2026.09.30 2026.09.30

G検定の用語の覚え方は、AI に説明させるより AI に説明すること — 相互説明とソクラテス式チューターで理解を固める

ゲンキ

※本記事にはアフィリエイト広告（PR）が含まれます。

公式テキストを読み、AI に要約させ、用語集も作った。それでも公式例題を解くと、「重回帰分析の例として最も適切な選択肢」で「購買記録から顧客をグループ分けする」（クラスタリング）を選びそうになる。相関係数と偏相関係数の違いを聞かれると、説明が途中で止まる。読んで分かったつもりの知識は、選択肢を前にすると崩れる。

本記事は、その「分かったつもり」を潰す方法を扱う。G検定の用語の覚え方として、AI に説明させるのではなく、自分が AI に説明し、穴を指摘させる。これを相互説明と呼ぶ。加えて、答えを言わずに問い返すだけのソクラテス式チューター、混同しやすい用語の対を一つずつ切り分ける手順、数理・統計の計算を AI に手順で説明させて検算する方法を書く。後半には、当サイトが誤りを仕込んだ説明文 10 組を Claude に渡して、指摘の正確さを測った結果を載せる。

なぜ「説明させる」だけでは残らないのか
相互説明 — 自分の言葉で説明し、穴を指摘させる
実測 — 誤りを仕込んだ説明文 10 組で指摘の正確さを測る
ソクラテス式チューター — 答えを言わず、問い返させる
混同ペアの切り分け — 対にして、違いを一文で言う
数理・統計は手順を説明させ、検算する
G検定固有の領域を題材にする
落とし穴 — 指摘を鵜呑みにしない
1日の運用と記録
まとめ
出典・参考

忍者AdMax

なぜ「説明させる」だけでは残らないのか

AI に「過学習とは何か」と聞けば、正確で読みやすい説明が返ってくる。読めば分かる。しかし試験で問われるのは「過学習の定義を読んで理解できるか」ではなく、「選択肢の中から過学習の説明として正しいものを 41秒で選べるか」だ。読んで分かることと、自分の中から引き出せることは別の能力である。

引き出す訓練には、自分で説明する以外に近道が無い。説明しようとすると、言葉が出てこない箇所、隣の概念と混ざる箇所が露わになる。露わになった箇所だけを直せば、勉強時間は穴に集中する。AI の役割は、説明を聞いて穴を指摘する相手になることだ。相手が人間の講師でも成り立つ方法だが、AI なら深夜でも 10 組連続で付き合ってくれる。

同じ 45 分でも、テキストを読み返す 45 分と、説明を書いて直される 45 分では、残るものが違う。読み返しは「見覚えがある」状態を作り、それを理解と錯覚させる。説明は「言えるか言えないか」を毎回突きつける。G検定の用語の覚え方として後者を勧めるのは、試験が「見覚え」ではなく「言い分け」を問うからだ。

G検定の出題には、この方法が特に効く型がある。公式例題を見ると、「重回帰分析の例として最も適切な選択肢」のように、似た概念の中から一つを選ばせる問題が多い。選択肢には「今日の株価から明日の株価を予測する」（時系列）、「購買記録から顧客をグループ分けする」（クラスタリング）、「売上高を人口・面積・品目数から予測する」（重回帰）、「多数の項目を 2 軸に集約する」（主成分分析）が並ぶ。混同しやすい対を切り分けられるかが、そのまま得点になる。

相互説明 — 自分の言葉で説明し、穴を指摘させる

手順は単純だ。用語を一つ選び、自分の言葉で 2〜3 文の説明を書き、AI に渡して誤りを指摘させる。ポイントは AI への指示にある。

あなたは G検定の学習を手伝うチューターです。
学習者が用語を自分の言葉で説明します。
誤りがあれば具体的に指摘し、誤りが無ければ「誤りなし」と明言してください。
最後に、正しい説明を 2〜3 文で書いてください。

