G検定の出題範囲|技術分野と法律・倫理分野の2本立て

範囲表を開いても、項目が並びすぎて逆に分からなくなりますよね。

結論からいうと、G検定の出題範囲は技術分野と法律・倫理分野の2つに分かれています。技術分野は人工知能の定義からディープラーニングの応用例まで、法律・倫理分野は個人情報保護法やAIガバナンスなどです。性格がまったく違うので、同じ勉強法で進めると片方でつまずきます。

この記事では、公表されている範囲の中身と、どこから手をつけるかを紹介します。

範囲は2つに分かれています

日本ディープラーニング協会は、シラバスとして出題範囲を公開しています。まず大きな分け方から確認します。

この2つは、必要な勉強のしかたが違います。技術分野は用語と仕組みを結びつけて覚える作業です。一方で法律・倫理分野は、仕事の経験があるほど入ってきやすい領域で、読み物として通せます。

技術分野に出るもの

公表されている大項目は次のとおりです。

• 人工知能とは:人工知能の定義/人工知能分野で議論される問題
• 人工知能をめぐる動向:探索・推論/知識表現とエキスパートシステム/機械学習/ディープラーニング
• 機械学習の概要:教師あり学習/教師なし学習/強化学習/モデルの選択・評価
• ディープラーニングの概要:ニューラルネットワーク/活性化関数/誤差関数/正則化/誤差逆伝播法/最適化手法
• ディープラーニングの要素技術:全結合層・畳み込み層・正規化層・プーリング層・スキップ結合・回帰結合層・Attention・オートエンコーダ・データ拡張
• ディープラーニングの応用例:画像認識/自然言語処理/音声処理/深層強化学習/データ生成/転移学習・ファインチューニング/マルチモーダル/モデルの解釈性/モデルの軽量化
• AIの社会実装に向けて:AIプロジェクトの進め方/データの収集・加工・分析・学習
• AIに必要な数理・統計知識

出典:日本ディープラーニング協会「G検定」シラバス(2026年9月時点)

並べると多く見えますが、問われるのは名前と役割の結びつきです。たとえば「Attention」なら、それが何をする仕組みかを選べれば足ります。自分で実装できる必要はありません。

私は普段、QAエンジニアとして働きながら業務にAIを入れる仕事をしています。その立場から見ると、後半の「応用例」と「社会実装」は実務にそのまま近い範囲です。転移学習やモデルの軽量化は、費用や速度の話として現場に出てきます。

法律・倫理分野に出るもの

もうひとつの柱です。こちらは項目数が少ないぶん、1つずつが具体的です。

ここは実務でそのまま使う知識です。業務にAIを入れるとき、止まるのはたいてい技術ではありません。この情報を入れていいのか、出てきたものを社外に出していいのか。法律と社内ルールの話で議論が終わります。

だから法律・倫理分野は、試験のためだけの暗記になりません。範囲の後半にあるからといって軽く扱うと、いちばん役に立つところを取りこぼします。

どこから手をつけるか

範囲が広いので、順番を決めないと終わりません。

• 1週目:法律・倫理分野を先に読む(量が少なく、読み物として進む)
• 2週目以降:技術分野を前から浅く通す(分からない用語は印を付けて飛ばす)
• 仕上げ:印を付けた用語だけを埋めて、時間を計って解く

法律・倫理を先にする理由は2つあります。ひとつは量が少なく、達成感が早く来ること。もうひとつは、技術分野を読むときに「この技術は何が問題になるのか」という視点が先に入るので、応用例が頭に残りやすくなることです。

注意点として、1冊を完璧にしてから次へ進む型はこの試験と相性が悪いです。出題数が145問程度と多いので、浅く広く何周かするほうが得点につながります。範囲が終わらないときの立て直し方はG検定の範囲が広すぎる?に書きました。

シラバスは改訂されます。現行版はG2024#6から適用されているものなので、教材を買う前に対応している版を確認してください。選び方はG検定のテキスト・問題集はどれ?にまとめています。

よくある質問

まとめ

試験の仕様はG検定とは?へ。進め方はG検定は独学で受かる?、教材はG検定のテキスト・問題集はどれ?にまとめました。