| 1 |
対戦型ゲームAIにおいて、すべての選択肢を探索するミニマックス法を基本としつつ、明らかに選ばれることのない無駄なルートの探索を途中で打ち切ることで、限られた計算時間の中でより深い先読みを実現するためのアルゴリズムはどれか。 |
解説
|
| 2 |
VAEの拡張モデルにおいて、画像生成時に「髪の長さ」「性別」「笑顔の度合い」といった、データの持つ潜在的な特徴（意味）が互いに混ざり合うことなく、それぞれ独立した因子として潜在空間に分離・獲得（ディセタングルメント）されるよう制御したい。この目的を達成するために、損失関数内の特定の正則化項の重みを調整したモデルはどれか。 |
解説
|
| 3 |
強化学習の初期段階において、エージェントが過去の経験から得た「現時点で最も報酬が高いとわかっている行動」ばかりを繰り返すと、より良い行動パターンを一生発見できなくなる危険性がある。この「探索と利用のトレードオフ」を解決するため、一定の確率で完全にランダムな行動を選択させることで未知の環境を開拓させる方策はどれか。 |
解説
|
| 4 |
強化学習モデルの構築において、方策を直接最適化する手法は行動のばらつき（分散）が大きくなり学習が不安定になりやすい。この問題を克服するため、「次に行うべき行動を決定する構造」と「その行動によって得られた状態の価値を厳しく評価し、軌道修正を促す構造」の2つを独立させて組み合わせ、効率的かつ安定して学習を進める枠組みはどれか |
解説
|
| 5 |
不均衡なデータセットや識別が難しい複雑な境界を持つデータに対して、単一の強力な予測モデルを一度に構築するのではなく、正解率が50%をわずかに上回る程度の軽量なモデルを複数用意し、前のモデルが間違えたデータに対して順次大きな重み（ペナルティ）を与えながら直列に学習を繰り返して最強の識別器を作るアンサンブル学習手法はどれか。 |
解説
|
| 6 |
ニューラルネットワークの最適化手法（オプティマイザ）において、学習が進むにつれて過去の勾配の二乗和が累積し、最終的に学習率が実質ゼロになってしまい、新しいデータを全く学習できなくなる（学習の停滞）という致命的な欠点を持つ手法がある。この問題を解決するため、過去の勾配の蓄積に移動平均を導入し、学習率が極端に低下しないように改良された手法はどれか。 |
解説
|
| 7 |
機械学習モデルのパラメータ最適化において、データ全体の中で「滅多に出現しない非常に稀な特徴（勾配）」に対する学習を逃さず進めたい一方で、頻出する特徴に対しては過剰に過敏な更新を抑えたい。パラメータごとに過去の勾配に基づき自動で学習率を調整し、稀な勾配に対しては相対的に大きなステップで更新を行えるように設計された手法はどれか。 |
解説
|
| 8 |
ディープラーニングにおいて、傾斜（勾配）の方向へスムーズに進むための「慣性（モーメント）」を考慮するアプローチと、パラメータごとに学習の進捗度合い（ステップ幅）を自動で調整するアプローチの両方のメリットを融合させ、現代のディープラーニングの最も標準的なオプティマイザとして広く使われている手法はどれか。 |
解説
|
| 9 |
統計モデルや機械学習モデルを構築する際、予測の適合度を上げようとして変数の数やパラメータ数を増やしすぎると、手元のデータに過剰に適合する「過学習」が引き起こされる。モデルの予測精度（最大対数尤度）の高さと、モデルの複雑さ（パラメータ数）のペナルティとのバランスを定量的に評価し、最も汎化性能が高い最適なモデルを客観的に選択するための指標はどれか。 |
解説
|
| 10 |
生成AI（LLMや画像生成）を自社のコアビジネスに本格導入するにあたり、偽情報の拡散やバイアスによる差別、他者の著作権侵害、法的規制への抵触といった不祥事を未然に防ぐ必要がある。単なる開発ガイドラインの策定にとどまらず、組織全体としてAIのリスクを監視・管理し、安全かつ倫理的にAIを運用するための「組織的な意思決定体制や統治ルール」を示す概念はどれか。 |
解説
|
| 11 |
人工知能の歴史において、かつては「人間にしかできない高度な知的作業」と絶賛されていた技術（例：チェスの世界王者に勝利する、文字を正確に認識するなど）が、一度コンピュータで完全に実現されて仕組みが広く普及してしまうと、「それは単なる高度な自動計算であって、本当の人工知能（AI）ではない」と世間から見なされるようになる心理的な現象はどれか。 |
解説
|
| 12 |
知識表現やオントロジー（意味ネットワーク）の構築において、概念同士の階層的なつながりを正しく整理したい。「電気自動車は自動車の一種である」「自動車は乗り物の一種である」というように、下位にある具体的な概念から上位にある抽象的な概念に向かって定義される、直系的なインヘリタンス（継承）を表現する関係性はどれか。 |
解説
|
| 13 |
音声認識システムを構築する際、マイクから集音した生の音響信号（波形データ）をそのままディープラーニングに入力しても、不要な高周波成分や個人固有の声質のノイズが多く、言葉の意味の認識精度が上がらない。人間の耳が「低音の変化には非常に敏感だが、高音の変化には鈍感である」という知覚特性（メル尺度）に合わせ、音声から言語的な特徴のみを効率よく抽出した音響特徴量はどれか。 |
解説
|
| 14 |
機械学習モデルの本番環境へのデプロイ後、ユーザーの行動様式や社会情勢の変化に伴って、入力データの傾向が開発当時から徐々に乖離していく「データドリフト」が発生し、予測精度が低下していく。この問題に対処するため、データの収集、モデルの監視、自動再学習、再デプロイという一連のライフサイクルをシステム化し、高い精度を永続的に維持・運用するためのインフラおよび組織的枠組みはどれか。 |
解説
|
| 15 |
自然言語処理において、「単語を固定のベクトルとして扱う（Word2Vecなど）」手法では、「お腹が『空く』」と「飛行機で『空く』を飛ぶ」のように、同じ表記で全く異なる意味を持つ多義語を正しく処理できない。この課題を解決するため、大規模なテキストから学習した双方向LSTMを用い、入力された文全体の文脈（コンテキスト）に応じて、同じ単語であっても動的にベクトル表現を変化させる仕組みを確立した初期のモデルはどれか。 |
解説
|
| 16 |
自己教師あり学習（Contrastive Learning）において、ラベルなしの大量な画像データから汎用的な特徴量を効率よく抽出させたい。同じ画像に回転や色調変更などの異なる水増しを施したペア（陽例）のベクトル距離を極限まで近づけ、同時に全く関係のない別の画像（陰例）のベクトル距離を遠ざけるようにモデルを最適化する際に用いられる、対照的な関係を定式化した損失関数はどれか。 |
解説
|
| 17 |
自動運転のカメラ映像解析において、画像の中に存在する複数の歩行者や車両の「正確な四角い位置（バウンディングボックス）」を特定し、同時に「それが何であるか」のクラス分類をリアルタイムで実行したい。物体候補の領域を提案するネットワーク（RPN）をモデル内部に統合し、位置検出とクラス分類のすべてを1つのニューラルネットワーク上で超高速かつエンドツーエンドで処理できるようにした代表的なモデルはどれか。 |
解説
|
| 18 |
AIプロジェクトをビジネス現場で立ち上げる際、技術的なモデリングの作業だけに没頭してしまうと、最終的にビジネス上の目的と乖離してプロジェクトが破綻するリスクがある。「ビジネスの理解」からスタートし、「データの理解」「データの準備」「モデリング」「評価」「展開・運用」の6つのフェーズを柔軟に行き来しながら進めるべきであると定義した、データマイニングおよびAI開発の国際的な標準プロセスモデルはどれか。 |
解説
|
| 19 |
CNN（畳み込みニューラルネットワーク）を用いた画像分類モデルにおいて、畳み込み層の最終出力を全結合層（Dense層）にそのまま繋ぐと、パラメータ数が爆発的に増加して過学習（オーバーフィッティング）を起こしやすくなる。このパラメータ数の肥大化を徹底的に抑制するため、特徴量マップのチャンネル（平面）ごとに全画素値の平均値を算出し、全結合層を使わずに直接1次元のベクトルに圧縮する処理はどれか。 |
解説
|
| 20 |
時系列データや自然言語を処理する際、従来のRNN（回帰型ニューラルネットワーク）では、文章が長くなればなるほど、最初の方に入力された重要な情報が後ろの層に到達する前に消えてしまう（勾配消失問題）。この長距離の依存関係の忘却を防ぐため、出力の各ステップにおいて、入力データの「特定のどの部分（単語）に強くスポットライトを当てるべきか」を動的に重み付けして計算するメカニズムはどれか。 |
解説
|
| 21 |
説明変数の数が非常に多い線形回帰モデルにおいて、予測に全く貢献していない不要な特徴量の重み（係数）を完全に「ゼロ」に落とし込み、実質的な特徴量選択（スパース化）を自動的に行いたい。この効果を得るために、モデルの損失関数（誤差）に対して、パラメータの「絶対値の和」をペナルティ項として追加する正則化手法はどれか。 |
解説
|
| 22 |
