人工知能とは
G検定 学習ガイド ／ 30問 ／ 更新：2026年9月8日
最初に、人工知能・機械学習・深層学習の関係を整理します。AIという名称だけで仕組みを判断せず、人が規則を与えるのか、データから規則性を学ぶのかに注目しましょう。
理解のポイント
チューリングテストは振る舞いの評価であり、意識の存在の証明ではありません。フレーム問題は関連する事柄の選別、シンボルグラウンディング問題は記号と実世界の意味の接続として対比すると整理しやすくなります。
このページは解答を確認しながら読む教材です。答えを見ずに挑戦したい場合は、演習ページの単元一覧から該当する単元を選んでください。
30問の解答と解説
問題文を開くと、正解・考え方・各選択肢の理由を確認できます。
01画像分類で使われる深層学習、機械学習、人工知能の関係として、最も適切なものを選べ。
人工知能の定義 ／ 問題ID：g-001
正解：深層学習は機械学習に、機械学習はAIに含まれる
人工知能は知的な処理を実現する広い研究分野です。その中で、データから規則を獲得する方法が機械学習、多層のニューラルネットワークを用いる方法が深層学習です。ルールを人が記述するシステムも人工知能に含まれます。
選択肢ごとの理由
- 深層学習は機械学習に、機械学習はAIに含まれる（正解）
包含関係はAI ⊃ 機械学習 ⊃ 深層学習です。
- 機械学習は深層学習に、深層学習はAIに含まれる
包含関係が逆です。決定木など、深層学習以外の機械学習もあります。
- AIはデータから学習する手法のみで構成される
探索やルールベース推論も人工知能の手法です。
- AIは物理的な身体を持つシステムのみを指す
ソフトウェアのみでも人工知能は成立します。
覚える要点：「AI」のすべてが学習するわけではない。
公式シラバスを確認02「りんご」という記号を他の記号で定義し続けても、実物の色や味の意味にどう結び付くかが説明できない。この論点に最も関係するものを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-002
正解：シンボルグラウンディング問題
シンボルグラウンディング問題は、記号の意味が現実の対象や経験にどう結び付くかという問題です。辞書の中で単語を別の単語で説明し続けるだけでは、実世界との接点を説明できません。
選択肢ごとの理由
- シンボルグラウンディング問題（正解）
記号と実世界の意味との接続を問う問題です。
- フレーム問題
フレーム問題は、行動に関係する事柄をどこまで考慮するかという論点です。
- 勾配消失問題
勾配消失はニューラルネットワークの学習に関する問題です。
- 過学習
過学習は訓練データに適合しすぎて汎化しにくくなる現象です。
覚える要点：記号の意味＝グラウンディング、考慮する範囲＝フレーム。
公式シラバスを確認03高性能な翻訳が日常的になると「ただの計算であり知能ではない」と評価されるようになった。この受け止め方を何というか。
人工知能の定義 ／ 問題ID：g-056
正解：AI効果
AI効果は、コンピュータにできるようになったことを「本当の知能ではない」と見直す現象です。技術の性能が下がったのではなく、人間側の知能の捉え方が動いています。
選択肢ごとの理由
- AI効果（正解）
実現した知的処理を知能と見なさなくなる心理です。
- フレーム問題
行動と関連する事柄を絞る問題です。
- 身体性
身体を通した環境との相互作用に注目します。
- 強いAI
理解や心を持つAIという立場に関係します。
覚える要点：技術の変化と、人間の評価の変化を区別する。
公式シラバスを確認04室温が設定値未満なら暖房を入れる固定プログラムは、AIの4段階の整理ではどの段階に最も近いか。
人工知能の定義 ／ 問題ID：g-057
正解：単純な制御プログラム
AIのレベル分類は、機能が複雑に見えるかだけではなく、仕組みに注目します。固定のしきい値制御は単純な制御です。温度調整にデータから学ぶモデルを使う場合とは区別します。
選択肢ごとの理由
- 単純な制御プログラム（正解）
人が決めた条件で動く段階です。
- 機械学習
データから規則を獲得する過程がありません。
- 深層学習
多層のネットワークで学ぶ記述がありません。
- 汎用人工知能
幅広い課題への適応を示していません。
覚える要点：同じ用途でも、仕組みによって分類が変わる。
