【G検定過去問風テスト】ブラックボックスモデルとホワイトボックスモデル

2026年8月8日 2026年8月8日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

AIモデルの構造と解釈性に関する「ブラックボックスモデル」と「ホワイトボックスモデル（ガラスボックスモデル）」の説明として、最も適切な選択肢を1つ選べ。

A）ブラックボックスモデルは決定木や線形回帰のように内部の計算過程が直感的に分かるモデルであり、ホワイトボックスモデルはディープラーニングのように内部が複雑で解釈困難なモデルである
B）ホワイトボックスモデルは複雑な多層ニューラルネットワークのようにパラメータが膨大で内部の計算過程を直接理解するのが困難なモデルの総称である
C）ブラックボックスモデルはディープラーニングやアンサンブル学習のように内部の計算過程が複雑で直接理解するのが困難なモデルであり、ホワイトボックスモデルは決定木や線形回帰のように内部ルールを人間が直接理解できるモデルである
D）ブラックボックスモデルとホワイトボックスモデルの間には予測精度の差は一切存在せず、どちらも解釈性と精度を完全に両立している

🔍 ここをクリックして正解を見る

正解: C）ブラックボックスモデルはディープラーニングやアンサンブル学習のように内部の計算過程が複雑で直接理解するのが困難なモデルであり、ホワイトボックスモデルは決定木や線形回帰のように内部ルールを人間が直接理解できるモデルである

AIのモデルを選ぶとき、その構造が「中身の見えない金庫」なのか「透明なアクリルケース」なのかという違いを意識することが大切です。

ブラックボックスモデル： 入口にお金を入れれば正しい答えが出てくるものの、中に何百万個もの複雑な歯車が組み込まれていて人間にはどう動いているか分からない「最新式の巨大な自動販売機（ディープラーニング）」のようなものです。精度は抜群に高い反面、「なぜその結果になったのか」を説明するのが難しくなります。
ホワイトボックスモデル： 中身の構造がすべて透けて見えていて、「もし年収が〇〇万円以上ならOK、未満ならNG」という判断の枝分かれ（ルール）がだれでも一目で追える「透明なフローチャート（決定木や線形回帰）」のようなものです。こちらは解釈しやすい一方で、複雑なパターンを捉えるのは少し苦手という特徴があります。

G検定ではこの2つの言葉の定義や、「精度と解釈性のトレードオフ」とのつながりがよく問われますので、基本の対比として確実に押さえておきましょう！

A) ブラックボックスモデルは決定木や線形回帰のように内部の計算過程が直感的に分かるモデルであり、ホワイトボックスモデルはディープラーニングのように内部が複雑で解釈困難なモデルである（×）: 説明が完全に逆になっています。
B) ホワイトボックスモデルは複雑な多層ニューラルネットワークのようにパラメータが膨大で内部の計算過程を直接理解するのが困難なモデルの総称である（×）: 多層ニューラルネットワークはホワイトボックスではなく「ブラックボックスモデル」に該当するため誤りです。
C) ブラックボックスモデルはディープラーニングやアンサンブル学習のように内部の計算過程が複雑で直接理解するのが困難なモデルであり、ホワイトボックスモデルは決定木や線形回帰のように内部ルールを人間が直接理解できるモデルである（○）: それぞれの定義を正確に表しています。
D) ブラックボックスモデルとホワイトボックスモデルの間には予測精度の差は一切存在せず、どちらも解釈性と精度を完全に両立している（×）: 一般的に「精度が高くなれば解釈性が下がる（トレードオフ）」という関係があるため誤りです。

リンク