がんの画像診断AIにおいて、「がんである（陽性）」患者を「異常なし（陰性）」と誤判定して見落としてしまうリスクは、患者の命に関わるため絶対にゼロに近づけなければならない（見落としの代償が極めて大きい）。このように、実際の陽性データ全体の中で、モデルがどれだけ取りこぼしなく正確に陽性と判定できたかの割合を示す、最も重視すべき評価指標はどれか。 |
解説
|
| 23 |
自然言語処理モデルであるBERTの事前学習において、単語を左から右へと一方向のみに予測する従来の言語モデル（GPTなど）とは異なり、文章の「左側の文脈」と「右側の文脈」の両方を同時に深く考慮させたい。この目的を達成するため、入力文章中の一部の単語をランダムに特殊なトークン（MASK）で隠し、その前後の双方向の文脈から隠された元の単語を当てさせる事前学習タスクはどれか。 |
解説
|
| 24 |
画像生成AIを用いて、白黒写真をカラー写真に変換したり、昼の風景画を夜の風景画に変換する「ドメイン変換」のモデルを作りたい。しかし、全く同じアングルで撮影された「昼の画像」と「夜の画像」の対（ペア）となるデータを大量に集めることは現実的に不可能である。このように、ペアとなるデータセットが存在しない状況下でも、2つの異なるドメインの特徴を相互に学習・変換することを可能にしたGANの発展手法はどれか。 |
解説
|
| 25 |
医療画像解析や自動運転の空間認識において、画像に写っている物体を単に四角い枠で囲むだけでなく、画面内の「すべての画素（ピクセル）レベル」で、それが道路なのか、歩行者なのか、背景なのかを厳密に塗り分けて識別（セマンティックセグメンテーション）したい。従来の画像分類用のCNNから全結合層を完全に排除し、すべて畳み込み層で構成することで、入力サイズを維持したまま各画素のクラスを直接出力可能にした基礎的なモデルはどれか。 |
解説
|
| 26 |
ディープラーニングを用いた画像認識システムを医療や自動運転の現場に導入する際、「AIがなぜそのクラスだと判断したのか」という根拠が不明なブラックボックス問題が大きな課題となる。モデルの最終畳み込み層における勾配情報（重み）を利用して、判断の決め手となった画像上の領域を「ヒートマップ」として視覚的に可視化し、人間に説明可能にする技術はどれか。 |
解説
|
| 27 |
企業が保有する何万件もの顧客アンケートのテキストデータから、手作業で分類することなく、そこに潜在している「接客への不満」「商品の質」「価格への要望」といった共通のトピック（話題）の構造を自動的に抽出・分類したい。各文書が、どのような潜在的な話題の確率分布から生成されているかを統計的に推定する、代表的な教師なし学習のトピックモデルはどれか。 |
解説
|
| 28 |
スマートフォンのような計算資源やメモリが非常に限られたエッジデバイス上で、高解像度の画像セグメンテーション（画素レベルの識別）を高精度に行いたい。畳み込みのフィルター（カーネル）の要素間に一定の間隔（隙間）を空けて適用することで、「パラメータ数や計算量を一切増加させることなく」、より広い範囲（受容野）の文脈情報を一度にキャッチできるように工夫された処理はどれか。 |
解説
|
| 29 |
音声データや株価変動などの時系列データを処理する際、単純なRNN（回帰型ニューラルネットワーク）では、過去の時系列のステップが長くなると、誤差逆伝播の過程で勾配が途中で完全に消滅してしまう。この長期記憶の保持という課題を解決するため、ネットワークの内部に「入力ゲート」「出力ゲート」「忘却ゲート」という3つの制御弁と、情報をストックする「記憶セル」を組み込んだ構造はどれか。 |
解説
|
| 30 |
ある製造企業が、部分的な工場の機械へのAI導入（部分最適）にとどまらず、全社的な生産性の飛躍的な向上と競争力の獲得を目指している。AIや最新のデジタル技術が活用できることを大前提として、これまでの古い社内手続きやサプライチェーン、業務プロセス、さらには組織構造そのものを根本から見直し、抜本的に再設計・変革するビジネス上の概念はどれか。 |
解説
|
| 31 |
ゲームの先読み（探索）において、すべての選択肢を愚直に調べると探索木が爆発し、制限時間内に最適な一手を見つけられない問題がある。ゲーム木の探索において、現在のノードより不利になることが確定した時点でそれ以降の分岐の計算を省略し、効率よく最適手を探し出すアルゴリズムはどれか。 |
解説
|
| 32 |
ディープラーニングにおいて、学習率が大きすぎると最適解を飛び越えて発散してしまい、小さすぎると局所解（ローカルミニマム）から抜け出せず学習が停滞する問題がある。過去の勾配の移動平均（慣性）を考慮する手法と、パラメータごとに学習率を自動調整する手法の双方のメリットを組み合わせ、現在の深層学習において最も標準的に広く用いられている最適化手法はどれか。 |
解説
|
| 33 |
統計モデルや機械学習において、説明変数（特徴量）の数を増やせば増やすほど、手元の学習データに対する適合度（表現力）は際限なく向上するが、同時に過学習（オーバーフィッティング）のリスクが高まり未知のデータへの予測精度が落ちる。この「モデルの適合度」と「パラメータ数の少なさ（シンプルさ）」のトレードオフを数理的に評価し、最適なモデルを選択するための指標はどれか。 |
解説
|
| 34 |
従来の自然言語処理（GPTなど）では、文章を左から右（または右から左）へと一方向のみに読み込んで次の単語を予測していたため、文脈を片側からしか捉えられず、多義語や複雑な文脈のニュアンスを正確に理解できない課題があった。文脈を左右両方向から完全に同時に学習させることで、質問応答や文章要約など多様なタスクで飛躍的な精度向上を達成した、Google開発のトランスフォーマーベースのモデルはどれか。 |
解説
|
| 35 |
音声認識や文脈理解などの時系列データ処理において、通常のRNNでは過去から現在に向かって情報が流れるため、「後ろに現れる単語や音節」がそれより前の状態の解釈に決定的な影響を与えるようなケース（同音異義語の判別など）にうまく対応できない。この課題を解決するため、過去から未来への順方向の流れと、未来から過去への逆方向の流れの2つを同時に学習するリカレントニューラルネットワークはどれか。 |
解説
|
| 36 |
カスタマーレビューなどのテキストデータを機械学習モデルに入力する際、文章に含まれる単語の出現順序や緻密な文法構造をそのまま維持して処理しようとすると、計算量が膨大になりモデルが複雑化しすぎる問題がある。文章内の単語の並び順を完全に無視し、単に「どの単語が何回出現したか」という頻度（マルチセット）だけで文章を1つのベクトルとして簡潔に表現する手法はどれか。 |
解説
|
| 37 |
LSTMは従来のRNNが持つ勾配消失問題を解決するために考案されたが、長期間にわたって情報を保持し続けるためには、時間の経過とともに過去の有益な情報（誤差の勾配）が減衰（消失）したり、逆に爆発したりするのを内部で厳密に防ぐコアの仕組みが必要となる。LSTMブロックの中心に位置し、過去の記憶を一切減衰させることなく未来へそのまま伝播・ストックし続ける定数誤りカルーセルと呼ばれる記憶細胞はどれか。 |
解説
|
| 38 |
生成AIにおいて、GANはリアルな画像を生成できる反面、学習が非常に不安定で「モード崩壊（同じような画像しか生成されなくなる現象）」を起こしやすいという致命的な課題がある。画像に対して段階的にランダムなノイズを加えていくプロセスをあらかじめ定義し、モデルには「そのノイズを逆ステップで少しずつ綺麗に除去していく（復元する）プロセス」を学習させることで、極めて高品質で多様な画像を安定して生成できるようになった最新の生成モデルはどれか。 |
解説
|
| 39 |
強化学習（Q学習）において、環境から得られる状態（入力情報）のパターンが膨大、あるいは連続値である場合（例：ゲーム画面の映像そのもの）、従来のQテーブルのようにすべての状態と行動の組み合わせを表に記録して学習を進める手法では、メモリと計算量が爆発して実用的に破綻する。この課題を解決するため、状態価値の近似にディープラーニング（CNN）を組み込み、ゲーム画面のピクセル入力のみから最適な操作を自律学習できるようにした手法はどれか。 |
解説
|
| 40 |
画像認識用のCNNにおいて、認識精度を高めるために「層をより深くする（層数を増やす）」「チャンネルをより広くする（特徴量マップを増やす）」「入力画像の解像度をより高くする」という個別の最適化が行われてきたが、どれか1つだけを突出させても計算効率が悪くなり精度が頭打ちになる課題があった。これら3つの要素を数学的に最もバランスの良い最適な比率で同時にスケーリングし、高い認識精度と圧倒的な軽量・高速化を両立させたCNNモデルはどれか。 |
解説
|
| 41 |
機械学習の線形回帰モデルにおいて、過学習を防ぐためにパラメータの絶対値の和をペナルティとして科す正則化（Lasso）を適用すると、不要な特徴量の重みが完全にゼロになるメリットがある反面、相関の高い変数グループがあるとその中から1つだけをランダムに選んで他をゼロにしてしまい、解が不安定になる弱点がある。この弱点を克服するため、L1正則化とL2正則化の双方のペナルティ項を線形結合で組み合わせて過学習を制御する手法はどれか。 |
