G検定を300問解いても受からない人へ。──足りなかったのは、知識ではなく「双子の見分け方」だった（テスト前対策問題あり）

この記事はこんな人へ

• G検定の問題集を何度も解いているのに、点数が思うように伸びない人

• 「知っている用語のはずなのに、なぜか間違える」を繰り返している人

• RAGとファインチューニング、正則化と正規化のような、似た概念で毎回迷ってしまう人

• 50代からAIを学び直そうとしている、忙しい社会人

正直に言う。

僕は20年以上、ITコンサルタントとしてAIを含む技術に触れてきた。だから、G検定の勉強を始める前は、内心こう思っていた。

「基本的なことなら、もうだいたいわかっているだろう」

ところが、実際に問題を解いてみると、様子が違った。

CNNは知っている。ResNetも知っている。Transformerも知っている。RAGも知っている。

それでも、間違える。

知らない言葉が出てくるわけではない。知っている言葉なのに、選択肢を前にすると迷う。

なぜだろう。

まだ、答えは出ていなかった。

一 双子の친척(親戚)と、初対面の人

これは、僕の身近にあった話だ。

親戚に双子がいる。初めて会う人は、二人をほとんど見分けられない。顔も、背格好も、話し方の雰囲気もそっくりだからだ。

でも、毎日一緒に過ごしている家族は、一瞬で見分ける。輪郭や全体の印象で判断しているのではない。眉の角度、笑うときの口元の動き、声の高さのわずかな違い。細部の、しかも「差が出やすい急所」だけを見ている。

遠くから眺めているだけでは、一生わからない見分け方だった。

二 RAGとファインチューニングの間で、僕が迷った日

もう一つ、G検定の勉強中に、僕自身が実際に迷った話をする。

ある問題で、「外部情報をモデルのパラメータに学習させ、知識を恒久的に更新する」という選択肢が出てきた。

「外部情報を使うんだから、RAGかな」と、一瞬そう考えた。

でも、違った。RAGは、検索した情報を推論時に利用する仕組みだ。モデルの重みそのものを更新するのは、ファインチューニングのほうだった。

「知識を使う」という共通点だけを見ていたら、双子を遠くから眺めているのと同じで、見分けがつかない。差が出るのは、もっと細かい一点、「情報をどう扱うか」という急所だった。

三 分野別の得点率が教えてくれたこと

三つ目は、自分の学習記録の話だ。

僕は、G検定の勉強を進める中で、分野別の得点率を記録していた。数理・統計は満点近く取れているのに、機械学習の概要は半分にも届いていない。分野によって、驚くほどムラがあった。

得意な分野をさらに伸ばそうとしても、伸びしろは小さい。でも、苦手な分野に絞って、混同しやすい概念だけを潰していくと、点数は目に見えて動いた。

問題は、知識の総量ではなかった。どこで、何と何を混同しているかを、自分でも把握できていなかっただけだった。

きっと、こう思っているはずだ。

「双子の話と、RAGの話と、得点率の話。全部バラバラじゃないか」と。

その通り。僕も長いあいだ、これらを別々の話だと思っていた。

四 多くの人は「知識量が足りないから間違える」と考える

こういう話をすると、たいてい「まだ勉強量が足りないんですね」という感想が返ってくる。

半分は正しい。でも、それだけでは足りない。

まだ、全部は言わない。

五 そういうことだったのか

ここで、構造を全部明かす。

G検定で本当に問われているのは、単語の暗記量ではない。

似ているものの、境界線を見抜く力だ。

RAGとファインチューニング。正則化と正規化。CNNとResNet。教師あり学習と教師なし学習。どれも、単独で見れば「知っている」用語だ。でも、隣に並べられ、少し表現を変えられると、途端に見分けがつかなくなる。

これは、双子を遠くから眺めているのと、まったく同じ構造だ。輪郭(単語の意味)だけを覚えていても、細部の急所(何が違うのか)を見ていなければ、本番の問題文の中では見分けられない。

「知っている」と「解ける」は、別の能力だ。知っているのは輪郭の記憶。解けるのは、境界線を見抜く目。

あなたが問題を解いても点数が伸びないのは、勉強不足だからではない。単語という輪郭は、もう十分に覚えている。ただ、輪郭と輪郭の間にある、細部の境界線を、意識的に訓練していなかっただけだ。

自分を責めなくていい。

六 でも、わかっていても、境界線は一人では見つけにくい

理屈はわかった。でも、どの概念とどの概念が混同しやすいのか、どこが急所なのかを、一人で洗い出すのは骨が折れる。

参考書を何度読み返しても、境界線そのものは、あまり整理されて書かれていない。

PMとしてもよくわかる。理屈を知っていることと、実際に混同ポイントを一つひとつ潰していく作業をやり切ることは、別の話だ。

じゃあ、どうすればいいのか。

七 構造は、一つだった

PMの現場では

要件のバグを見つけるとき、大切なのは「何が正しいか」だけでなく「どこで混同が起きているか」を見ることだ。人を責めるより、構造を見る。G検定で鍛える境界線を見抜く力は、現場のレビュー力と同じ筋肉を使っている。

AI活用では

AIについて意思決定する立場にいる人ほど、似た技術の違いを正確に説明できることが、信頼につながる。半径五メートルの範囲で、AIを「なんとなく使う人」から「境界線を理解して使う人」へ。それが、これからの現場で求められる立ち位置だ。

人生では

50代からの学び直しは、若い頃の全力疾走とは違う。足し算より引き算で、得意分野を伸ばすより、苦手な境界線だけを丁寧に潰していく。それが、限られた時間の中でいちばん効率のいい、長期残存価値のある学び方だ。

構造は、一つだった。

八 じゃあ、あなたはどうする?

さて、ここまで読んで、あなたはもう構造には気づいている。

必要なのは、知識量ではなく、境界線を見抜く訓練。理屈としては、シンプルだ。

でも、ここで難しいことがある。

「具体的に、どの概念とどの概念の境界線を、どう訓練すればいいのか」を、一人で洗い出して整理するのは、現実的にはとても時間がかかる、ということだ。

その具体的な境界線の地図こそが、この記事でいちばん渡したかった「最後のピース」だ。

ここから先は、有料エリア(¥2,980)

この300問は、単なる「G検定問題集」ではない。僕自身が実際に解き、間違え、分野別に得点率を記録しながら、「なぜ間違えたのか」を一問ずつ構造化した、境界線学習のための実戦データベースだ。

収録している内容は、以下の通り。

• 実戦問題300問: 人工知能の概要・機械学習・ディープラーニング・生成AI・法律/倫理/ガバナンスを横断

• 正解だけで終わらない解説: なぜその答えなのかを理解し、初見の問題にも対応できる力を養う

• ひっかけポイント: その問題が「何と何を混同させようとしているのか」を明示

• 境界線で覚える比較整理: RAGとFT、正則化と正規化、CNNとResNetなど、間違いやすい概念を一組ずつ切り分ける

• 分野別弱点診断の考え方: 自分の得点率を記録し、伸ばすべき分野を見極めるためのフレーム

すべての正解を覚える必要はない。300問を通して、初めて見る問題でも「これはRAGの話か、FTの話か」を見抜ける状態を作ることが目的だ。

答えは書かない。どの境界線を先に潰すかは、あなたの得意不得意によって変わるから。僕が渡せるのは、そのための「300問という地図」だけだ。