公式シラバスを確認05環境を観測し、その結果に基づいて行動を選ぶ主体を表す用語を選べ。
人工知能の定義 ／ 問題ID：g-058
正解：エージェント
エージェントは環境から観測を受け、行動を選びます。例えば移動ロボットはセンサーで周囲を観測し、進行方向を選びます。物理的な身体を持たないソフトウェアのエージェントもあります。
選択肢ごとの理由
- エージェント（正解）
観測と行動を通じて環境と関わる主体です。
- コーパス
分析や学習に使う言語資料の集合です。
- カーネル
類似度の関数や畳み込みのフィルタを指します。
- オントロジー
概念と関係を整理する枠組みです。
覚える要点：エージェントの基本ループは、観測から行動へ。
公式シラバスを確認06囲碁には強いが、文章の意味理解など他の課題を行えないAIを説明する表現として適切なのはどれか。
人工知能分野で議論される問題 ／ 問題ID：g-059
正解：特定の課題に特化したAI
特定の課題で人間を上回ることは、あらゆる課題に対応することを意味しません。得意分野の成績と、別の課題への適応能力を分けて評価します。
選択肢ごとの理由
- 特定の課題に特化したAI（正解）
一つの能力の高さと、汎用性は別です。
- 汎用性が実証されたAI
幅広い課題への適応は確認されていません。
- 心を持つと証明されたAI
勝率から心の有無は結論できません。
- 身体を持つことが必須のAI
囲碁の計算に物理的身体は必須ではありません。
覚える要点：得意な一芸があることと、汎用性があることは違う。
公式シラバスを確認07「適切なプログラムは、理解や心そのものを持ち得る」という主張と関係の深い用語を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-060
正解：強いAI
強いAI・弱いAIの区別は、心や理解に関する哲学的な立場として論じられます。計算速度が速いか遅いか、特定ベンチマークの点数が高いか低いかという意味ではありません。
選択肢ごとの理由
- 強いAI（正解）
単なる模倣を超えた心や理解に関する立場です。
- 弱いAI
知的活動を道具として模倣する立場と対比されます。
- AI効果
技術実現後の評価の変化です。
- トイ・プロブレム
簡略化した問題設定です。
覚える要点：強い・弱いは、処理性能の大小ではない。
公式シラバスを確認08チューリングテストで直接評価する対象に最も近いものを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-061
正解：対話における人間らしい振る舞い
チューリングテストは、対話などを通じて機械と人間を区別できるかという行動上の基準です。人間らしい返答ができたことと、内部の意識や理解が証明されたことを混同しないようにします。
選択肢ごとの理由
- 対話における人間らしい振る舞い（正解）
外から観測できる応答を評価します。
- 脳と同じ物質でできていること
材料の同一性を調べる試験ではありません。
- 内部に主観的経験があること
対話だけで主観を直接測るものではありません。
- すべての計算を最速で終えること
速度競争が本質ではありません。
覚える要点：評価するのは応答の振る舞い。心を直接測定しない。
公式シラバスを確認09中国語を知らない人が規則書に従って記号を操作し、適切な中国語の返答を作れる思考実験の主な論点を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-062
正解：記号操作だけで意味を理解できるか
中国語の部屋は、規則通りに記号を操作して正しい返答を出すことが、意味を理解していることに等しいかを問います。実験結果でAI一般の能力限界が確定したわけではなく、哲学的な議論です。
選択肢ごとの理由
- 記号操作だけで意味を理解できるか（正解）
構文操作と意味理解の違いを問いかけます。
- 辞書の保存容量を増やす方法
計算機の容量設計ではありません。
- 発音認識の誤差を測る方法
音声処理の実験ではありません。
- 探索の最短経路を求める方法
経路探索とは無関係です。
覚える要点：適切な出力と、意味の理解を分けて考える。
公式シラバスを確認10ロボットが物を運ぶ際、行動によって変わらない周辺の事実まで無数に確認し始めて動けなくなる。関係する問題を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-063