解説
|
| 42 |
Word2Vecのような従来の単語分散表現モデルでは、あらかじめ用意したコーパス（学習データ）に出現しなかった未知の単語（Out-of-Vocabulary）がテスト時に現れると、その単語のベクトルを一切生成できず、システムのエラーや精度低下を引き起こす致命的な課題があった。単語を文字単位の集まり（部分語）に分解して内部構造を学習することで、未知の単語に対しても前後の文字の並びからその意味ベクトルを推測・表現できるようにした手法はどれか。 |
解説
|
| 43 |
AIやビッグデータの活用が急速に進む中、企業が個人の行動履歴や購買データを本人のあずかり知らぬところで大量に収集し、不透明なアルゴリズムでプロファイリングを行うなど、プライバシーや基本的人権の侵害が国際的なリスクとなっている。欧州連合（EU）が制定した、個人データの保護や移転に関する厳格な法的ルールを定め、本人がデータの消去を求める権利（忘れられる権利）などを明確に規定した法規則はどれか。 |
解説
|
| 44 |
LSTMは長期の時系列情報を勾配消失させることなく学習できる優れたモデルだが、「入力ゲート」「出力ゲート」「忘却ゲート」という3つの緻密な弁構造を持つためパラメータ数が多く、学習の計算コストやメモリ消費量が非常に重いという実務上の課題がある。LSTMの記憶セルを廃止し、「更新ゲート」と「リセットゲート」の2つのゲートに機能を統合・簡略化することで、高い表現力を維持したまま大幅な軽量・高速化を図ったRNNの派生構造はどれか。 |
解説
|
| 45 |
画像認識用のCNNにおいて、画像内に写っている識別対象（物体）の大きさが画像ごとに異なると、固定された1つのフィルターサイズ（例えば3x3のみ）では、小さな特徴を見落としたり、逆に広域な文脈を捉えきれなかったりして認識精度が低下する問題がある。サイズが異なる複数の畳み込み層（1x1、3x3、5x5）やプーリング層を1つのブロック内に並列に配置し、それぞれの出力を後からチャンネル方向に結合して次の層へと送る、GoogLeNetの核となるNW構造はどれか。 |
解説
|
| 46 |
自動運転やロボットの視覚システムにおいて、画面内の物体を四角い枠で囲むだけの「物体検出」や、画素レベルで塗り分けるものの同じクラスの個体を区別できない「セマンティックセグメンテーション」では、道路上の「手前の歩行者」と「奥の歩行者」が重なった際に個別のオブジェクトとして認識できず、正確な回避行動を取れない課題がある。画像内の物体を画素レベルで塗り分けつつ、さらにそれらを個々の「個体（インスタンス）」として完全に識別・分離するタスクはどれか。 |
解説
|
| 48 |
AIシステム開発において、ベンダー企業（開発側）とユーザー企業（発注側）との間で、「AIモデルの著作権はどちらに帰属するのか」「開発に失敗した際のリスク分担をどうするか」といった認識のズレから、法的なトラブルやプロジェクトの中断が多発する問題がある。契約締結時のトラブルを未然に防ぎ、円滑な共同開発やデータ取引を促進するために、日本の経済産業省が策定した具体的な指針はどれか。 |
解説
|
| 49 |
教師あり学習による分類モデルの構築では、事前に人間が膨大なデータに対して「正解ラベル（アノテーション）」を手作業で付与する必要があり、莫大なコストと時間がかかる課題がある。データの正解ラベルを一切使わず、データ同士の幾何学的な「距離（類似度）」のみに基づき、指定された個数のグループ（クラスタ）へ自動的にデータを割り当てる、最も代表的な教師なし学習アルゴリズムはどれか。 |
解説
|
| 50 |
VAE（変分オートエンコーダ）の学習において、エンコーダが入力画像を潜在変数（平均と分散）に変換する際、モデルの表現力を上げようとして潜在空間の構造が手元のデータに極端に最適化（過学習）され、データの分布がバラバラに散らばってしまう問題がある。潜在変数の確率分布が、扱いやすい標準正規分布からどれだけ「離れているか（乖離度）」を測定し、分布の形状を綺麗に整えるための正則化項として用いられる損失関数はどれか。 |
解説
|
| 51 |
ウェブ上に存在する膨大なデータ（官公庁の統計、地理情報、企業のオープンデータなど）を、それぞれのサイトに閉じ込めてファイル形式（CSVやPDFなど）で置くだけでは、機械が自動的に意味を解釈して異なるデータソース同士を横断的に結合・分析することができない課題がある。インターネットを通じて、コンピューターが直接読み取り・処理できる共通の形式（RDFなど）でデータを公開し、世界中の知識を互いにつなぎ合わせる仕組みやデータ群の総称はどれか。 |
解説
|
| 52 |
自動運転の歩行者検知システムなどにおいて、画像の中の物体を四角い枠（バウンディングボックス）で囲んで検出するだけでは、物体の正確な輪郭や傾き、占有面積が分からず、物体同士の間隔を極めて精密に制御できない課題がある。物体候補を提案する高速な検出ネットワークをベースとしつつ、検出された四角い枠の内部にある物体の輪郭を「画素（ピクセル）レベル」で正確に切り抜く機能（マスク枝）を並列に追加した代表的なモデルはどれか。 |
解説
|
| 53 |
ニューラルネットワークを確率的勾配降下法（SGD）などの単純な手法で最適化する際、損失関数の形状が特定の方向にだけ急峻で、他の方向にはなだらかな谷（例えば「W」字のような形状）になっていると、パラメータの更新ベクトルが谷の壁の間を激しく往復（振動）してしまい、谷の底（最適解）へ向かう前進スピードが著しく低下する課題がある。この進行方向のブレ（振動）を抑制し、物理的な「慣性」のように前回の更新方向を一定割合で引き継ぐことで、最適解へ向けてスムーズに加速させるアプローチはどれか。 |
解説
|
| 54 |
画像認識モデルにおいて、「道路の標識を識別するタスク」と「道路の歩行者を検出するタスク」をそれぞれ完全に独立した別々のニューラルネットワークで個別に開発・構築すると、モデルごとに大量の計算リソースやメモリが必要になり、車載エッジデバイスに収まらない問題がある。ネットワークの下層（特徴抽出を行う畳み込み層など）を共通の共有層とし、上層の出力層だけをタスクごとに分岐させることで、1つのモデルで複数の異なるタスクを同時に効率よく学習・実行させる手法はどれか。 |
解説
|
| 56 |
GANを用いたドメイン変換において、「白黒写真をカラー写真にする」「昼の風景を夜にする」などの変換を行う際、変換前と変換後の構造（輪郭や位置）がバラバラになってしまうと、意図しない不自然な画像が生成されてしまう。学習データとして「完全に同じアングルで撮影された変換前と変換後」の「対（ペア）となる画像」を大量に用意し、入力画像を条件（条件付けラベル）として与えることで、物体の形を崩さずに高精度に画像を変換させる手法はどれか。 |
解説
|
| 57 |
Adagradは、学習パラメータごとに勾配の履歴を記録して学習率を自動調整できる優れた最適化手法だが、学習が進行してステップ（更新回数）が重なると、過去の勾配の二乗和が分母に累積し続けるため学習率が実質的にゼロ付近まで低下し、最適解（谷の底）に到達する前にパラメータの更新が完全にストック（停滞）してしまう深刻な弱点がある。この過去の勾配の累積に「指数移動平均」を導入し、直近の勾配を重視して分母の爆発を防ぐことで学習率の枯渇を解決した最適化手法はどれか。 |
解説
|
| 58 |
二値分類モデル（例：画像から不良品か良品かを判定するAI）を実務に導入する際、モデルが出力する確率に対する閾値（カットオフ値）をどこに設定するかによって、陽性を見落とすリスクと陰性を誤検出するリスクのバランスが大きく変動し、モデル本来の識別能力を客観的に評価しにくい課題がある。閾値を1から0まで連続的に変化させた際、偽陽性率（横軸）と真陽性率（縦軸）が描く軌跡をプロットし、閾値の設定に依存しないモデル全体の分類性能を視覚的に評価するための曲線はどれか。 |
解説
|
| 63 |
2つのクラスを分類する線形モデルにおいて、単にデータを境界線で区切るだけでなく、境界線から最も近いデータ点（サポートベクトル）との距離（マージン）を最大化するように学習することで、手元のデータにない未知のデータに対しても高い識別性能（汎化性能）を発揮させる機械学習手法はどれか。 |
解説
|
| 64 |
ニューラルネットワークを用いた次元削減手法において、入力データと同じデータを出力層で再現するように学習を行う。中間層（潜在空間）の次元を入力層よりも小さく制限することで、データの本質的な特徴（主成分に近い情報）だけを強制的に抽出させる、特徴量生成や異常検知に広く使われる構造はどれか。 |
解説
|
| 66 |
ある特定のタスク（例：数百万枚の一般画像に写る物体の識別）で膨大な時間をかけて事前学習を済ませたニューラルネットワークがある。この獲得された「形やエッジを捉える能力」をベースとして再利用し、全く別のタスク（例：医療用のX線写真からの病変の検出）に少量のデータと短い計算時間で適応させる手法はどれか。 |
解説
|
| 70 |
