人工知能の発展は、大きく分けて第1次（1950〜60年代：ルールベース、推論・探索）、第2次（1980年代：エキスパートシステム、知識表現）、第3次（2010年代〜：機械学習、ディープラーニングの登場）という3つのブームを経て現在の生成AIを中心とした時代に至っています。現在のAIの主流は、人間がルールを教えるのではなく、コンピュータ自らが大量のデータから特徴や規則性を学習する「機械学習（マシーンラーニング）」です。特にニューラルネットワークを活用したディープラーニングは、画像認識や音声処理などで圧倒的な成果を上げ、自律的な判断や創作活動まで行えるようになりました。近年では、膨大なデータを事前学習した大規模言語モデル（LLM）などが実用化され、専門的な会話や翻訳、プログラミング支援など、幅広い知能業務の自動化に活用されています。
試験では、AIの歴史や分類に関する基礎知識が問われます。特に機械学習との包含関係（AIという広い概念の中に機械学習があり、その中にディープラーニングがあるという同心円状の構造）は頻出です。また、従来の「ルールベースのシステム（エキスパートシステムなど）」と「データから学習する機械学習」の違いを正しく理解しておく必要があります。さらに、近年はAIの活用に伴う倫理的課題や法的な規制（AI倫理、著作権法、個人情報保護など）についてもよく出題されるため、単なる技術論だけでなく社会的な影響も含めて整理しておくことが重要です。
機械学習（データからパターンを学ぶ手法）、ディープラーニング（多層のニューラルネットワークを用いる手法）、エキスパートシステム（専門家の知識をルールとして登録して推論する第2次AIブームの代表的なシステム）。