結論：出題範囲は10分野。ただし分野ごとの出題比率は公表されていません
G検定（ジェネラリスト検定）で「何が出るのか」は、主催団体である一般社団法人日本ディープラーニング協会（JDLA）が公開しているシラバス（試験出題範囲）にそのまま書かれています。2026年9月時点で適用されているのはG2024#6～の版で、構成は技術分野8つ＋法律・倫理分野2つの計10分野です。
受験申込の告知にも「シラバスより出題」と明記されており、範囲は推測するものではなく読むものです。一方で、分野ごとに何問出るか（出題比率・配点）はJDLAが公開していません。合格ラインについても「開示しておりません」と明記されています。つまり「どの分野を何割やればいいか」を主催団体の数字で決めることはできません。
この記事では、まず2026年9月時点の試験の事実を置き、次に10分野それぞれが何を問う範囲なのかを地図にします。後半では2024年のシラバス改訂でJDLAが何を変えたと説明しているかと、旧版で勉強していた人が差分を埋める手順を扱います。勉強時間の目安や問題演習はこの記事の主題ではないので、該当する箇所で別記事に渡します。
まず押さえる試験の事実（2026年9月時点）
出題範囲を読む前に、範囲がどういう形式で問われるのかを確認しておきます。以下はすべてJDLAのG検定ページと各回の告知に公開されている条件です。
- 出題範囲：JDLAが公開するシラバス（G2024#6～）より出題。
- 出題形式：知識問題（多肢選択式）。記述やプログラミングの設問はありません。
- 試験時間・出題数：2026年はオンライン試験が100分・小問145問程度、会場試験が120分・小問145問程度（2026年の年間開催スケジュール）。
- 受験資格：制限なし。JDLAのよくある質問に「受験資格に制限はなく、どなたでも受験可能です。」と記載されています。
- 受験料：一般13,200円（税込）／学生5,500円（税込）。
- 合格ライン：非開示。JDLAは「合格ラインおよび得点については開示しておりません。」と明記しています。
- 分野別の出題比率：公表されていません。
145問程度を100分で解く場合、単純計算で1問あたり40秒強です。ここから分かるのは、1問ごとに深く考え込ませる試験ではなく、範囲全体に薄く広く触れているかを問う試験だということです。だからこそ、範囲の地図を先に持っているかどうかが効きます。
なお、JDLAは例題・過去問のページで20問（各4択）を公開しており、各問に「人工知能とは」「AI倫理・AIガバナンス」といったテーマ名が添えられています。シラバスの10分野がそのまま問題のラベルとして使われているということです。当サイトのG検定の予想問題10問｜分野別の解き方と間違えやすい論点も同じ分野の区切りで作っています。
10分野の一覧｜シラバスに並ぶ項目
下の表は、2026年9月時点でJDLAが公開しているシラバス（G2024#6～）の分野名と、その下に並ぶ項目をそのまま並べたものです。順番もJDLAの掲載順のままです。重要度の順ではありません。
| 区分 | 分野 | シラバスに並ぶ項目 |
|---|---|---|
| 技術分野 | 1. 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 |
| 技術分野 | 2. 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 |
| 技術分野 | 3. 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 |
| 技術分野 | 4. ディープラーニングの概要 | ニューラルネットワークとディープラーニング／活性化関数／誤差関数／正則化／誤差逆伝播法／最適化手法 |
| 技術分野 | 5. 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 |
| 技術分野 | 6. 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 |
| 技術分野 | 7. 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 |
| 技術分野 | 8. AIに必要な数理・統計知識 | AIに必要な数理・統計知識 |
| 法律・倫理分野 | 9. AIに関する法律と契約 | 個人情報保護法／著作権法／特許法／不正競争防止法／独占禁止法／AI開発委託契約／AIサービス提供契約 |
| 法律・倫理分野 | 10. AI倫理・AIガバナンス | 国内外のガイドライン／プライバシー／公平性／安全性とセキュリティ／悪用／透明性／民主主義／環境保護／労働政策／その他の重要な価値／AIガバナンス |
出典：JDLA G検定の試験出題範囲（シラバス）G2024#6～（2026年9月時点）。なお、ここに並ぶのは分野と項目までで、項目の下の細目まで確認したい場合はJDLAが配布しているシラバス本体（PDF）を参照してください。