従来の音声認識システムでは、「音響モデル（音声を音素に変換）」「発音辞書（音素を単語に変換）」「言語モデル（単語を正しい文章に整形）」といった複数の独立したモジュールを人間が組み合わせて構築していた。これに対し、生の音声データから最終的なテキストテキストを1つの巨大なニューラルネットワークだけで直接出力させるアプローチを何というか。 |
解説
|
| 71 |
ディープラーニングの推論処理を行う際、すべてのデータをクラウドサーバーに送信して計算させるのではなく、自動運転車、スマート家電、工場の検品カメラといった端末デバイス（現場の機器）側で直接リアルタイムに高速処理させる運用形態を何というか。 |
解説
|
| 72 |
自動運転システムやモバイル端末など、計算資源（メモリや電力）が極めて限定された環境にディープラーニングモデルを組み込みたい。ネットワークの構造（レイヤー数やノイズ）を削るのではなく、通常は「32ビット浮動小数点数（FP32）」で表現されているパラメータの数値を、「8ビット整数（INT8）」などの低い精度に落とすことで、メモリ容量を大幅に削減し計算を高速化する手法はどれか。 |
解説
|
| 73 |
企業のビジネス現場において人工知能プロジェクトを成功させるためには、最新のAI論文を理解できる高度なデータサイエンティストを雇うだけでは不十分である。自社のビジネス上の課題（業務効率化や新規事業など）を正確に定義し、AI技術で何が可能かを見極め、開発ベンダーや社内のエンジニアとの間に立ってプロジェクト全体を牽引する、橋渡し役（技術とビジネスの結節点）となる人材を何と呼ぶか。 |
解説
|
| 74 |
日本において、AIの開発ベンダーや研究者が、他人が著作権を持つ大量の画像やテキストデータをインターネット上からスクレイピング（自動収集）し、機械学習モデルの訓練データとして利用する行為についての法律上の解釈として、【誤っているもの】はどれか。 |
解説
|
| 76 |
1946年にアメリカのペンシルベニア大学で開発され、弾道計算などの目的で使われた、世界最初期の汎用電子デジタルコンピュータであり、真空管を大量に使用した巨大な装置の名称はどれか。 |
解説
|
| 77 |
オブジェクト指向や知識表現の分野において、物事の階層関係を表すネットワーク構造がある。「犬は動物である」「車は乗り物である」のように、下位の概念が上位の概念の「一種（属性や性質）」であることを示す、記号AIにおいて重要な関係性の定義を何というか。 |
解説
|
| 78 |
複数の弱い識別器（弱学習器）を順番に学習させていく手法である。前の学習器が「誤分類（予測を外した）」したデータに対して、次の学習器がそのデータを重視して学習するようデータへの重みを順次更新（ブースティング）していき、最終的にそれらを組み合わせて1つの強い識別器を作る代表的な機械学習手法はどれか。 |
解説
|
| 79 |
Word2Vecのアーキテクチャのうち、ニューラルネットワークを用いて「周囲の文脈（ターゲット単語の前後にある複数の周辺単語）」を入力として与え、その中心に位置する「ターゲットとなる1つの単語」が何であるかを推測・予測させることで単語の分散表現（ベクトル）を獲得する手法はどれか。 |
解説
|
| 80 |
不均衡データ（例：1000枚中3枚しか陽性がない医療画像など）の分類モデルを評価したい。モデルが「陽性（正）」と予測したもののうち実際に陽性だった割合（適合率：Precision）と、実際の陽性のうちモデルが見落とさずに陽性と予測できた割合（再現率：Recall）の2つはトレードオフの関係にある。この2つの指標のバランスを客観的に評価するため、両者の調和平均をとった指標はどれか。 |
解説
|
| 83 |
画像生成AIなどで広く使われている手法である。元の画像に対して段階的に微小なガウスノイズを加えていき、最終的に完全なノイズにする「順過程（拡散過程）」と、そのプロセスを逆向きにたどり、ノイズから元の綺麗な画像を少しずつ復元（除去）していく方法をニューラルネットワークに学習させる「逆過程」で構成される高品質な生成モデルはどれか。 |
解説
|
| 93 |
機械学習モデルにおいて、入力となる特徴量の数が非常に多く、その大半が予測に寄与していない無駄な情報である可能性が高い。過学習を防ぎつつ、予測に不要な特徴量の重み（パラメータ）を完全に「ゼロ」にすることで、実質的な変数選択（モデルのスパース化）を同時に行いたい場合に採用すべき正則化手法はどれか。 |
解説
|
| 94 |
ディープラーニングの学習において、ネットワークが深くなると、出力層に近い部分での誤差（修正情報）をコーザル（過去）の層へ遡って伝播させていく過程で、傾き（勾配）の値が途中で極端に小さくなり、入力層に近い層のパラメータが全く更新されなくなってしまう致命的な現象を何というか。 |
解説
|
| 95 |
CNN（畳み込みニューラルネットワーク）において、畳み込み層の直後に配置される「プーリング層（特にマックスプーリング）」の主な目的や効果として、最も適切な記述はどれか。 |
解説
|
| 96 |
時系列データや自然言語を処理する基本的なRNN（再帰型ニューラルネットワーク）には、過去の長いタイムステップ（長距離の依存関係）を遡って学習しようとすると、勾配消失や勾配爆発が起きてしまい、古い情報を記憶しておけないという課題がある。この課題を克服するため、内部に「入力ゲート」「出力ゲート」「忘却ゲート」という仕組み（セル）を導入したモデルはどれか。 |
解説
|
| 97 |
自然言語処理における「Attention（注意機構）」が導入された背景およびその仕組みとして、最も適切なものはどれか。 |
解説
|
| 98 |
音声信号処理や音声合成システムにおいて、テキストから生成された中間表現（メルスペクトログラムなどの周波数特性）を入力として受け取り、最終的に人間が耳で聴くことができる滑らかで自然な「生の音声波形（オーディオ信号）」へとダイレクトに変換・出力する役割を持つモデルの総称を何というか。 |
解説
|
| 100 |
従来のAIモデルは「画像だけ」「テキストだけ」のように、単一の種類（モーダリティ）のデータしか処理できなかった。これに対し、テキストによる指示（プロンプト）を入力するとそれに応じた高精度な画像を生成したり、逆に画像を見せるとその内容をテキストで詳しく説明してくれたりするような、複数の異なる種類の感覚データを統合して処理できるAIシステムを何というか。 |
解説
|
| 101 |
自動運転の車載システムやスマートフォンなど、計算資源（CPUやメモリ）が極めて限定された環境で、最新の巨大なAIモデル（教師モデル）と同等の高精度な推論を行わせたい。教師モデルが出力する「各クラスへの確率分布（ソフトターゲット）」を、サイズが遥かに小さく軽量な「生徒モデル」に学習用の目標として与えることで、精度を維持したままコンパクトなモデルを育てる技術はどれか。 |
解説
|
| 102 |
AIモデルの開発プロジェクトにおいて、特に初期の予測モデル構築フェーズ（PoC以降の本開発）では、事前に「100%確実に目標精度（例：正解率95%以上）を達成する」という約束をベンダー側が保証することは技術的に極めて困難である。このような、特定の成果物の完成を目的とせず、ベンダーが専門家としての最善の尽力（業務の遂行）を行うことに対して報酬を支払う、AI開発に推奨される基本契約形態はどれか。 |
解説
|
| 105 |
日本の個人情報保護法において定義されている概念である。特定の個人を識別できる情報（氏名など）を削除、または別の文字列に置き換えることで、そのデータ単体では「誰のものか」を判別できないように加工したデータである。他の情報と「容易に照合（突合）」しない限り個人の特定ができず、企業間でのデータ利活用やマーケティング分析に広く使われる加工情報を何というか。 |
解説
|
| 106 |
第1次AIブームの時代、迷路やチェスといった明確なルールが存在する問題に対しては、コンピュータは驚異的な探索能力を発揮した。しかし、現実世界の複雑な要因（ルールや境界が曖昧な問題）を処理することはできず、実用的な成果を結べないままブームが終焉した。このAIが扱えた限定的な問題を何と呼ぶか。 |
解説
|
| 107 |
第2次AIブームで登場したエキスパートシステムにおいて、専門家からヒアリングした膨大な「IF-THEN形式のルール」を蓄積しておくデータベースにあたる部分と、そのルール群を状況に応じて組み合わせることで論理的な結論を導き出す計算エンジンの部分の組み合わせとして、適切なものはどれか。 |
解説
|
| 108 |
機械学習モデルの訓練において、モデルの表現力（パラメータの数）に対して、用意した訓練データの数が圧倒的に少なすぎる場合に発生しやすい問題がある。モデルが訓練データに含まれる特有のノイズや細部にまで過剰に適合してしまい、テストデータや未知のデータに対する予測精度が著しく低下する現象を何というか。 |
解説
|
| 109 |
2012年に開催された画像認識の国際コンペティション「ILSVRC」において、従来の画像処理エクスパートが手作業で設計した特徴量（SIFTなど）の手法を遥かに凌駕する圧倒的な正解率を叩き出し、世の中にディープラーニングの衝撃と第3次AIブームの幕開けを告げたニューラルネットワークモデルの名称はどれか。 |
