステムが中心でした。第3次AIブーム（2000年代〜）は、ビッグデータを使った機械学習と、ディープラーニングが中心になっています。

他の選択肢が不適切な理由
・第1次を知識表現、第2次を探索・推論とする組み合わせ：第1次と第2次が入れ替わっています。
・第1次を機械学習とする組み合わせ：機械学習が中心になったのは第3次ブームです。
・第2次を機械学習とする組み合わせ：第2次の中心は知識表現（エキスパートシステム）です。

覚え方のポイント
「探索・推論 → 知識 → 学習」の順で、AIに「考え方」「知識」「学び方」を与えてきた歴史と考えると覚えやすくなります。

問21-4

第1次AIブームが終わった主な理由として、最も適切なものを1つ選びなさい。

①専門家の知識をルールとして入力する作業が、膨大な手間になってしまったから
②迷路やパズルのような問題は解けても、現実の複雑な問題は解けなかったから
③ディープラーニングの学習に必要な、大量のデータを集められなかったから
④当時の計算機は記憶容量が小さく、探索の途中経過を保存できなかったから

答えと解説を見る

正解 ②迷路やパズルのような問題は解けても、現実の複雑な問題は解けなかったから

解説
第1次AIブームでは、探索や推論によって迷路やパズル、定理の証明などを解くことができ、大きな期待が集まりました。しかし、それらはルールやゴールがはっきり決まった「トイ・プロブレム（おもちゃの問題）」にすぎず、病気の診断や経済の予測といった、要素が複雑に絡み合う現実の問題は解けないことが明らかになりました。これにより期待がしぼみ、AI研究は冬の時代を迎えました。

他の選択肢が不適切な理由
・知識をルールとして入力する手間が膨大：これは第2次AIブームの終わりの主な理由（知識獲得のボトルネック）です。
・ディープラーニングに必要なデータを集められなかった：ディープラーニングが中心となるのは第3次AIブームです。
・記憶容量が小さく探索の途中経過を保存できなかった：計算機の性能の制約はありましたが、ブームが終わった主な理由は、探索・推論では現実の複雑な問題に対応できないと分かったことです。

覚え方のポイント
「第1次の壁＝トイ・プロブレムしか解けない」「第2次の壁＝知識獲得のボトルネック」。それぞれのブームが終わった理由を対にして覚えましょう。

問31-4

1960年代にジョセフ・ワイゼンバウムが開発し、精神療法のセラピストのような受け答えをした会話プログラムとして、最も適切なものを1つ選びなさい。

①SHRDLU（シュルドゥルー）
②DENDRAL（デンドラル）
③ELIZA（イライザ）
④Watson（ワトソン）

答えと解説を見る

正解 ③ELIZA（イライザ）

解説
ELIZA（イライザ）は、1960年代にジョセフ・ワイゼンバウムが開発した会話プログラムです。相手の発言に含まれる言葉をパターンに当てはめ、あらかじめ決められた形で言い換えて返すだけの単純な仕組みでしたが、多くの人が、まるで本当に話を理解してくれているかのように感じました。このように、単純な機械の応答に人間らしさや知性を感じてしまう現象は「イライザ効果」と呼ばれます。ELIZAのように、中身は単純でも会話ができるように見えるプログラムは、「人工無脳」と呼ばれることもあります。

他の選択肢が不適切な理由
・SHRDLU：積み木の世界を英語で操作するシステムで、精神療法の会話プログラムではありません。
・DENDRAL：未知の有機化合物を特定するエキスパートシステムです。
・Watson：2011年にクイズ番組で人間に勝利したIBMの質問応答システムです。

覚え方のポイント
「ELIZA＝セラピスト風の会話・パターンマッチ・イライザ効果」。現在のチャットボットの原点として出題されることがあります。

問41-4

2012年の画像認識の競技会ILSVRCで、ディープラーニングを用いて従来の手法を大きく上回る精度で優勝したモデルと、そのモデルを開発した研究室を率いていた研究者の組み合わせとして、最も適切なものを1つ選びなさい。