出題範囲の地図①｜技術分野8つを分野別に読む
ここからは各分野が「何を問う範囲か」を1つずつ見ます。分野名と項目はJDLAの公表どおりで、その意味づけと読みどころは当編集部の整理です。JDLAが分野の難易度や重要度を示しているわけではありません。
1. 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）
入口の分野です。人工知能という言葉の定義が一つに定まっていないこと、そしてこの分野で長く議論されてきた問題を扱います。用語を覚えるというより、「AIという言葉が何を指すかは文脈によって違う」という前提を置くための範囲です。後半の法律・倫理分野の議論も、結局ここでの線引きの上に乗っています。
2. 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）
技術の流れを追う分野です。探索・推論からエキスパートシステム、機械学習、ディープラーニングへと項目が並んでおり、それぞれの時代に何ができて、何が壁になったのかが問われる範囲になります。ディープラーニングから入った人がいちばん抜けやすいのがここです。今の技術だけを追っていると、探索・推論や知識表現の用語が出てきた時点で手が止まります。
3. 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）
学習の型を3つに分けたうえで、モデルの選択・評価までを含みます。実務でAIの提案を受ける立場の人にとっては、この分野の「モデルの選択・評価」がいちばん直接使えるところです。精度の数字をどう読むか、どういう条件だとその数字が信用できないかは、ここに含まれる範囲です。
4. ディープラーニングの概要（ニューラルネットワークとディープラーニング／活性化関数／誤差関数／正則化／誤差逆伝播法／最適化手法）
ニューラルネットワークが「どう学習するのか」の仕組みを扱う分野です。項目名は数学的に見えますが、G検定は知識問題（多肢選択式）なので、計算そのものよりそれぞれの部品が何のためにあるのかが中心になります。非エンジニア職にとってはここが心理的な山になりやすい分野ですが、項目数は6つで範囲としては区切られています。
5. 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）
モデルを組み立てる部品のカタログにあたる分野です。項目が9つと多く、名前だけは聞いたことがあるものが並びます。とくにAttentionは、現在の大規模言語モデルの話につながる項目として押さえどころになります。実装できる必要はありませんが、部品の名前と役割が対応づいているかは問われる範囲です。
6. 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）
項目数が最も多い分野です。何に使われているかという応用の話に加えて、転移学習・ファインチューニング、モデルの解釈性、モデルの軽量化といった運用側の論点まで入っています。データ生成やマルチモーダルも項目として並んでおり、生成AIに関する話題はこの分野の周辺に重なります。ニュースで見聞きした知識がいちばん効く分野であると同時に、断片的な知識のままだと取りこぼしが出やすい分野でもあります。
7. 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）
技術ではなく、プロジェクトとしてAIを動かすときの範囲です。企画からデータの準備までの流れを扱います。社内でAI活用を推進する立場の人にとっては、業務でそのまま使える分野です。企業としてまとめて受験させる場合の進め方は社員にG検定・E資格を取らせる進め方｜費用と講座の選び方で扱っています。
8. AIに必要な数理・統計知識
項目が分野名と同じ1つだけの分野です。シラバス上の項目数が少ないことと、出題が少ないことは別なので注意してください。前述のとおりJDLAは分野別の出題比率を公表していません。項目の下の細目はシラバス本体（PDF）にあるため、この分野だけは一覧表の粒度では中身が分かりません。確認したい場合はPDFを開いてください。
出題範囲の地図②｜法律・倫理分野2つを分野別に読む
10分野のうち2分野が法律・倫理分野です。技術の動向を日常的に追っている人でも、ここは別に学ぶ必要がある領域として残りやすいところです。
9. AIに関する法律と契約（個人情報保護法／著作権法／特許法／不正競争防止法／独占禁止法／AI開発委託契約／AIサービス提供契約）
法律が5本、契約が2種類並びます。法律の条文を暗記する範囲ではなく、AIの開発・利用のどの場面でどの法律が関係するかを結びつける範囲だと読むのが自然です。AI開発委託契約とAIサービス提供契約が項目として独立している点は、この試験の特徴といえます。ベンダーに開発を委託する側・される側のどちらの立場でも、業務と直結する範囲です。