解説
|
| 110 |
ディープラーニングにおいて、多層のネットワークを構築した際、活性化関数に「シグモイド関数」を採用すると、層が深くなるにつれて誤差の勾配が途中でゼロに近づいてしまい、入力層に近い層が全く学習しなくなる勾配消失問題が発生する。この問題を解決するため、入力が0以下なら0、0より大きければ入力をそのまま出力する、現代の標準的な活性化関数はどれか。 |
解説
|
| 111 |
物体検出やセマンティックセグメンテーションにおいて、画像の解像度（縦横のピクセル数）をプーリング層などで縮小することなく、モデルが一度に見渡せる領域（受容野：レセプティブフィールド）を効率よく広げたい。フィルターの要素（カーネル）の間に一定の間隔（隙間）を空けて畳み込みを行う手法はどれか。 |
解説
|
| 115 |
自動運転や高度な強化学習ロボットにおいて注目されている概念である。エージェントが闇雲に現実世界の環境と衝突を繰り返して学習するのではなく、環境の物理法則や変化（「この状態のときにこの行動をすれば、次はどうなるか」）を、事前にニューラルネットワーク自体にひとつの「予測シミュレーター」として内包・学習させるアプローチを何というか。 |
解説
|
| 121 |
人工知能が現実世界の複雑なタスクを処理しようとする際、自分の行動に関係のある事象だけを抜き出して計算する必要がある。しかし、現実世界には無限の割り込みや可能性が存在するため、どこまでを考慮すべきかの境界線をシステム自身で決めることができず、計算が終わらなくなってしまう問題を何というか。 |
解説
|
| 136 |
ある新しいAI技術が開発され、最初は世間から驚きをもって「人工知能」と称賛されるが、その技術が普及して社会の当たり前のインフラや自動化システムとして定着すると、人々はそれを「単なる自動化プログラム」と呼び、AIとは見なさなくなる心理的な現象を何というか。 |
解説
|
| 137 |
チェスや将棋などのゲーム木探索において、すべての分岐を網羅的に計算すると計算量が爆発してしまう。これを防ぐため、スコアが最大のものを選ぶ過程で、すでに判明しているスコアよりも明らかに小さいノードが出現した時点で、その先につながるノードの探索を途中で省略・カットする効率的なアルゴリズムを何というか。 |
解説
|
| 138 |
機械学習のモデルを構築する際、訓練データへの適合度（予測の正確さ）だけを追求すると、パラメータの数が無駄に増えてモデルが複雑になり、過学習を起こしてしまう。モデルの適合度と、過度な複雑さ（パラメータ数）のペナルティとのバランスを評価し、最も適切なモデルを選択するための統計的指標はどれか。 |
解説
|
| 139 |
k近傍法は、未知のデータの近くにある「k個」の過去データの多数決によってクラスを決定する単純なアルゴリズムである。このハイパーパラメータである「kの値」を極端に小さく（例えば k = 1 に）設定して学習・予測を行った場合、モデルにどのような影響を及ぼすか。 |
解説
|
| 140 |
確率的勾配降下法は勾配の傾きに沿って一定の学習率でパラメータを更新するが、谷の周辺でジグザグに振動してしまい、最適解（局所的極小値）に到達するまでに時間がかかる欠点がある。これに対し、物理的な「慣性（運動量）」の概念を導入し、過去の勾配の方向を一定割合で引き継ぐことで、同じ方向への更新を加速させて振動を抑制する最適化手法はどれか。 |
解説
|
| 141 |
画像認識や数値データの機械学習において、入力となる特徴量の「尺度の違い（例えば、年齢の0〜100という範囲と、年収の0〜10000000という範囲の差）」が原因で学習が不安定になるのを防ぎたい。データ全体の最小値を0、最大値を1となるように一次変換し、すべての特徴量を同じスケールに揃える前処理を何というか。 |
解説
|
| 145 |
近年、テキスト、画像、音声など、特定の単一タスクのために個別のAIを都度ゼロから開発するのではなく、膨大なデータ（ウェブ上のテキストや画像など）を用いて数兆円規模の事前学習をあらかじめ済ませておき、そこから少しの調整（チューニング）だけで多種多様な下流タスク（翻訳、対話、プログラミング、画像生成など）に汎用的に適応できる巨大なモデルの総称を何というか。 |
解説
|
| 146 |
日本の経済産業省が策定した、企業間でAI開発のための共同プロジェクトを進めたり、自社の持つ実データを他社に提供・取引したりする際に、契約上のトラブル（データの所有権、二次利用の制限、秘密保持など）を未然に防ぎ、円滑なビジネス連携を促すための指針の名称はどれか。 |
解説
|
| 148 |
欧州連合（EU）が2018年に施行した「一般データ保護規則（GDPR）」は、欧州市民の個人データの保護を極めて厳格に義務付けており、日本企業であっても欧州の顧客データを扱う場合は対象となる。このGDPRにおいて、重大な義務違反を犯した企業に対して科される可能性がある、世界的に見ても異例の巨額な制裁金の最大基準として、適切なものはどれか。 |
解説
|
| 149 |
AI開発企業が、これまでにない全く新しい構造のニューラルネットワークアーキテクチャ、あるいは特定のデータを劇的に効率よく処理できる革新的なAIアルゴリズムを開発した。この「技術的なアイデアや発明」を国家から独占的な権利として認め、他社に無断で真似されないように20年間にわたって強力に保護するための法律はどれか。 |
解説
|
| 150 |
採用活動にAIスクリーニングシステムを導入したところ、過去の人間による偏った採用履歴データをそのまま学習したため、女性の志望者を自動的に低く評価してしまうという差別的な判定が行われ、社会的な批判を浴びた。このように、AIの学習データに含まれる人間社会の偏見や統計的な不均衡が原因で、特定の人種や性別に対して不当な利益・不利益をもたらしてしまう問題を何というか。 |
解説
|
| 152 |
通常の強化学習では、開発者が事前に「報酬関数」を厳格に設計する必要があるが、自動運転の滑らかなハンドル操作や熟練の職人技など、複雑なタスクでは何に対してどれだけの報酬を与えるべきかの設計が極めて難しい。これに対し、人間のエキスパート（熟練者）の実際の行動データ（デモンストレーション）をAIに見せることで、その背後にある「報酬関数そのもの」をデータから逆算して推定・学習させるアプローチを何というか。 |
解説
|
| 154 |
ResNetなどの超深層ニューラルネットワークにおいて、層を100層以上に深く重ねていくと、通常は勾配消失が発生して学習が進まなくなる。この課題を解決するため、ある層への入力を、その層の畳み込み計算を飛び越えて（スキップして）「先の層の出力」へとダイレクトに足し合わせる構造を導入した。この接続機構を何というか。 |
解説
|
| 165 |
2019年に採択され、その後の日本政府の「人間中心のAI社会原則」や世界各国のAI指針（ガバナンス）の国際的な共通基盤（雛形）となった、経済協力開発機構によるAI原則において、加盟国が遵守すべきとされる5つの基本原則（包括的成長、人間中心の価値、透明性と説明可能性、堅牢性と安全性）に含まれるもう1つの極めて重要な原則はどれか。 |
解説
|
| 166 |
特定の専門タスク（画像認識、チェスのプレイ、音声翻訳など）において、人間と同等以上の驚異的な処理能力を発揮するが、それ以外の領域には一切応用が利かず、自意識や汎用的な思考能力を持たない現代の人工知能の分類を何というか。 |
解説
|
| 167 |
迷路やカーナビの最短経路探索において使われるA*探索アルゴリズムでは、スタート地点から現在地までの「実際の移動コスト」だけでなく、現在地からゴール地点までの残りの距離を大まかに予測する「推定コスト」を組み合わせて計算を行う。この、正解に効率よく辿り着くために設定する経験則や予測値のことを何というか。 |
解説
|
| 168 |
がんの画像診断AIや不正ログイン検知システムのように、データ全体の中で「陽性（見つけたい対象）」の割合が極端に少ない不均衡データを評価したい。単に正解率を見るだけでは不適切なため、見落としの少なさを表す再現率と、見つけたうちの正確さを表す適合率の2つを組み合わせ、その調和平均として算出する総合的な評価指標はどれか。 |
解説
|
| 169 |
機械学習モデルの予測精度を最大化するため、学習率や正則化の強さといったハイパーパラメータの最適な組み合わせを見つけたい。人間があらかじめ各パラメータの候補値をいくつか指定し、それらの「すべての組み合わせ（格子状の交点）」を網羅的に1つずつ試して、最も精度の高かった設定を採用する最も古典的かつ確実な探索手法を何というか。 |
解説
|
| 170 |
多層ニューラルネットワークの学習（誤差逆伝播法）において、出力層で発生した予測誤差の情報をもとに、入力層側に向かって各層の重み（パラメータ）の修正値を順次計算していきたい。このとき、微分における「合成関数の微分公式」を利用して、前の層の勾配に次の層の局所的な微分値を掛け算しながら芋づる式に遡って伝播させていく計算ルールを何というか。 |