正解：フレーム問題
現実の行動には膨大な関連・非関連情報があります。すべての変化と非変化を列挙するのは困難です。フレーム問題は、このような情報の扱いをどう限定するかという論点です。
選択肢ごとの理由
- フレーム問題（正解）
考慮するべき関連事項の限定が難しい問題です。
- シンボルグラウンディング問題
記号が実世界の意味に結び付く問題です。
- 勾配爆発
学習時の微分値が大きくなる問題です。
- コールドスタート
推薦に必要な履歴が少ない問題です。
覚える要点：現実の行動で、何を考えれば十分かを問う。
公式シラバスを確認11ブロックの種類も動作も限定された仮想世界でだけ動く推論システムを、現実に移す際の注意を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-064
正解：限定世界の成功を現実に一般化できるとは限らない
トイ・プロブレムは複雑さを減らして手法を検証する問題です。研究には有用ですが、現実の不確実性や多様な例外を除いているため、そのまま実用性を証明するものではありません。
選択肢ごとの理由
- 限定世界の成功を現実に一般化できるとは限らない（正解）
現実には曖昧さや想定外が増えます。
- 現実の対象もすべて同じ規則で記述できる
単純化で取り除いた条件が現れます。
- 処理時間だけ短縮すれば必ず移行できる
問題設定そのものが違います。
- 限定世界での研究には価値がない
仕組みの検証には役立ちます。
覚える要点：限定条件での成功を、現実へそのまま拡張しない。
公式シラバスを確認12熟練者が経験で判断できても、その判断規則をすべて説明できず、ルール化が進まない。この難しさを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-065
正解：知識獲得のボトルネック
エキスパートシステムには専門家の知識を明示的に記述する作業が必要です。暗黙知や例外まで取り出すことが難しく、知識の獲得と保守が開発の制約になります。
選択肢ごとの理由
- 知識獲得のボトルネック（正解）
専門知識をシステムに取り込む難しさです。
- 並列化による演算の高速化
計算装置の速度では解消しません。
- パラメータの位置間共有
畳み込みのパラメータ設計です。
- バッチ内の統計的な正規化
ネットワーク内部の統計を調整する方法です。
覚える要点：知っていることを、規則として書けるとは限らない。
公式シラバスを確認13人工知能という研究分野の成立に関わる1956年の会合を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-066
正解：ダートマス会議
ダートマス会議は、知的な能力を機械で実現する研究を人工知能として位置付けた歴史的な会合です。深層学習による画像認識の発展とは時代を分けて覚えます。
選択肢ごとの理由
- ダートマス会議（正解）
人工知能研究の歴史的な出発点とされます。
- ILSVRC
画像認識の競技会です。
- ローブナーコンテスト
対話システムに関する競技です。
- ImageNet
画像データセットです。
覚える要点：1956年・ダートマス会議をAI研究史の起点として整理。
公式シラバスを確認14身体性を重視する知能観に最も合う例を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-067
正解：身体を通じた環境との相互作用で学ぶ
身体性は、知能を頭の中の記号処理だけではなく、身体と環境の相互作用と結び付けて考えます。例えば、物をつかんで重さや硬さを学ぶ経験が概念の形成に関係します。
選択肢ごとの理由
- 身体を通じた環境との相互作用で学ぶ（正解）
知能と身体・環境の相互作用を捉えています。
- 身体や環境を無視して記号表だけ増やす
相互作用に注目していません。
- 計算速度だけで意味理解を定義する
身体性の論点ではありません。
- データの文字コードを統一する
情報の符号化処理です。
覚える要点：知能を身体と環境の関係からも考える。
公式シラバスを確認15シンギュラリティに関する説明として最も適切なものを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-068
正解：AIの進展が社会を大きく変える転換点の議論
