G検定は難しい？難易度・合格ライン・問題を徹底解説！

G検定

G検定関連記事のトップページはこちら

本記事では、日本ディープラーニング協会(JDLA)が主催するG検定の難易度と合格ラインを紹介した上で、出題される問題について解説する。

難易度

G検定の合格率は55~70%の間で変動している。下表は、過去の試験の合格率である。

開催回	受験者数	合格者数	合格率
2021#1	6,062	3,866	63.77%
2021#2	7,450	4,582	61.50%
2021#3	7,399	4,769	64.45%
2022#1	6,760	4,198	62.10%
2022#2	6,398	3,917	61.22%
2022#3	7,502	4,964	66.17%
2023#1	7,150	4,705	65.80%
2023#2	3,052	2,075	67.99%
2023#3	4,518	3,106	68.75%

 

どの回においても、受験者の過半数が合格している。しかし以下の3点を考慮すると、付け焼き刃での合格は難しいと言える。

• • • • AI人材（AIエンジニア）になることを目指す意欲的な受験者層
      • AI関連の高度な内容を含む試験範囲
      • 120分で200問程度という問題数の多さ

合格ライン

JDLAから合格基準に関する公式発表は無い。しかし、受験者の体験談などを総合すると、現在の合格ラインは7〜8割だと予想されている。8割を一つの目標とするのが良いが、合格基準が変更される可能性は十分にあるので、入念に準備しておこう。

参考記事：G検定とは？試験内容やおすすめの勉強法を解説

問題

G検定はAIジェネラリストの育成を目標とするため、ディープラーニング関連の様々な内容が問われる。大学数学の知識（線形代数など）が必要な問題もあれば、語句の暗記問題も出題されている。

深層学習や機械学習関連の概要・理論（例えば強化学習・学習率など）を理解するだけでなく、それらの技術を活用する具体的手法まで要求されるのが特徴だ。

出題分野は以下の7項目である。シラバスや公式テキストの内容をもとに、各項目の概観を付した。

人工知能の定義

「人工知能とは何か」という基本的な定義から始まり、ロボットとの違いや人工知能研究の歴史などが問われる。概念として難しい箇所はないので、公式テキストを読んで覚えれば問題ないだろう。

人工知能をめぐる動向

人工知能研究の3つのブームで、それぞれ中心的な役割を果たした研究分野について問われる。大まかに分けると下記の通りだ。

年代	主要な研究分野	概要
1960年代	探索・推論	迷路などの問題において、場合分けの探索木を作成し、その探索木を実際にたどることによって最適解を見つける方法。
1980年代	知識表現	Cycプロジェクトなど、計算速度の速い人工知能に、人間の常識を教えることによって、AIを活用しようという運動
2010年代以降	深層学習	ニューラルネットワークを幾層にも重ねることによって特徴量を自動で抽出し、分類を行ったり画像を認識したりする技術

 

人工知能分野の課題

トイ・プロブレムやシンボルグラウンディング問題、シンギュラリティなどの、人工知能研究における課題が問われる分野だ。

トイ・プロブレムとは第一次AIブームの際に提起された「人工知能は実社会や化学の分野の問題を解決できない」という問題で、シンボルグラウンディング問題は、AIの知識の紐づけに関する問題である。また、近年話題のシンギュラリティは「人間の脳の限界を、人間と機械が形作る文明によって超越する」瞬間のことを指す。

機械学習の具体的手法

この分野では、機械学習の教師あり学習・教師なし学習における代表的な手法が問われる。サポートベクターマシンやk-meansなど、紛らわしい用語や概念が多く登場するので、それらをうまく分類して整理することが大事だ。

ディープラーニングの概要

ディープラーニングの基本を扱う。ディープラーニングとは何かというところから、初期のディープラーニングの手法について解説され、CPU・GPUについても触れられている。以降の分野はディープラーニングを応用した内容になっていくので、この分野はしっかり理解しておきたい。

ディープラーニングに関する基礎知識は、当サイトの「BASIC STUDY」の記事でまとめているため、参考にしてほしい。

ディープラーニングの手法

ディープラーニングで用いる様々な手法が解説されている盛り沢山の分野だ。活性化関数・勾配降下法などといった一般的な用語に加え、CNNやRNN、深層強化学習や深層生成モデルなどの知識が問われる。内容が難しい割に公式テキストの説明は簡素なので、一度読んだだけで全て理解するのは難しいだろう。他の参考書なども活用してじっくり理解するのがオススメだ。

ディープラーニングの研究分野

画像認識・自然言語処理・音声認識・強化学習の4分野における近年の研究内容について問われる分野だ。例を挙げるなら、Googleブレイン計画や、BERT、XLnetなどがある。この分野については、最新の動向についても出題される可能性があるので、雑誌やインターネットなどで情報収集しておくとよい。

出題形式

問題は選択式、かつ受験会場は自宅（オンラインテスト）だ。問題のパターンとしては、文章の空欄補充問題(4択型・語群選択型)や文章の正誤を問う問題が多い。

JDLA公式サイトでは試験概要のほか、各分野の試験例題を見ることもできる。

【問題】以下の文章を読み､空欄に最もよく当てはまる選択肢をそれぞれ1つずつ選べ｡
第一次AIブームは1950年台に起こった｡この頃に人工知能と呼ばれたプログラムは（ア）をもとに問題を解いていた｡

（ア）

1. 知識表現
2. 表現学習
3. 機械学習
4. 探索･推論

問題集などで演習を積んで、様々な問題形式に慣れておくことが大切だ。

対策・勉強法

120分で約200問と問題数が多いので、素早く問題を処理できるような対策が必要だ。問題集を時間を決めて解き、間違えた箇所を復習するという堅実な対策が一番の近道だろう。また、人工知能分野に関する最新動向のチェックも必要になる。
以下の記事で、試験対策に役立つ情報や学習コンテンツを徹底解説している。自分に合った学習方法を見つけて、しっかり準備しよう。

まとめ

G検定は比較的新しい資格だが、ディープラーニングの基礎知識を測る資格として注目を集めている。
また、受験者からの評判は非常に高いことが分かっている。

JDLA認定プログラムの修了が必要なE資格試験と違って、G検定は受験資格に制限が無い。
高校生から社会人まで、誰でも受験することが可能で、文系出身の人でもしっかり勉強すれば合格できる。
受験料が安く、団体経由申込もあり自宅受験が可能なため、どんなバックグラウンドの人でも受けやすいのが大きな特徴だ。
学生であれば、受験料が学生割引されるプランもある。

問題数や制限時間から決して簡単ではないと推察できるが、公式テキストや問題集、講座などは充実しており、しっかり対策することで合格できる試験だ。
AIの活用促進が求められる社会情勢の中で、コストパフォーマンスが良い資格試験だと言えるだろう。

AIジェネラリストへの第一歩として、G検定取得を検討してみるのは良い判断かもしれない。

G検定の他の記事一覧

G検定