解説
|
| 171 |
自動運転や画像編集において用いられるタスクである。画像内に写っているオブジェクト（車、歩行者、道路など）の境界を四角い枠で囲んで検出するのではなく、画像内の「すべてのピクセル（画素単位）」に対して、それがどのクラスに属しているかを厳密に塗り分けて分類する手法を何というか。 |
解説
|
| 172 |
セマンティックセグメンテーションのモデルが出力した領域予測の正確さを、客観的な数値で評価したい。実際の正解領域の面積と、AIが予測した領域の面積の「双方を足し合わせた全体の面積（和集合）」を分母とし、「双方が正確に重なり合っている面積（積集合）」を分子として算出し、領域の一致度合いを0から1の間で表す標準的な指標はどれか。 |
解説
|
| 173 |
Googleが開発した自然言語処理モデルであるBERTは、文脈を双方向から深く理解するために、ユニークな事前学習タスクを採用している。大量のテキストデータの一部（全体の約15%の単語）をランダムに「特殊なマスク」で隠し、モデルに対して、前後の文脈だけを頼りにその隠された単語が何であるかを予測させる学習手法を何というか。 |
解説
|
| 174 |
画像とテキストという異なるモダリティを横断して処理するCLIPなどのモデルでは、「対照学習（コントラスティブラーニング）」という画期的なアプローチが使われている。インターネット上から収集した「画像と、その内容を説明するキャプションのペア」を大量に入力し、正しい画像とテキストの組み合わせの親近性（ベクトル空間上の距離）を近づけ、無関係なペアの距離を遠ざけるように学習させるベクトルの計算手法を何というか。 |
解説
|
| 181 |
コンピュータや人工知能は、記号や言葉の処理を高速に行うことができる。しかし、その記号が現実世界において持っている「身体的な意味や感触（例えば、シマウマという言葉と、実際のシマ模様を持つ動物の姿）」を、AI自体が自分の身体的経験として結び付けられないために、本当の意味での理解に到達できないというAIの根本的な難題を何というか。 |
解説
|
| 186 |
画像認識モデル（CNNなど）の学習において、用意できた訓練データの枚数が少なく、このままでは過学習を起こすリスクが高い。そのため、元の画像データに対して「左右反転」「ランダムな切り出し（クロッピング）」「輝度の変更」「わずかな回転」などの加工をプログラムで自動的に施し、データの多様性（バリエーション）を擬似的に大量に増殖させて汎化性能を向上させる前処理を何というか。 |
解説
|
| 189 |
ディープラーニングにおいて、例えば画像を入力した際、「そこに写っている物体のクラス分類」と「物体の位置検出（バウンディングボックスの特定）」のように、関連する複数の異なるタスクを1つの共有のバックボーンネットワーク（特徴量抽出層）を使って同時に学習させるアプローチを何というか。 |
解説
|
| 190 |
画像生成AI（Stable Diffusionなど）の基盤となる「拡散モデル」の学習ステップに関する記述である。元のクリアな画像に対して、数理的に定義された微小なガウシアンノイズ（誤差）を何段階（数百〜数千ステップ）にもわたって少しずつ順番に加えていき、最終的に元の原形が完全に失われた「ただのホワイトノイズ（砂嵐）」へと変化させていく一連のシミュレーションプロセスを何というか。 |
解説
|
| 193 |
日本の不正競争防止法において、アクセス制限がかけられて社内で厳重に秘密管理されている情報は「営業秘密」として保護される。しかし、企業が他社とデータを有償で共有するビジネスにおいて、IDやパスワードで保護されているものの、多くの提携企業に広く「提供（シェア）」されている自動車の走行データや気象センサーデータなどは、営業秘密の3要件である非公知性を満たさない。このような、特定の相手に利活用目的で提供されるデータを法的に保護する概念を何というか。 |
解説
|
| 194 |
2019年に日本政府（統合イノベーション戦略推進会議）が策定した、日本のAIガバナンスにおける最上位の大前提となる基本理念の名称である。AIの発展を単なる経済合理性や技術至上主義で進めるのではなく、個人の尊厳が尊重され、誰もが恩恵を享受でき、持続可能な社会を実現するために遵守すべき「7つの原則」を掲げた文書はどれか。 |
解説
|
| 195 |
欧州連合（EU）において可決され、世界で初めてAIシステムそのものを法的に包括規制する厳格な枠組みとなった「EU AI法」の最大の特徴である。AIのリスクをその用途や影響度に応じて「禁止されるリスク」「高リスク」「限定的なリスク」「最小限のリスク」の4段階に分類し、リスクの高さに応じた厳格な義務（事前適合性評価や技術文書の作成など）を事業者に課すガバナンスのアプローチを何というか。 |
解説
|
| 206 |
強化学習のアルゴリズムは、価値（Q値）をベースに計算する手法と、行動を決定する確率そのものを直接最適化する手法に大別できる。エージェントが特定の状態でどの行動をとるべきかという確率分布（方策）をニューラルネットワークで表現し、得られた総報酬が大きくなる方向へ方策のパラメータを微分の勾配を用いて直接更新していく手法を何というか。 |
解説
|
| 209 |
業界標準のプロセスモデルであるCRISP-DMにおいて、「ビジネスの理解」「データの理解」「データの準備」を終えた後の第4のフェーズである。準備されたデータセットをインプットとし、解決したい課題（分類、回帰など）に最適な機械学習アルゴリズム（決定木、SVM、ニューラルネットワークなど）を適用して、パラメータを調整しながら実際に予測モデルの枠組みを構築するプロセスはどれか。 |
解説
|
| 210 |
EU AI法において、AIシステムはその用途に応じて4段階のリスクに分類される。このうち、医療機器の制御、自動運転システム、企業の採用活動における履歴書の自動選別（AIスクリーニング）、個人の信用スコアリングなど、人々の安全性や基本的人権に重大な影響を及ぼす可能性があるとして、市場に出す前に厳格な適合性評価や技術文書の作成、人間による監視体制の構築が法的に義務付けられているリスク分類はどれか。 |
解説
|
| 211 |
人工知能研究におけるフレーム問題に関する記述として、最も適切なものはどれか。 |
解説
|
| 212 |
インターネット上の膨大なウェブ情報（テキストやデータ）に対して、単に人間が見て理解するためだけでなく、コンピュータ自体がそのデータの「意味や文脈、関係性」を自律的に理解して効率よく自動処理できるようにすることを目指した、メタデータ（知識記述）を付与する技術の構想を何というか。 |
解説
|
| 213 |
機械学習の古典的なアルゴリズムであるサポートベクトルマシンにおいて、2つのクラスのデータを直線（または超平面）で綺麗に分類したい。このとき、分類境界線から「最も近くに存在するデータ点」との間の距離（マージン）を最大化するように境界を決定するが、この境界線の位置を決定する基準となる最も近いデータ点のことを何というか。 |
解説
|
| 214 |
クラスタリング（教師なし学習）の代表的な手法であるk-means法（k平均法）のアルゴリズム手順において、まず最初にランダムにK個のクラスタ中心（代表点）を配置した後に実行すべき「2つのステップ（ループ処理）」の正しい組み合わせはどれか。 |
解説
|
| 215 |
手元にある訓練データを「学習用」と「テスト用」の2つ（例えば8対2）に単純に分割して評価を行うホールドアウト法において、過学習や汎化性能を測定する際に注意すべき【最大のデメリット】に関する記述として、適切なものはどれか。 |
解説
|
| 307 |
ディープラーニングの初期から多用された古典的な活性化関数である。入力された数値を、数式を用いて「0から1の間」の範囲に滑らかに圧縮して出力する特性を持つ。しかし、入力の値が極端に大きくなったり小さくなったりすると、関数の傾き（微分値）がほぼ「0」になってしまい、多層ネットワークにおいて勾配消失問題を引き起こす主因となった関数はどれか。 |
解説
|
| 308 |
CNNの中核となるプーリング処理のうち、実務で最も広く使われる「マックスプーリング」の具体的な数理操作に関する記述として、適切なものはどれか。 |
解説
|
| 309 |
画像認識で使われるCNN（畳み込みニューラルネットワーク）の典型的なアーキテクチャ設計に関する記述である。ネットワークの前半では「畳み込み層」と「プーリング層」を交互に重ねて画像から局所的な特徴や形状を抽出する。これに対し、ネットワークの「最終段（出力層の直前）」に配置され、それまでに抽出された多次元の特徴マップを1次元の配列に平坦化し、すべてのニューロン同士を結合して最終的なクラス分類の判定（推論結果の出力）を行う層を何というか。 |
解説
|
| 310 |
画像認識で使われるCNNの畳み込み層において、入力画像の上を特定の歩幅（ストライド）でスライドしながら、画像の局所的な領域と掛け算（内積の和）を行う、重み（パラメータ）が並んだ「小さな行列（例えば3×3や5×5のサイズ）」のことを何というか。これによって画像から縦線、横線、エッジといった特定の視覚的特徴が抽出される。 |