シンギュラリティは技術的特異点と呼ばれ、AIの発展が人間社会に大きな転換をもたらすという議論です。その成立や時期には異なる見方があります。予測と確認済みの事実を区別します。
選択肢ごとの理由
- AIの進展が社会を大きく変える転換点の議論（正解）
将来像に関する概念で、時期が確定した事実ではありません。
- すべての専門家が発生年に合意した自然法則
確定した年の合意はありません。
- モデルの損失が必ず0になる性質
学習の数式上の性質ではありません。
- コンピュータが一台だけになる現象
台数を表す用語ではありません。
覚える要点：将来の仮説を、確定した日程として扱わない。
公式シラバスを確認16倉庫ロボットの「車輪を回す機構」と「障害物を避ける経路判断」の関係を考える。最も適切な説明を選べ。
人工知能の定義 ／ 問題ID：g-069
正解：身体の機構と情報処理は区別できる
ロボットは物理世界で動作する装置、AIは知的な情報処理に関わる技術です。両者を組み合わせることはできますが同義ではありません。固定動作だけのロボットもあります。
選択肢ごとの理由
- 身体の機構と情報処理は区別できる（正解）
ロボットとAIは同じ概念ではありません。
- 車輪自体があれば機械学習が成立する
機構だけではデータから学びません。
- AIは必ず車輪を持つ
身体を持たないAIもあります。
- ロボットには情報処理が使えない
制御や判断に情報処理を使います。
覚える要点：AIとロボットは、ソフトウェアと身体の観点を分ける。
公式シラバスを確認17人が特徴量を設計した決定木と、生画像から多層ネットワークを学ぶ方法の比較として適切なものを選べ。
人工知能の定義 ／ 問題ID：g-070
正解：両者は機械学習で、後者は深層学習である
機械学習にはさまざまなモデルがあります。深層学習では特徴の変換も含めて多層で学ぶことができますが、すべての課題で深層学習が最善とは限りません。
選択肢ごとの理由
- 両者は機械学習で、後者は深層学習である（正解）
特徴の作り方が異なっても機械学習に含まれます。
- 決定木だけが人工知能である
深層学習もAIの一分野です。
- 生画像を使えば学習データは不要になる
画像自体が学習データです。
- 深層学習は重みを学習しない
パラメータを学習します。
覚える要点：深層学習は機械学習の選択肢の一つ。
公式シラバスを確認18翻訳に文法規則や辞書の対応を人が明示的に組み込む方式を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-071
正解：ルールベース機械翻訳
ルールベース機械翻訳は文法や単語の規則を人が整備します。規則を追跡しやすい反面、例外や言語ごとの差異を広く記述・保守する負担があります。
選択肢ごとの理由
- ルールベース機械翻訳（正解）
人が定める規則に基づく方式です。
- 統計的機械翻訳
対訳データから統計的な対応を学びます。
- 強化学習
報酬を通じて行動を学びます。
- ランダム探索
候補を無作為に調べる手法です。
覚える要点：ルールベースは規則の明示と保守が重要。
公式シラバスを確認19大量の対訳文から、ある表現がどの訳に対応しやすいかを推定する翻訳方式を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-072
正解：統計的機械翻訳
統計的機械翻訳は、対訳コーパスなどから訳の対応や自然さを統計的に扱います。人が全規則を書き切る方式と、知識を獲得する経路が異なります。
選択肢ごとの理由
- 統計的機械翻訳（正解）
対訳コーパスの統計に基づいて訳を選びます。
- 固定の単語置換だけの方式
文脈や統計的対応を学ぶ説明ではありません。
- 幅優先探索そのもの
探索手順だけで翻訳モデルにはなりません。
- 人による同時通訳
機械でデータを学ぶ方式ではありません。
覚える要点：対訳の実例から対応を学ぶのが統計的な方式。
公式シラバスを確認20中国語の部屋とシンボルグラウンディング問題の共通する関心を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-073
正解：記号操作と意味理解の関係
両者は同じ問題名ではありません。中国語の部屋は記号処理と理解の関係、グラウンディング問題は記号の意味を外の世界へ結び付ける関係に着目します。
選択肢ごとの理由
- 記号操作と意味理解の関係（正解）