「誤りが無ければ誤りなしと明言」の一文が要る。これが無いと、AI は正しい説明に対しても「補足すると」と何かを足そうとし、学習者は自分の説明が正しかったのか分からなくなる。誤りの有無を先に二値で答えさせ、その後に訂正文を出させる順序にすると、判定と補足が分離する。

説明文は短くする。5 文を超えると、AI の指摘が説明全体の感想になり、どの文が間違っていたのかが薄まる。1 用語につき 2〜3 文、混同しやすい対なら「A は何で、B は何で、違いはここ」の 3 文で十分だ。

説明の型を決めておくと、書く速さが上がる。第 1 文は定義（何をするものか）、第 2 文は条件か例（いつ使うか、何が例か）、第 3 文は隣の概念との違い、という順序だ。たとえば「正則化は、損失関数にペナルティ項を加えて重みの大きさを抑える手法である。L1 と L2 があり、L1 は重みを 0 にしやすい。過学習が『現象』であるのに対し、正則化はその『対策』である」と書く。この型で書くと、第 3 文で対の相手を自然に持ち出すことになり、混同の有無が指摘されやすい。

用語の選び方は、前の工程で作った用語集から取る。シラバスと公式例題を AI に取り込ませて教材にする（2026-09-29 公開）で作った用語集には中項目の番号が付いているので、同じ中項目にある用語同士、隣の中項目にある用語同士を対にすればよい。

実測 — 誤りを仕込んだ説明文 10 組で指摘の正確さを測る

方法が成り立つかは、AI の指摘が正確かどうかにかかっている。当サイトは Claude（claude-sonnet-5、ツールも追加設定も無い状態）に上の指示を与え、10 組の説明文を渡した。10 組のうち 7 組には、学習者がしそうな誤りを一つずつ仕込んだ。3 組は誤りの無い説明にした。AI には、どれに誤りがあるかを知らせていない。

#	用語の対	仕込んだ誤り	AI の判定
1	教師あり学習／教師なし学習	クラスタリングを教師あり学習の代表例とした	誤りを検出
2	過学習／正則化	正則化は「重みを大きくして」過学習を防ぐとした	誤りを検出
3	適合率／再現率／F値	誤りなし	誤りなしと判定
4	相関係数／偏相関係数	相関係数の分母を「分散の積」とした	誤りを検出
5	分散／共分散	共分散が 0 なら独立とした	誤りを検出
6	勾配消失／ReLU	ReLU で勾配消失が「完全に無くなる」とした	誤りを検出
7	バッチ正規化／レイヤー正規化	誤りなし	誤りなしと判定
8	転移学習／ファインチューニング	誤りなし	誤りなしと判定
9	フレーム問題／シンボルグラウンディング問題	提起者を「チューリング」とした	誤りを検出
10	匿名加工情報／仮名加工情報	仮名加工情報を「同意なく第三者提供できる」とした	誤りを検出

結果は、仕込んだ誤り 7 件を 7 件とも検出し、誤りの無い 3 組には「誤りなし」と答えた。誤指摘はゼロだった。判定は 10 組すべて正しい。

指摘の内容も具体的だった。#5 では「共分散が 0 であることは無相関を意味するが、独立を意味しない。独立なら共分散は 0 になるが、逆は一般に成り立たない」と、方向の違いまで述べている。#6 では ReLU の負側で勾配が 0 になる問題に触れ、勾配消失を軽減するが解消はしないと整理した。

しかし、AI が返した訂正文 10 本を当サイトがシラバスと一次資料で確認したところ、1 本に誤りがあった。#10 の訂正文は、仮名加工情報が原則として第三者提供できないことを正しく指摘したうえで、「同意なく第三者提供できるのは匿名加工情報で、加工方法等の公表など一定の義務を満たした場合」と補っていた。ところが個人情報保護法 43 条では、加工の方法に関する情報は漏えいを防ぐ安全管理措置の対象、つまり公表するのではなく守るべきもので、公表が義務づけられているのは「匿名加工情報に含まれる個人に関する情報の項目」と、第三者提供時の「項目及びその提供の方法」である。判定は正しく、混同相手の説明の一語が逆になっていた。