解説
|
| 311 |
手元にある画像の訓練データ数が少なく、モデルが過学習を起こしやすい課題に実務で対処したい。元の画像に対して、反転、回転、拡大・縮小、切り抜き（クロッピング）、あるいは色調の補正などのデジタル加工（変換）をランダムに施すことで、モデルに「画像の見た目のバリエーション」を疑似的に大量に学習させ、汎化性能を劇的に向上させる画像専用の前処理手法を何というか。 |
解説
|
| 312 |
画像認識や自然言語処理において、限られた少ないデータで高性能なモデルを効率よく構築するための実務テクニックである。膨大なデータを持つ大規模なドメイン（例えばImageNetの大規模画像データセット）であらかじめ学習を済ませた「学習済みモデル（既存のネットワークの重み）」をベースとして再利用し、出力層などの一部の層だけを「自社のターゲットタスク（少量の独自データ）」にすげ替えて、その部分だけをピンポイントで追加学習させるアプローチを何というか。 |
解説
|
| 313 |
初期の機械翻訳や文章生成（対話システム）で大躍進を遂げた「エンコーダ・デコーダモデル」の代表的なアーキテクチャである。入力された「可変長（長さが毎回異なる）の単語列」を、RNNを用いて一度「1つの固定長ベクトル」へと完全に圧縮して読み込み、そのベクトルを起点として、今度は別のRNNを用いて新しく「可変長の単語列（翻訳後の文章）」を1単語ずつ展開して出力していく仕組みを何というか。 |
解説
|
| 314 |
Seq2Seqモデルが抱えていた、長い文章を翻訳する際に「冒頭の記憶（文脈情報）が途中で完全に抜け落ちてしまう」という固定長ベクトルのボトルネック課題を劇的に解決した技術である。デコーダで次の単語を出力（生成）する際、エンコーダが圧縮した1つのベクトルだけを見るのではなく、入力文の「どの単語（位置）に強く注目（注視）すべきか」のウェイト（類似度）をタイムステップごとに動的に計算し、関連する入力特徴量を直接引き出して利用する仕組みを何というか。 |
解説
|
| 315 |
マルチクラス分類（3つ以上のクラスから1つを選ぶタスク）を行うニューラルネットワークの「最終出力層」において、ほぼ例外なく適用される活性化関数に関する記述である。各ニューロンの出力（スコア）に対して指数関数（エクスポネンシャル）を適用し、それらの「総和が完全に1（100パーセント）」になるように正規化することで、それぞれのクラスに該当する「確率分布」として解釈できるように変換する関数はどれか。 |
解説
|
| 363 |
医療画像の細胞の輪郭特定等、ピクセル単位での高精度な領域分割が必要な場面で用いられるセマンティックセグメンテーションのモデル構造について。画像を縮小しながら特徴を抽出するパスと、拡大して元の解像度へ復元するパスを持つモデルにおいて、縮小の過程で失われた微細な位置情報を復元時に補完するために導入された仕組みはどれか。 |
解説
|
| 367 |
膨大な種類のセンサーから取得した数十次元のデータを可視化し、機械学習モデルの計算コストを下げるために次元削減を行いたい。元のデータが持つ分散の大きさを情報量と捉え、情報が最もよく保存されるような新しい直交する軸を見つけ出してデータをより少ない次元に変換する、教師なし学習の手法はどれか。 |
解説
|
| 368 |
ディープラーニングの中間層に用いられるReLU関数は、入力が負の値をとる場合に勾配が完全にゼロとなり、そのニューロンの学習が止まってしまう問題があった。この問題を解決し、ニューロンが完全に活動を停止してしまうのを防ぐために考案された関数の特徴として適切なものはどれか。 |
解説
|
| 369 |
機械翻訳において、入力された文章を一度固定長のベクトルに圧縮し、そこから翻訳後の文章を生成するエンコーダデコーダ構造のモデルがある。このモデルが長文の翻訳において精度が著しく低下してしまう根本的な理由として、不適切な記述はどれか。 |
解説
|
| 370 |
深層ニューラルネットワークの過学習を抑えるための正則化手法について。学習時に中間層のニューロンを一定の確率でランダムに無効化しながらパラメータの更新を行う手法が、なぜ未知のデータに対しても高い予測精度を発揮できるのか。その理論的背景として最も適切なものはどれか。 |
解説
|
| 373 |
教師なし学習におけるディープラーニングの手法で、入力データを少ない次元の潜在変数に圧縮し、そこから元の入力データをできるだけ正確に復元するように学習するモデルがある。このプロセスにおいて、あえて中間の層のニューロン数を少なく絞る最大の目的は何か。 |
解説
|
| 374 |
自動運転や工場の検品ライン等、カメラからのリアルタイムな映像解析が求められる場面で、画像内の物体を四角い枠で囲んでクラスを分類する物体検出モデルを選定したい。領域候補の抽出プロセスとクラス分類のプロセスを分離せず、画像全体を1回走査するだけで様々なサイズの物体を同時に検出できる手法が適している。この条件に該当するモデルはどれか。 |
解説
|
| 375 |
エッジデバイスに最新のディープラーニングモデルを配置したいが、モデルの容量が大きすぎてメモリに収まらない。そこで、大規模で高精度な教師モデルの出力する各クラスへの確率分布の傾向を、構造が小さく軽量な生徒モデルに真似させるように学習を行うことで、精度低下を抑えつつモデルを圧縮する手法はどれか。 |
解説
|
| 376 |
二値分類モデルの閾値を変化させた際の「偽陽性率」と「真陽性率」の変化をグラフ化したROC曲線について。この曲線の下側の面積であるAUCが1.0に近いほど、モデルの分類性能は優れていると判断される。この理由として最も適切なものはどれか。 |
解説
|
| 377 |
深層学習において、学習時のデータに対してモデルが過剰に適合し、未知のデータに対する予測精度が落ちる「過学習」を防ぐための手法がある。ドロップアウトにおいて、学習時と推論時（テスト時）でニューロンの接続状態を切り替える理由として、最も適切なものはどれか。 |
解説
|
| 378 |
深層学習の学習過程で、層が深くなるにつれて各層への入力データの分布が変動し、勾配の更新が困難になる「内部共変量シフト」という問題がある。これを解決するために導入されたバッチ正規化の効果として、不適切な記述はどれか。 |
解説
|
| 379 |
自然言語処理におけるTransformerモデルにおいて、従来のRNNと異なり「位置エンコーディング」という特別な情報を入力に加える必要がある。これが必要な根本的な理由として適切なものはどれか。 |
解説
|
| 380 |
ハイパーパラメータの最適化において、指定したパラメータの組み合わせを全通り試して最適なものを探すグリッドサーチの手法が、実務上選ばれる最大の理由として最も適切なものはどれか。 |
解説
|
| 381 |
ニューラルネットワークが多層化すると、活性化関数としてシグモイド関数を用いた場合に層の深い方から勾配が0に近づいてしまい、学習が停滞する問題が発生する。この問題を解決する構成として、ReLU関数が採用される理由として正しいものはどれか。 |
解説
|
| 382 |
Seq2Seqモデルにおいて、入力文が長くなった際に精度が低下する問題を解消するために「アテンション」が導入された。アテンションが長文に対しても高い精度を維持できる理由として、不適切な記述はどれか。 |
解説
|
| 383 |
膨大なテキストデータから汎用的な言語モデルを事前学習する際、教師データを作るコストを抑えつつ、モデルに言語の構造を理解させるために「マスク言語モデル」という手法がとられる。この手法の目的として最も適切なものはどれか。 |
解説
|
| 384 |
VAE（変分オートエンコーダ）が、通常のオートエンコーダと大きく異なる点は、潜在空間に確率分布（平均と分散）を導入する点である。この工夫によって可能になったこととして最も適切なものはどれか。 |
解説
|
| 386 |
ニューラルネットワークに対し、人間には元の画像と全く区別がつかないわずかなノイズ（摂動）を加えるだけで、誤ったクラスに高精度で分類させることが可能になる現象がある。この現象に関連する記述として最も適切なものはどれか。 |
解説
|
| 388 |
ニューラルネットワークの学習において、Adamが広く採用されている主な理由として不適切な記述はどれか。 |
解説
|
| 390 |
大規模なデータセットで事前学習されたモデルを、特定のデータセットに対して少量のデータで再度学習を行う手法について。この学習において、学習の過程で「層の重みを更新する範囲」を調整する理由として適切なものはどれか。 |
解説
|
| 391 |
機械学習モデルの評価において、データセットを分割して学習と検証を繰り返す「k分割交差検証」を行う最大の目的として、最も適切なものはどれか。 |
解説
|
| 393 |
Transformerにおける「マルチヘッドアテンション」の利点として、最も適切なものはどれか。 |
解説
|