①ResNet ― ジェフリー・ヒントン
②AlexNet ― ヤン・ルカン
③GoogLeNet ― ジェフリー・ヒントン
④AlexNet ― ジェフリー・ヒントン

答えと解説を見る

正解 ④AlexNet ― ジェフリー・ヒントン

解説
ILSVRC（ImageNet Large Scale Visual Recognition Challenge）は、大規模な画像データセットImageNetを使った画像認識の競技会です。2012年、トロント大学のジェフリー・ヒントンの研究室が開発したディープラーニングのモデル「AlexNet」が、誤り率を他のチームより10ポイント程度も下げて圧勝しました。これをきっかけに、ディープラーニングが一気に注目を集め、第3次AIブームが本格化しました。

他の選択肢が不適切な理由
・ResNet ― ヒントンのチーム：ResNetは、2015年のILSVRCで優勝したマイクロソフト研究所のモデルです。
・AlexNet ― ヤン・ルカン：AlexNetの開発者はヒントンの研究室のアレックス・クリジェフスキーらで、ルカンのチームではありません。
・GoogLeNet ― ジェフリー・ヒントン：GoogLeNetは、2014年のILSVRCで優勝したGoogleのモデルで、ヒントンの研究室のモデルではありません。なお、ルカンの代表的な業績は、1990年代に手書き数字の認識のために開発したCNN「LeNet」です。

覚え方のポイント
「2012年・AlexNet・ヒントンの研究室」はディープラーニングの歴史で最重要の組み合わせです。モデル名の「Alex」は、開発者アレックス・クリジェフスキーの名前に由来します。

問51-4

2006年ごろにジェフリー・ヒントンらが示した、ディープラーニングが注目されるきっかけの一つとなった手法として、最も適切なものを1つ選びなさい。

①オートエンコーダなどで1層ずつ事前学習し、深い層を学習しやすくする手法
②画像の小さな領域ごとに同じフィルタを使い、特徴を取り出す畳み込みの手法
③生成器と識別器を競わせて学習し、本物のような画像を作り出す敵対的な手法
④単語の並びに注目の度合いを割り当て、文の意味を捉えるアテンションの手法

答えと解説を見る

正解 ①オートエンコーダなどで1層ずつ事前学習し、深い層を学習しやすくする手法

解説
2006年ごろ、ジェフリー・ヒントンらは、深い層を持つニューラルネットワークを、まず入力層に近い層から1層ずつ順番に学習させ（事前学習）、最後に全体を調整する方法を示しました。事前学習には、深層信念ネットワークやオートエンコーダが用いられました。それまで難しかった深いネットワークの学習が可能になり、ディープラーニングが注目されるきっかけの一つとなりました。現在は、活性化関数の工夫や計算機の性能向上などにより、事前学習を行わずに学習するのが一般的です。

他の選択肢が不適切な理由
・畳み込みの手法：畳み込みの考え方は、福島邦彦のネオコグニトロン（1979年ごろ）や、ルカンのLeNet（1990年代）にさかのぼります。
・生成器と識別器を競わせる手法：GAN（敵対的生成ネットワーク）で、2014年にイアン・グッドフェローらが発表しました。
・アテンションの手法：アテンションは2010年代半ばから広まり、2017年のTransformerで中心的な仕組みになりました。

覚え方のポイント
「2006年・ヒントン・事前学習（深層信念ネットワーク、オートエンコーダ）」。「現在は事前学習がほぼ不要になった」という点も、あわせて問われます。

問61-4

次の出来事を、古いものから順に並べたものとして、最も適切なものを1つ選びなさい。
ア：ディープブルーがチェスの世界チャンピオンに勝利
イ：ダートマス会議の開催
ウ：AlphaGoが囲碁のトップ棋士に勝利
エ：AlexNetがILSVRCで優勝

