ケンテイラボ

2026/04/14

G検定 ディープラーニング重要用語チートシート【CNN・Transformer・生成AIを一気に整理】

G検定で頻出のディープラーニング重要用語を、CNN・RNN・LSTM・Transformer・GAN・拡散モデル・生成AIまで一気に整理したチートシートです。似た略語を混同しないよう、用途と特徴をセットで一覧化。試験直前の最終確認に使えます。

G検定でつまずきやすいのが、CNN・RNN・Transformer・GANといったディープラーニングの略語です。似た名前が多く、用途を取り違えると紛らわしい選択肢で失点します。この記事では、G検定で頻出のディープラーニング重要用語を「用途・特徴」とセットでコンパクトに整理しました。各用語が画像・言語・生成のどの領域で使われるかを意識しながら、試験直前の最終チェックに活用してください。

ニューラルネットワークの基礎用語

  • パーセプトロン：ニューロンを模した最も基本的なモデル。単純パーセプトロンは線形分離しかできない
  • 多層パーセプトロン（MLP）：層を重ねたネットワーク。非線形な問題も扱える
  • 誤差逆伝播法（バックプロパゲーション）：出力の誤差を逆向きに伝えて重みを更新する学習法
  • 勾配降下法：損失関数を小さくする方向に重みを少しずつ調整する手法
  • 勾配消失問題：層が深いと勾配が小さくなり学習が進まない現象。ReLUなどで緩和

学習を支える要素技術

  • 活性化関数：ニューロンの出力を決める関数。シグモイド・tanh・ReLU（勾配消失に強い）
  • 最適化アルゴリズム：重みの更新方法。SGD・Momentum・Adam（広く使われる）
  • ドロップアウト：学習時に一部のニューロンを無効化し、過学習を抑える正則化手法
  • バッチ正規化（Batch Normalization）：各層の出力を整え、学習を安定・高速化する
  • ハイパーパラメータ：学習率・バッチサイズなど、人が事前に設定する値

ここで狙われやすいのは「何のための技術か」の区別です。ドロップアウト・L2正則化は過学習対策、ReLUは勾配消失対策、バッチ正規化は学習の安定化、というように目的とセットで覚えると、似た用語が混ざりません。

画像系：CNN周辺

  • CNN（畳み込みニューラルネットワーク）：画像認識の代表モデル。画像の局所的な特徴を捉える
  • 畳み込み層：フィルタ（カーネル）を使って画像の特徴を抽出する層
  • プーリング層：特徴マップを縮小し、位置のずれに強くする（最大プーリングなど）
  • 代表的な画像認識モデル：AlexNet・VGG・ResNet（残差接続で深い層を学習可能に）
  • 物体検出・セグメンテーション：画像のどこに何があるか、画素単位の領域分けを行うタスク

系列・言語系：RNNからTransformerへ

  • 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を扱うモデル
  • LSTM・GRU：RNNの長期依存（昔の情報を忘れる問題）を改善した仕組み
  • 単語の分散表現：word2vecなど、単語を意味を反映したベクトルで表す手法
  • Attention（注意機構）：入力のどこに注目するかを学習する仕組み
  • Transformer：Attentionを中核とした構造。RNNを使わず並列処理でき、自然言語処理の主流に
  • BERT・GPT：Transformerをベースとした言語モデル。GPT系は生成AIの基盤になっている

言語系は「RNN → LSTM/GRU → Attention → Transformer → BERT/GPT」という発展の流れで覚えると整理しやすくなります。Transformerが現代の自然言語処理と生成AIの土台になっている点は特に重要です。

生成・発展系：GAN・拡散モデル・生成AI

  • GAN（敵対的生成ネットワーク）：生成器と識別器を競わせて本物らしいデータを生成する
  • VAE（変分オートエンコーダ）：データを圧縮・復元しながら新しいデータを生成する手法
  • 拡散モデル（Diffusion Model）：ノイズを徐々に除去して画像などを生成する。近年の画像生成で主流
  • 大規模言語モデル（LLM）：膨大なテキストで学習した巨大な言語モデル。文章生成・対話に用いる
  • プロンプト：生成AIに与える指示文。出力の質を左右する
  • ハルシネーション：生成AIがもっともらしい誤情報を出力してしまう現象

シラバス改定で比重が増している生成AIは、G検定の重要テーマです。GAN・VAE・拡散モデルといった生成手法の違いと、LLM・プロンプト・ハルシネーションといった生成AI特有の用語は、最新トピックとして確実に押さえておきましょう。

その他の発展的トピック

  • 強化学習：エージェントが環境との試行錯誤で報酬を最大化する学習。Q学習・DQNなど
  • 転移学習・ファインチューニング：学習済みモデルを別タスクに応用する手法
  • 説明可能なAI（XAI）：モデルの判断根拠を説明しようとする取り組み
  • モデルの軽量化：蒸留・量子化・プルーニングで計算負荷を下げる手法

混同しやすい略語の見分け方

  • CNN＝画像（畳み込み）、RNN＝系列・言語（再帰）と領域で区別する
  • GAN＝生成器と識別器の対立、VAE＝圧縮と復元、拡散モデル＝ノイズ除去で生成手法を区別
  • SGD・Adamは最適化、ReLU・シグモイドは活性化関数、と役割で区別する
  • Transformer＝Attention中心、BERT/GPT＝Transformer応用、と階層で整理する
  • 「名前＋用途＋特徴＋使う領域」を1セットでカード化して反復する

この記事の用語を一覧で頭に入れたら、ケンテイラボのG検定対策問題（全1038問）で実際に問題を解き、用途の区別を定着させましょう。略語を瞬時に判別できるようになれば、約200問・120分というスピード勝負のG検定でも、迷わず正解を選べるようになります。

実際に問題を解いて知識を定着させよう

ケンテイラボではG検定の問題を無料で練習できます。

問題を解く →
← 記事一覧へ戻る