いずれも記号と理解・意味を考える論点です。
- 画像の解像度の上限
画像処理の規格ではありません。
- メモリの交換手順
ハードウェア保守ではありません。
- 最適なバッチサイズ
モデル学習の設定ではありません。
覚える要点：共通点は意味、着眼点は異なる。
公式シラバスを確認21ルールベースAIの利点が表れやすい状況を選べ。
人工知能の定義 ／ 問題ID：g-074
正解：判断規則が明確で、適用した規則を追跡したい場合
仕組みを選ぶときは、深層学習が新しいからという理由だけで決めません。制度に基づく明確な判断ならルールベースが扱いやすい場合もあり、データで学ぶ手法との組合せも考えられます。
選択肢ごとの理由
- 判断規則が明確で、適用した規則を追跡したい場合（正解）
明示的な規則が説明に役立ちます。
- 規則が不明で例外が無限に増える場合
規則を人が管理する負担が増えます。
- 教師データがあるだけで規則記述を一切したくない場合
ルールベースの特徴に合いません。
- 現実の変化を検知せず永久に使いたい場合
ルールも更新が必要になります。
覚える要点：課題に合うなら、明示的なルールも有力。
公式シラバスを確認22AIを導入したと主張する装置を評価するとき、最も有用な確認を選べ。
人工知能の定義 ／ 問題ID：g-075
正解：入力・出力・動作条件を確認する
人工知能という語は広く使われます。評価するには、具体的な機能、学習の有無、性能を確認した条件を明らかにします。見た目や呼称だけでは判断できません。
選択肢ごとの理由
- 入力・出力・動作条件を確認する（正解）
具体的なタスクと条件に落とし込みます。
- AIという製品名だけで自律性を判断する
名称だけでは機能はわかりません。
- 画面が人型なら学習していると判断する
見た目は学習の証拠ではありません。
- 応答が長いなら正しいと判断する
文章量と正しさは別です。
覚える要点：AIというラベルを、具体的な機能へ分解する。
公式シラバスを確認23「ロボットの行動後に、室内のすべての物の位置が変わっていないと列挙する必要があるのか」という問いが特に扱うものを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-076
正解：行動後も変わらない事実の表現
行動の効果だけでなく、影響を受けずにそのまま残る事実をどう表すかが問題になります。変わらないことをすべて書く方法では、対象が増えるほど記述が膨大になります。
選択肢ごとの理由
- 行動後も変わらない事実の表現（正解）
フレーム問題の古典的な論点です。
- 単語を発音上の音節に分ける処理
音声や言語処理の話ではありません。
- ネットワークの重みの初期値設定
学習の設定ではありません。
- 保存データの圧縮率に関する評価
符号化の効率とは異なります。
覚える要点：変化だけでなく、変わらない事実の扱いも難しい。
公式シラバスを確認24記号「熱い」を温度センサーや触覚の経験に結び付ける研究は、どの論点の解決を目指す例に近いか。
人工知能分野で議論される問題 ／ 問題ID：g-077
正解：記号と実世界の結び付け
記号を他の記号の説明だけで扱うのではなく、実世界の経験や知覚と結び付けようとしています。ただしセンサーを加えたことだけで、意味や理解の全問題が解決したとはいえません。
選択肢ごとの理由
- 記号と実世界の結び付け（正解）
グラウンディングの具体例です。
- 全経路の列挙
探索の網羅性の話ではありません。
- 重複データの削除
データ整理だけではありません。
- 誤差関数の対称化
損失の数理ではありません。
覚える要点：感覚との対応付けが、記号の意味を考える手掛かりになる。
公式シラバスを確認25ローブナーコンテストと最も関係が深いものを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-078
正解：人間らしさを評価する対話テスト
ローブナーコンテストはチューリングテストに着想を得た対話の競技です。名前だけでなく、何を評価しようとしたかを対応付けると、歴史的な出来事を整理しやすくなります。
選択肢ごとの理由
- 人間らしさを評価する対話テスト（正解）
対話システムの人間らしさを競う試みでした。
- 畳み込み演算の処理速度テスト
画像計算の競技ではありません。
- 量子化モデルの消費電力測定
軽量化評価ではありません。
- 囲碁における対局の勝率評価