①イ → エ → ア → ウ
②イ → ア → エ → ウ
③ア → イ → エ → ウ
④イ → ア → ウ → エ

答えと解説を見る

正解 ②イ → ア → エ → ウ

解説
それぞれの出来事の年は、次のとおりです。ダートマス会議の開催が1956年（イ）、IBMのディープブルーがチェスの世界チャンピオンのガルリ・カスパロフに勝利したのが1997年（ア）、ヒントンの研究室のAlexNetがILSVRCで優勝したのが2012年（エ）、DeepMind社のAlphaGoが囲碁のトップ棋士イ・セドルに勝利したのが2016年（ウ）です。したがって、古い順に「イ → ア → エ → ウ」となります。

他の選択肢が不適切な理由
・イ → エ → ア → ウ：AlexNet（2012年）がディープブルー（1997年）より前に置かれています。
・ア → イ → エ → ウ：ディープブルー（1997年）がダートマス会議（1956年）より前に置かれています。
・イ → ア → ウ → エ：AlphaGo（2016年）がAlexNet（2012年）より前に置かれています。

覚え方のポイント
AIの年表は「1956年ダートマス会議 → 1997年チェス → 2011年クイズ（ワトソン）→ 2012年 AlexNet → 2016年囲碁」の5点を押さえると、多くの並べ替え問題に対応できます。

問71-4

1982年から日本の通商産業省（当時）が中心となって進めた、推論を高速に行うコンピュータの開発を目指す国家プロジェクトとして、最も適切なものを1つ選びなさい。

①ムーンショット型研究開発
②Society 5.0
③第五世代コンピュータ
④東ロボくん

答えと解説を見る

正解 ③第五世代コンピュータ

解説
第五世代コンピュータは、1982年から約10年間、日本の通商産業省（現在の経済産業省）が中心となって進めた国家プロジェクトです。論理的な推論を高速に並列処理できるコンピュータの開発を目指し、第2次AIブームの中で世界的にも注目を集めました。技術的な成果は得られたものの、目指した実用化には至りませんでした。

他の選択肢が不適切な理由
・ムーンショット型研究開発：内閣府が2020年ごろから進めている、社会課題の解決に向けた野心的な研究開発の制度です。
・Society 5.0：日本の科学技術政策で示された、仮想空間と現実空間を高度に融合させた人間中心の社会という目指すべき社会像です。
・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で開発されたAIで、AIの可能性と限界を探りました。

覚え方のポイント
「第五世代コンピュータ＝1982年・通商産業省・推論マシン・第2次AIブーム」。第2次ブームの日本の代表的な出来事として押さえましょう。

問81-4

第3次AIブームを支えた要因として、最も不適切なものを1つ選びなさい。

①インターネットの普及などで、大量のデータ（ビッグデータ）を集められるようになったこと
②GPUの活用などにより、大量の計算を現実的な時間内に行えるようになったこと
③ディープラーニングにより、特徴量をデータから自動的に学習できるようになったこと
④専門家の知識をルールとして人手で入力するエキスパートシステムが大きく進歩したこと

答えと解説を見る

正解 ④専門家の知識をルールとして人手で入力するエキスパートシステムが大きく進歩したこと

解説
第3次AIブームは、2000年代から始まり、2010年代のディープラーニングの成功で本格化しました。これを支えたのは、第一に、インターネットやスマートフォン、IoTの普及によって大量のデータ（ビッグデータ）が集められるようになったこと、第二に、GPUの活用などで計算能力が飛躍的に高まったこと、第三に、ディープラーニングによって特徴量まで自動で学習できるようになったこと、の3つが大きな要因です。

他の選択肢が不適切な理由
※この問題は「不適切なもの」を選ぶ問題です。以下は、第3次AIブームを支えた要因として正しい記述です。
・ビッグデータ：機械学習やディープラーニングは大量のデータを必要とするため、データの増加が大きな追い風になりました。
・GPUの活用：ディープラーニングの膨大な計算を並列に処理できるようになりました。
・特徴量の自動学習：人が特徴量を設計しなくてもよくなり、画像や音声の認識精度が大きく向上しました。

覚え方のポイント
エキスパートシステムは第2次AIブームの中心技術です。「データ・計算能力・アルゴリズム（ディープラーニング）」の3つが、第3次ブームを支えた柱だと覚えましょう。

