ガイドIP
AI（人工知能）・機械学習・ディープラーニングと生成AI完全攻略｜最新テクノロジー徹底解説
公開: 2026-08-25更新: 2026-08-26
ITパスポートで毎回出題されるAI技術（教師あり/なし/強化学習、ディープラーニング、LLM・生成AI、倫理指針）を体系的に徹底解説。
テクノロジ系の最新動向問題として、出題数が増加し続けているのが「AI（人工知能）」「機械学習」「ディープラーニング」「生成AI（Generative AI）」です。包含関係と学習手法の分類を整理しましょう。
1. AI・機械学習・ディープラーニングの包含関係
AI（最も広い概念） ＞ 機械学習（AIの要素技術） ＞ ディープラーニング（機械学習の一部）という階層関係にあります。ディープラーニングは、人間の脳神経回路を模した「多層のニューラルネットワーク」を用いて、コンピューターが自ら特徴量を抽出する技術です。
2. 機械学習の3大アプローチ
学習手法 | 入力データの特徴 | 代表的なタスク・具体例 |
|---|---|---|
教師あり学習 | 「入力データ」と正解となる「ラベル」をセットで与える | 画像分類（犬か猫か）、売上予測（回帰分析）、迷惑メール判定 |
教師なし学習 | 「ラベル（正解）」なしのデータのみを与える | クラスタリング（顧客層の自動分類）、主成分分析、異常検知 |
強化学習 | 環境からの「報酬（スコア）」が最大になるよう試行錯誤させる | 囲碁・将棋AI、自動運転の走行制御、ゲーム攻略AI |
3. 生成AIとプロンプトエンジニアリング
- LLM（大規模言語モデル）: 膨大なテキストデータを学習し、文章生成や要約、コード記述を行うAI（GPT等）。
- プロンプトエンジニアリング: AIから意図通りの高精度な出力を得るため、指示文（プロンプト）の書き方を工夫・最適化する技術。
- ハルシネーション（幻覚）: 生成AIが事実に基づかない誤った情報を、もっともらしく生成してしまう現象。
4. AI倫理と著作権
【試験での注意点】AI学習のためのデータ収集は原則著作権侵害にならないが、生成された出力物が既存の著作物と類似・依拠している場合は著作権侵害になり得る。
この記事に関連する教科書用語
編集・検証について
編集・検証：IT資格ラボ編集部
IPAが公開する試験要綱・シラバス・過去問題と、各技術の公式資料を優先して内容を確認しています。制度変更や誤りを確認した場合は、記事を見直して更新します。
編集方針・情報源・訂正方針を見る