この 1 本が、この方法の要点を示している。指摘は信用してよいが、訂正文は一次資料で確かめる。法律分野では特に、原則と例外、公表と秘匿のような一語の違いがそのまま誤りになる。10 組の実測は「判定は当てになるが、訂正文をそのまま覚えてはいけない」という運用の根拠になる。

ソクラテス式チューター — 答えを言わず、問い返させる

相互説明が「説明して直してもらう」方法なら、ソクラテス式は「考えさせてもらう」方法だ。AI に答えを言わせず、問いだけを返させる。

あなたはソクラテス式のチューターです。学習者に答えを直接教えてはいけません。
学習者の発言に対して、理解を一段深める問いを 1 つだけ返してください。
問い以外の文は書かないでください。

「問いを 1 つだけ」「問い以外は書かない」の二つを入れると、AI は解説に流れない。当サイトが 3 つの発言を投げたときの返答は次のとおりだった。

学習者の発言	AI の問い
過学習と正則化の関係がよく分かりません	過学習が起きているとき、モデルのパラメータ（重み）の値には一般的にどんな特徴が現れると思いますか
再現率と適合率はどちらを重視すべきですか	今取り組んでいる問題では、見逃し（偽陰性）と誤検出（偽陽性）のどちらがより深刻な損害をもたらしますか
Attention と RNN の違いが説明できません	RNN が文章を処理するとき、情報をどのように次の単語へ伝えていくか、説明できますか

3 つとも問いだけで、答えは漏れていない。しかも問いの向きが正しい。過学習の質問に対して「重みの値の特徴」を聞くのは、正則化が重みの大きさにペナルティを課す手法であることへ学習者を導く問いだ。再現率と適合率の質問に「見逃しと誤検出のどちらが深刻か」と返すのは、指標の選択が問題設定に依存することを、学習者自身に言わせる問いである。

使いどころは、相互説明で「説明が書けない」用語に出会ったときだ。書けないまま AI の説明を読むと、また読んで分かった気になる。代わりにソクラテス式に投げると、問いに答える過程で自分の言葉が出てくる。3 往復ほどで説明が書けるようになったら、相互説明に戻して穴を指摘させる。

落とし穴は、問いが抽象的になりすぎることだ。「それはなぜだと思いますか」だけを繰り返されると進まない。発言に大項目や中項目の名前を含めておくと（「機械学習の概要の、モデルの選択・評価について」）、問いが範囲内に収まる。

混同ペアの切り分け — 対にして、違いを一文で言う

相互説明の題材は、単独の用語より「対」のほうが効率がよい。G検定の選択肢は似た概念で作られるので、対の違いを言えることが得点に直結する。当サイトが実測に使った 10 組は、すべてシラバスのキーワードから選んだ。

中項目	対	違いの一文（自分で言えるか）
7・8	教師あり学習／教師なし学習	正解ラベルの有無
10・14	過学習／正則化	現象と、その対策
10	適合率／再現率／F値	分母が「正と予測した数」か「実際に正の数」か。F値は両者の調和平均
37	相関係数／偏相関係数	第三の変数の影響を除くか
37	分散／共分散	1 変数のばらつきか、2 変数の共変動か
12・15	勾配消失／ReLU	シグモイドで勾配が消えるか、ReLU で緩和されるか（解消はしない）
19	バッチ正規化／レイヤー正規化	ミニバッチ内で揃えるか、1 サンプル内で揃えるか
31	転移学習／ファインチューニング	既存の重みを固定するか、更新するか
2	フレーム問題／シンボルグラウンディング問題	関係ある事柄の選別か、記号と意味の結びつきか
法律 1	匿名加工情報／仮名加工情報	復元不可で第三者提供可か、照合不可で原則提供不可か