10. AI倫理・AIガバナンス（国内外のガイドライン／プライバシー／公平性／安全性とセキュリティ／悪用／透明性／民主主義／環境保護／労働政策／その他の重要な価値／AIガバナンス）
項目が11あり、単独の分野としては最も項目数が多い分野です。国内外のガイドラインから、公平性・透明性といった価値の論点、そして組織としてのAIガバナンスまでが並びます。独学で後回しにされやすい一方、社内ルールやAI利用ガイドラインを整える立場の人には直接効く範囲です。この2分野があることが、G検定を技術試験ではなくAIを使う組織の側に立った試験にしています。G検定そのものが自分の目的に合うかを迷っている場合は、G検定は意味ない？向く人・向かない人と取得後にできることで条件別に整理しています。
シラバス改訂（G2024#6～）で何が変わったか
現在のシラバスは、2024年の改訂を経たものです。JDLAは2024年5月14日のお知らせでシラバス改訂を発表し、2024年11月実施の「G検定 2024#6」から適用しました。版名の「G2024#6～」はここに由来します。
JDLAが挙げている変更点は3つ
お知らせに書かれている変更点は次の3点です。いずれもJDLAの説明であり、当編集部の推測ではありません。
- 人工知能の歴史的知識とディープラーニング知識の体系を見直し：技術分野の並び方そのものを整理し直したということです。
- 基盤モデルや言語モデルといった生成AI技術を新たに追加：生成AIの広がりを受けて、範囲に項目が足されました。
- 法律・倫理について、ディープラーニング利活用時に理解すべきポイントを明確化：法律・倫理分野の書き方がはっきりしたということです。
JDLAはこの見直しの背景として、生成AIの登場によって環境が激しく変化するなかで、最先端の技術をキャッチアップできる人材の育成を目指した旨を説明しています。
あわせて起きた2つの変更
シラバス改訂と同じタイミングで、次の変更も告知されています。
- 公式テキストの改訂：シラバス改訂にあわせて公式テキストの第3版が2024年5月27日に刊行されました。旧版のテキストは改訂前のシラバスに対応しているということになります。
- 出題数の変更：2024年第6回の申込開始のお知らせに「G2024#6より出題数を変更いたします」と明記されています。その後も見直されており、2026年は小問145問程度です。
改訂後に一部修正が入っている点に注意
同じ2024年第6回の告知には、「新シラバスの内容を9月20日付けにて一部修正しております」「詳細については、シラバス内の改訂履歴をご参照ください」という案内もあります。つまりG2024#6～の版そのものにも履歴があるということです。適用開始の直後に印刷・保存した資料を使っている場合は、シラバス本体の改訂履歴で修正の有無を確認してください。
「削除された項目」は公表されていません
改訂で何が追加されたかはJDLAが説明していますが、どの項目が削除されたかの一覧は公表されていません。2026年9月時点で、JDLAのG検定の新着情報にG2024#6以降の新しいシラバス改訂の告知は出ていません。範囲が変わったかどうかを確かめたい場合は、旧版と現行版のシラバスを自分で突き合わせるか、シラバス本体の改訂履歴を見るのが確実です。当編集部は「この項目が消えた」という推測は書きません。同じ型の整理は生成AIパスポート側でも行っており、生成AIパスポートのシラバス改訂｜変更点と旧版で勉強した人の埋め方で扱っています。
旧版で勉強していた人が差分を埋める3ステップ
2024年の改訂前に学習を始めて中断した人、旧版の公式テキストや旧版に対応した教材が手元にある人が、やり直しを最小限にするための手順です。公開情報だけで実行できます。
ステップ1：現行シラバスの項目名を上から順に読み、知らない言葉に印をつける
教材を開く前に、JDLAのシラバスの項目名だけを通しで読みます。この記事の一覧表でも構いません。知っている言葉と知らない言葉を分けるだけで、埋めるべき差分がどの分野に偏っているかが見えます。ここで印がつくのは、多くの場合、ディープラーニングの応用例と法律・倫理分野です。
ステップ2：手元の教材がどの版に対応しているかを確かめる
公式テキストは2024年5月27日に第3版が刊行されています。手元のテキストや講座の教材が改訂前のものであれば、生成AI関連の項目と、明確化された法律・倫理分野の記述は反映されていない可能性があります。版を確認したうえで、買い直すか、差分だけ別途補うかを決めてください。教材の選び方と費用の考え方はG検定の対策講座と教材の選び方｜費用と認定の見方にまとめています。なお当編集部は特定の教材や講座の効果を断定しません。
ステップ3：印をつけた項目だけを、一次情報とあわせて埋める