問91-4

機械翻訳の方法の変化についての説明として、最も適切なものを1つ選びなさい。

①文法規則を人が書く方式から、対訳データで確率的に訳す方式を経て、ニューラル機械翻訳が主流になった。
②ニューラル機械翻訳から、対訳データで確率的に訳す方式を経て、文法規則を人が書く方式が主流になった。
③対訳データで確率的に訳す方式から始まり、文法規則を人が書く方式を経て、ニューラル機械翻訳になった。
④文法規則を人が書く方式から、ニューラル機械翻訳を経て、対訳データで確率的に訳す方式が主流になった。

答えと解説を見る

正解 ①文法規則を人が書く方式から、対訳データで確率的に訳す方式を経て、ニューラル機械翻訳が主流になった。

解説
機械翻訳は、はじめ、人が文法や辞書の規則を書き込む「ルールベース機械翻訳」が中心でした。1990年代以降は、大量の対訳データ（原文と訳文の組）から、どの訳がもっともらしいかを確率で求める「統計的機械翻訳」が広まりました。そして2016年ごろからは、ニューラルネットワークを使って文全体の意味を捉えて訳す「ニューラル機械翻訳」が主流になり、翻訳の自然さが大きく向上しました。

他の選択肢が不適切な理由
・ニューラル機械翻訳からルールベースに移った：変化の順番が逆です。
・確率的に訳す方式から始まった：最初はルールベースが中心でした。
・ニューラル機械翻訳を経て確率的に訳す方式になった：統計的機械翻訳とニューラル機械翻訳の順番が逆です。ニューラル機械翻訳が主流になったのは2010年代後半です。

覚え方のポイント
機械翻訳の歴史は、AI全体の歴史の縮図です。「ルール（人が書く）→ 統計（データから確率）→ ニューラル（データから深く学ぶ）」と覚えましょう。

問101-4

2016年に囲碁のトップ棋士イ・セドルに勝利したAlphaGoの説明として、最も適切なものを1つ選びなさい。

①IBM社が開発し、ディープラーニングとモンテカルロ木探索を組み合わせていた。
②DeepMind社が開発し、ディープラーニングとモンテカルロ木探索を組み合わせた。
③DeepMind社が開発し、ディープラーニングを使わずモンテカルロ木探索だけで打った。
④IBM社が開発し、チェスのディープブルーと同じ総当たりの探索で手を選んでいた。

答えと解説を見る

正解 ②DeepMind社が開発し、ディープラーニングとモンテカルロ木探索を組み合わせた。

解説
AlphaGo（アルファ碁）は、Google傘下のDeepMind社が開発した囲碁のAIです。次の一手の候補を絞り込む「方策ネットワーク」と、局面の勝ちやすさを評価する「価値ネットワーク」という2つのディープラーニングのモデルと、モンテカルロ木探索を組み合わせていました。人間の棋譜による教師あり学習に加え、AI同士の対局による強化学習も行いました。2016年3月、トップ棋士のイ・セドルに4勝1敗で勝利し、大きな話題となりました。

他の選択肢が不適切な理由
・IBM社が開発した：IBMが開発したのは、チェスのディープブルーやクイズのワトソンです。
・ディープラーニングを使わずモンテカルロ木探索だけで打った：モンテカルロ木探索だけの囲碁AIはそれ以前からありましたが、トップ棋士には及びませんでした。AlphaGoは、方策ネットワークと価値ネットワークというディープラーニングのモデルを組み合わせた点が画期的でした。
・IBM社が開発し総当たりの探索で手を選んでいた：開発元も仕組みも誤りです。囲碁は打てる手の組み合わせがチェスよりはるかに多く、総当たりの探索では対応できません。

覚え方のポイント
その後、人間の棋譜を使わず自己対局だけで学習した「AlphaGo Zero」、囲碁以外のゲームにも対応した「AlphaZero」が登場しました。「AlphaGo → AlphaGo Zero → AlphaZero」の流れも押さえましょう。

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。