「違いの一文」を先に自分で書き、書けなければソクラテス式へ、書けたら相互説明へ、という流れにする。1 日 45 分なら、対を 3 組扱うのが目安だ。10 組で 3〜4 日、シラバス全体では対は 50〜60 組ほど作れるので、序盤から中盤の 3 週間で一巡できる。

対を選ぶときは、出題者の視点で考えるとよい。4 択の問題を作る側は、正答のほかに「もっともらしい誤答」を 3 つ用意しなければならない。もっともらしい誤答とは、正答と同じ中項目にある別の用語か、隣の中項目にある似た名前の用語だ。つまり、シラバスの中で近くに置かれている用語ほど、選択肢として並べられる確率が高い。G検定の用語の覚え方として対を作る作業は、出題者が用意する誤答を先回りして潰す作業でもある。

対の作り方には、もう一つ型がある。シラバスの改訂履歴で「追加」「変更」された語は、出題側が意識している語だ。第1.3版で「真陽性・真陰性」が追加され、「単回帰分析」が加わったのは、混同行列と回帰の基礎を確認したい意図と読める。追加語とその隣の語を対にしておくと、出題の意図に沿った切り分けになる。

混同しやすい対を自分で作るのが面倒なときは、解説の厚いテキストが下敷きになる。608ページの解説に加えて模試の PDF が付く版なら、対の材料と確認の場を1冊でまかなえる。

ディープラーニングG検定（ジェネラリスト）最強の合格テキスト［第3版］

¥3,080 （2026/09/22 08:03時点 | Amazon調べ）

Amazon

楽天市場

ポチップ

数理・統計は手順を説明させ、検算する

数理・統計の中項目は 37 番の一つだけだが、相関係数・共分散・分散・条件付き確率など、定義を取り違えると選択肢を選べない用語が並ぶ。ここでは AI に手順を説明させ、その結果を自分で検算する。

当サイトは x = 2, 4, 6, 8, 10 と y = 1, 3, 2, 5, 4 という 5 組のデータを渡し、「母分散（n で割る）を使って、x の分散、y の分散、共分散、相関係数を手順つきで求めよ」と指示した。AI の答えは分散 x = 8、分散 y = 2、共分散 3.2、相関係数 0.8 で、Python で計算した値（8.0、2.0、3.2、0.8）と一致した。

ここで大事なのは、答えが合っていたことより、「n で割る」と指定したことだ。分散には母分散（n で割る）と不偏分散（n − 1 で割る）があり、指定しないと AI はどちらかを勝手に選ぶ。公式例題では「偏差を 2 乗したものの平均」という言い方で分散を指している。定義を自分で指定できるかどうかが、この分野の理解の目安になる。

検算は、Gemini Notebook に加わったコード実行（Ultra と一部の Workspace から始まり、Pro へ順次展開中）や、ChatGPT の「データ分析」、Claude の「コード実行とファイル作成」で行える。数式を自分で追うのが目的ではなく、AI の説明の各段（偏差を出す、2 乗する、平均する）が正しい順序で並んでいるかを見るのが目的だ。

G検定固有の領域を題材にする

技術の一般論は他の資格の教材でも学べるが、G検定には固有の出題領域がある。「人工知能をめぐる動向」の探索・推論（Mini-Max 法、αβ 法、SHRDLU、STRIPS）、知識表現（Cyc プロジェクト、DENDRAL、MYCIN、意味ネットワーク）、そして「人工知能とは」のフレーム問題、シンボルグラウンディング問題、中国語の部屋、ダートマス会議といった歴史と哲学の項目だ。

この領域は、相互説明の題材として特に向いている。定義が短く、混同しやすい対が多い（SHRDLU と ELIZA、DENDRAL と MYCIN、フレーム問題とシンボルグラウンディング問題）。実測の #9 で仕込んだ「シンボルグラウンディング問題をチューリングが提起した」という誤りは、AI が「提起したのはスティーブン・ハルナッド」と正しく直した。人名と概念の対応は、読むだけでは残らず、自分で言って直されると残る。