ステップ1で印をつけた項目に絞って学習します。法律・倫理分野については、シラバスの項目名に挙がっているガイドラインや法律そのものが公開情報なので、原典にあたれる項目も少なくありません。範囲全体をやり直す必要はなく、差分だけを足すほうが早く終わります。項目を理解できたかどうかの確認には、G検定の予想問題10問｜分野別の解き方と間違えやすい論点や、JDLAが公開している例題を使ってください。
出題範囲を確認するときによくある失敗
教材の目次を出題範囲だと思い込む
JDLAが「より出題」と明記しているのはシラバスです。教材の目次はシラバスに沿って作られていても同一ではありません。まずシラバスを開き、教材はそれを学ぶための手段として選んでください。順序が逆になると、教材に載っていない項目が範囲から抜け落ちます。
分野の項目数を出題数だと解釈する
「AIに必要な数理・統計知識」は項目が1つ、「AI倫理・AIガバナンス」は11あります。しかしこれは項目の粒度の違いであって、出題数の比ではありません。分野別の出題比率はJDLAが公表していません。項目数から配分を逆算した数字は、どこかで誰かが推定したものです。
法律・倫理分野を「あとで」に回す
10分野のうち2分野が法律・倫理分野です。技術分野に比べて後回しにされやすい一方、個人情報保護法から独占禁止法、AI開発委託契約、AIガバナンスまで項目は広く取られています。技術の動向を追っている人ほど、ここが手つかずで残ります。
古いシラバスを見たまま学習を進める
検索で上位に出てくる解説記事が、改訂前のシラバスを前提にしていることがあります。版名が「G2024#6～」であるかどうかを、JDLAのページで確認してください。あわせて、シラバス本体の改訂履歴（2024年9月20日付の一部修正を含む）も見ておくと確実です。
合格ラインを逆算しようとする
JDLAは合格ラインも得点も開示していません。「この分野を捨てても何割取れる」という設計はできない前提で範囲を読んでください。範囲が10分野あるという事実のほうが、配分の推定より確かな出発点です。
まとめ
2026年9月時点で、G検定の出題範囲はJDLAが公開するシラバス（G2024#6～）で、技術分野8つと法律・倫理分野2つの計10分野です。出題は知識問題（多肢選択式）で、2026年はオンライン試験が100分・小問145問程度、会場試験が120分・小問145問程度、受験料は一般13,200円（税込）・学生5,500円（税込）、受験資格に制限はありません。
範囲は公開されていますが、分野ごとの出題比率と合格ラインは公開されていません。したがって配分を逆算する学習計画は、どこまでいっても推定の上に立ちます。確かなのは10分野という構造のほうです。項目名を上から通しで読み、知らない言葉がどの分野に固まっているかを見るところから始めるのが、範囲に対して素直な進め方です。
2024年の改訂でJDLAが挙げた変更点は、技術知識の体系の見直し、基盤モデルや言語モデルといった生成AI技術の追加、法律・倫理分野の明確化の3点です。削除項目の一覧は公表されておらず、2026年9月時点でこれ以降の新しい改訂の告知も出ていません。旧版の教材で学習していた人は、現行シラバスの項目名と手元の教材の版を突き合わせ、差分だけを埋めてください。
範囲の地図が持てたら、次は問題の形に慣れる段階です。分野別の解き方はG検定の予想問題10問｜分野別の解き方と間違えやすい論点で確認できます。
よくある質問
Q1. 2026年に受験する場合、どのシラバスを見ればよいですか。
2026年9月時点で適用されているのはG2024#6～の版です。JDLAのG検定ページのシラバスの節から確認でき、各回の受験申込の告知にも「シラバスより出題」と記載されています。なお、この版には2024年9月20日付の一部修正が入っており、詳細はシラバス内の改訂履歴を参照するようJDLAが案内しています。受験前に版名と改訂履歴の両方を見ておくと確実です。
Q2. 分野ごとに何問出るか分かりますか。得意分野だけで合格できますか。
分野別の出題比率は公表されていません。さらにJDLAは「合格ラインおよび得点については開示しておりません。」と明記しているため、どの分野を何割取れば合格できるかを公表情報から計算することはできません。インターネット上で見かける配分の数字は、いずれも主催団体の発表値ではありません。10分野すべてが範囲であるという前提で準備するのが、公開情報に沿った考え方です。
Q3. 公式テキストを読めば出題範囲を網羅できますか。
JDLAがシラバスと教材の対応関係を保証しているわけではないため、網羅できるとも、できないとも当編集部は断定しません。事実として言えるのは、シラバス改訂にあわせて公式テキストの第3版が2024年5月27日に刊行されていること、そしてJDLAが出題の根拠として挙げているのはあくまでシラバスであることです。教材を選ぶ際は、シラバスの版に対応しているかを先に確認してください。選び方の観点はG検定の対策講座と教材の選び方｜費用と認定の見方で、ほかのAI資格との範囲の違いはAI資格4つの違いと選び方｜生成AIパスポート・G検定・E資格・DS検定で整理しています。