盤面ゲームの競技ではありません。
覚える要点：ローブナーは、対話の人間らしさ。
公式シラバスを確認26対話テストで相手に人間だと思わせたシステムについて、テスト結果だけからは言えないことを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-079
正解：人と同じ主観的意識が証明された
評価から言えることは、その評価が測った範囲に限られます。対話で区別できないという結果を、心の存在やあらゆる仕事の能力にまで広げて解釈しないことが大切です。
選択肢ごとの理由
- 人と同じ主観的意識が証明された（正解）
観測した振る舞いだけから意識は直接確認できません。
- 試験条件では人間らしい返答ができた
観測結果の範囲内の説明です。
- 評価者が機械と区別しにくかった
テストの目的に沿います。
- 別の条件で追加評価する余地がある
条件が変われば結果も変わり得ます。
覚える要点：テストの結果は、テストが測った範囲で読む。
公式シラバスを確認27汎用性と「強いAI」の関係について、慎重な説明として適切なものを選べ。
人工知能分野で議論される問題 ／ 問題ID：g-080
正解：汎用的な能力と心の有無は別の論点である
日常的には用語が混用されることがありますが、試験学習では論点を整理します。汎用性は対応できる課題の広さ、強いAIの議論は本当に理解や心があるかという問題です。
選択肢ごとの理由
- 汎用的な能力と心の有無は別の論点である（正解）
機能的な広さと哲学的な理解を区別します。
- 汎用タスクで高得点なら意識も必ず証明される
機能評価だけでは意識を証明できません。
- 強いAIとはGPUを多く積んだ装置である
装置の規模を指すものではありません。
- 汎用性とは同じ問題を高速に繰り返すことである
異なる課題への対応を含む概念です。
覚える要点：能力の広さと、心の有無を同一視しない。
公式シラバスを確認28人工知能の定義を学ぶ姿勢として最も適切なものを選べ。
人工知能の定義 ／ 問題ID：g-081
正解：研究者や文脈による定義の違いを捉える
人工知能は知的な処理を機械で実現する幅広い研究領域です。知能の定義そのものにも議論があるため、唯一の狭い実装方式と同義にしないようにします。
選択肢ごとの理由
- 研究者や文脈による定義の違いを捉える（正解）
知能をどう捉えるかにも複数の考え方があります。
- すべての定義で物理的な身体が必須だと考える
身体を必須としない定義もあります。
- 必ずニューラルネットワークだけを指すと考える
古典的な探索や推論も含まれます。
- 一度成功した技術はAIであり得ないと断定する
AI効果という評価の問題と技術分類は別です。
覚える要点：AIの定義を一つの実装方式に狭めない。
公式シラバスを確認29学習済みの画像モデルを新しい写真に適用してラベルを出す処理を、モデル作成と区別して何と呼ぶか。
人工知能の定義 ／ 問題ID：g-082
正解：推論
学習ではデータを使ってパラメータを調整し、推論では得られたパラメータで予測します。実装によってオンライン更新する場合はありますが、新しい入力を与えるたび必ず学習するわけではありません。
選択肢ごとの理由
- 推論（正解）
学習済みの規則を新しい入力に適用します。
- 学習データの注釈付け
正解ラベルを付ける作業です。
- 重みの初期化
学習前の設定です。
- 教師データの収集
入力例を集める段階です。
覚える要点：学習で作り、推論で使う。
公式シラバスを確認30固定規則の翻訳が専門分野の文では動くが、日常会話の曖昧な表現で失敗する。最も適切な改善の考え方を選べ。
人工知能分野で議論される問題 ／ 問題ID：g-083
正解：失敗の原因と、知識・データの不足を調べる
翻訳には単語の対応だけでなく、文脈や分野による意味の変化も関係します。特定領域の成功を一般的な意味理解と捉えず、想定する利用条件で検証する必要があります。
選択肢ごとの理由
- 失敗の原因と、知識・データの不足を調べる（正解）
領域差や曖昧さを具体的に分析します。
- 専門文で動けばすべての言語理解が完成したとする
限定範囲の成功にとどまります。
- 規則の数を数えるだけで品質を保証する
内容と適用範囲が重要です。
- 会話をすべて文脈なしの単語置換で十分とする
文脈や多義性を扱えません。
覚える要点：対応領域と、一般的な言語理解を区別する。
公式シラバスを確認