数理・統計や歴史のような「暗記色の強い」領域ほど、説明させるのではなく説明する方法が効く。暗記色が強いということは、混同の型が決まっているということでもあり、対にして潰す作業が計画どおりに進む。

法律・倫理分野の指摘を一次資料で確かめる前に、まず公式テキストの第8章「AI の法律と倫理」に当たると早い。シラバス 2024 に準拠した現行版は第3版である。

深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版

¥3,080 （2026/09/21 22:48時点 | Amazon調べ）

Amazon

楽天市場

ポチップ

落とし穴 — 指摘を鵜呑みにしない

実測では 10 組すべてで判定が正しかったが、この方法に落とし穴が無いわけではない。

第一に、AI は自信ありげに間違えることがある。本記事の実測でも、#10 の訂正文は個人情報保護法の「公表」と「秘匿」を一語取り違えていた。当サイトが別の実測で AI に問題を作らせたときも、法律やガイドラインの固有名（所管省庁、方式の名称）で誤りが出た。相互説明でも、法律分野の指摘と訂正文は一次資料で確認する。個人情報保護法の用語なら個人情報保護委員会のページ、著作権なら文化庁のページで、指摘された内容が条文や公式解説と合っているかを見る。AI の出力を検証する必要性は、賢くなった代わりに、考えの跡が見えにくくなった（2026-09-19 公開）でも扱った。

第二に、「誤りなし」と言われて安心する問題がある。誤りが無いことと、説明が十分なことは違う。#3 の適合率・再現率・F値の説明は誤りなしと判定されたが、試験ではさらに「どちらを重視するか」の判断が問われる。誤りなしの後に、ソクラテス式で一段深い問いを投げる運用にしておくと、この安心を防げる。

第三に、説明文を AI に書かせてから相互説明に使う、という本末転倒が起こりやすい。忙しいと「まず AI に説明させて、それを言い直そう」となるが、それでは自分の穴は見つからない。説明は必ず自分で先に書く。書けないなら、書けないという事実が最初の発見だ。

1日の運用と記録

45 分の配分は、対を 3 組選ぶのに 5 分、自分で説明を書くのに 15 分、AI に指摘させて訂正文を読むのに 15 分、指摘された箇所を一次資料で確認するのに 10 分、という配分でよい。

記録は残す。指摘された誤りを「大項目・用語・誤りの型・メモ」の 4 列で表に貯めておく。この表は、直前期に弱点を数えて反復するときの元データになる。当サイトの実測でも、仕込んだ 7 件の誤りをそのまま誤答ログの最初の 7 行にした。誤りの型は「定義の取り違え」「帰属の誤り（誰が提唱したか）」「条件の欠落（原則と例外）」の 3 つに分けておくと、後で集計しやすい。

AI と協働する技術の一般的な枠組みは AI Fluency 実践ガイド 2026（2026-04-08 公開）で扱った。相互説明は、その枠組みで言えば「AI に委任する」のではなく「AI と対話して自分の判断を鍛える」使い方に当たる。

まとめ

G検定の用語は、AI に説明させても残らない。自分で説明して穴を指摘させると残る。当サイトの実測では、誤りを仕込んだ説明文 7 件を Claude は 7 件とも検出し、誤りの無い 3 件を誤指摘しなかった。ただし訂正文 10 本のうち 1 本には法律の一語の誤りがあり、訂正文を一次資料で確かめる工程は外せない。ソクラテス式に問い返させれば、説明が書けない用語も自分の言葉に変わる。数理・統計は「n で割る」のような定義を自分で指定して手順を説明させ、検算する。

G検定の用語の覚え方としてやることは三つ。用語集から混同しやすい対を 3 組選ぶ、自分で違いを一文で書く、AI に指摘させて一次資料で確かめる。この 45 分を 3 週間続ければ、シラバスの対を一巡できる。見つかった誤りは表に貯めておく。その表が、次に AI に問題を作らせるときの範囲指定と、直前期の反復の材料になる。