| 394 |
BERT（Bidirectional Encoder Representations from Transformers）が従来の言語モデルと大きく異なる点として、「双方向」という性質がある。これが文章理解において有利に働く理由として適切なものはどれか。 |
解説
|
| 395 |
複数のモデルを組み合わせるアンサンブル学習において、「バギング（Bagging）」が過学習を抑制する仕組みとして正しいものはどれか。 |
解説
|
| 396 |
最適化手法の一つであるMomentum SGDにおいて、過去の勾配の蓄積を利用する目的として正しいものはどれか。 |
解説
|
| 397 |
画像内の「どのピクセルが何であるか」を識別するセマンティックセグメンテーションにおいて、U-Netなどの構造が用いられる理由として最も適切なものはどれか。 |
解説
|
| 399 |
L1正則化（Lasso回帰）が、L2正則化（Ridge回帰）と比べて特徴選択に適していると言われる理由として適切なものはどれか。 |
解説
|
| 400 |
ニューラルネットワークにおいて、Sigmoid関数が近年の中間層であまり使われず、ReLUが主流となった技術的な背景として最も適切なものはどれか。 |
解説
|
| 401 |
転移学習において、「モデルの再利用」がなぜ学習効率を大幅に向上させるのか、その理由として適切なものはどれか。 |
解説
|
| 402 |
GPTのような自己回帰（Autoregressive）モデルにおいて、推論時の仕組みとして適切なものはどれか。 |
解説
|
| 405 |
GAN（敵対的生成ネットワーク）において、生成器（Generator）と識別器（Discriminator）が対立して学習する過程を何と呼ぶか。 |
解説
|
| 406 |
機械学習において、モデルに与える入力データから本質的な情報を抽出する「特徴量エンジニアリング」が重要な理由として、最も適切なものはどれか。 |
解説
|
| 407 |
ニューラルネットワークの損失関数において、局所解よりも頻繁に発生し学習を妨げる要因とされる「サドルポイント（鞍点）」の特徴として、適切なものはどれか。 |
解説
|
| 410 |
ある犯罪検知モデルにおいて、検知漏れ（偽陰性）を極限まで減らしたい場合、評価指標として重視すべきなのはどれか。 |
解説
|
| 411 |
ドロップアウトが「共適応（Co-adaptation）」を抑制する仕組みとして、適切なものはどれか。 |
解説
|
| 412 |
拡散モデル（Diffusion Model）が従来のGANと比べて画像生成において優れていると言われる背景として、適切なものはどれか。 |
解説
|
| 414 |
主成分分析（PCA）において、寄与率が小さい主成分を捨てることの利点として、適切なものはどれか。 |
解説
|
| 415 |
バッチ正規化（Batch Normalization）が「学習率」を高く設定することを可能にする物理的な理由として、適切なものはどれか。 |
解説
|
| 416 |
Transformerのアテンション機構において、Query, Key, Valueの3つを用いる理由として、最も適切なものはどれか。 |
解説
|
| 418 |
ブースティング（Boosting）の最大の特徴として、適切なものはどれか。 |
解説
|
| 419 |
Leaky ReLUが通常のReLUより優れているとされる点として、適切なものはどれか。 |
解説
|
| 420 |
オートエンコーダが「次元圧縮」に用いられる際、その潜在空間（ボトルネック層）を小さくすることの目的として適切なものはどれか。 |
解説
|
| 421 |
ディープラーニングの学習時において、過学習を抑制するための手法として、層内のニューロンを確率的に無効化して学習させる手法はどれか。 |
解説
|
| 422 |
ミニバッチごとに中間層の出力を正規化し、学習の安定化と高速化を図る手法はどれか。 |
解説
|
| 423 |
ディープラーニングにおいて、勾配消失問題を軽減するために隠れ層で主に使用される活性化関数はどれか。 |
解説
|
| 424 |
画像認識において、入力画像の局所的な特徴（エッジや模様など）を抽出するために、フィルタを用いて空間的な情報を畳み込む構造を持つニューラルネットワークはどれか。 |
解説
|
| 425 |
時系列データやテキストなど、順序を持つデータの推論において、前の時刻の状態を記憶として持ち越すことで文脈を理解するニューラルネットワークはどれか。 |
解説
|
| 426 |
RNNの課題である長距離の依存関係の学習が困難な問題を解決するため、入力・忘却・出力の3つのゲート機構を導入したモデルはどれか。 |
解説
|
| 428 |
生成器と識別器の2つのネットワークを競わせることで、本物に近い画像を生成する学習を行うフレームワークはどれか。 |
解説
|
| 429 |
高次元データの情報を可能な限り保持したまま、次元数を削減して低次元の主成分に変換する教師なし学習手法はどれか。 |
解説
|
| 430 |
似た特徴を持つデータをグループ化するために、各データとクラスタ中心までの距離の二乗和が最小になるよう反復的に計算を繰り返す手法はどれか。 |
解説
|
| 431 |
2つのクラスを分離する際、マージン（境界とデータ点の間隔）が最大になるような超平面を求める教師あり学習アルゴリズムはどれか。 |
解説
|
| 432 |
あるタスクで学習済みのモデルをベースとして、別の類似タスクのためにモデルの一部を再学習させることで、少ないデータでも短時間で高精度なモデルを得る手法はどれか。 |
解説
|
| 433 |
画像内のどの位置に、どのような物体が存在するかを四角い枠（バウンディングボックス）とクラスラベルで出力するタスクはどれか。 |
解説
|
| 434 |
Transformerのエンコーダのみを用いたモデルで、文章の前後両方の文脈を考慮して単語の分散表現（埋め込み）を学習する自然言語処理モデルはどれか。 |
解説
|
| 435 |
Q学習にディープラーニングを組み合わせ、エージェントが画面の画素データから直接、最適な行動（行動価値関数）を推定して学習する強化学習手法はどれか。 |
解説
|
| 436 |
不均衡なデータセットや識別が難しい複雑なデータに対して、複数の弱い識別器を直列に組み合わせる際、前段のモデルが誤分類したデータに高い重みを与えて学習させる手法はどれか。 |
解説
|
| 437 |
画像認識において、画像内の局所的な特徴を抽出するためのフィルタをずらしながら適用し、空間的な情報を畳み込む構造を持つニューラルネットワークはどれか。 |
解説
|
| 438 |
学習中に各層の中間出力の分布が変化してしまう「内部共変量シフト」を抑え、学習を高速化・安定化させる手法はどれか。 |
解説
|
| 440 |
強化学習において、Q関数を直接更新するのではなく、行動を決定するActorと状態価値を厳しく評価するCriticの2つの構造を独立させて学習を安定化させる手法はどれか。 |
解説
|
| 441 |
RNNの課題である長距離の依存関係の学習が困難な問題を解決するため、情報の取捨選択を行う「入力」「忘却」「出力」のゲート機構を導入したモデルはどれか。 |
解説
|
| 442 |
Momentumの「慣性」による学習の加速と、Adagradの「パラメータごとの適応的な学習率調整」の利点を組み合わせた、汎用性の高い最適化手法はどれか。 |
解説
|
| 443 |
生成器が画像を生成し、識別器が本物か偽物かを判定するという、2つのネットワークの競合を通じて性能を高め合う学習フレームワークはどれか。 |
解説
|
| 444 |
高次元データの情報を可能な限り保持したまま、次元数を削減して低次元の主成分に変換する教師なし学習手法はどれか。 |
解説
|
| 445 |
ディープラーニングにおいて、学習時にニューロンを確率的にランダムに無効化することで、特定のニューロンへの過度な依存を避け、過学習を抑制する手法はどれか。 |
解説
|
| 446 |
シグモイド関数などで発生する勾配消失問題を回避するために、0以下の入力を0とし、正の値をそのまま出力する活性化関数はどれか。 |
解説
|
| 447 |
ある特定のタスクで学習済みのモデルをベースとして、別の類似タスクのためにモデルの一部を再学習させ、少量のデータで高精度なモデルを得る手法はどれか。 |
解説
|
| 448 |
「機械が人間のように思考するかどうか」を判定するために、人間と機械が対話を行い、人間がどちらと会話しているか判別できない場合、その機械には知能があるとするテストはどれか。 |
解説
|
| 449 |
1980年代の第2次AIブームにおいて、専門家の知識をルールベースで記述し、特定の領域において高い推論能力を発揮させるために開発されたシステムはどれか。 |
解説
|
| 450 |
AIの開発・運用において、倫理的課題や法的リスクを管理し、人間にとって安全で適切に社会実装するための管理体制や方針を定めた概念はどれか。 |
解説
|
| 451 |
コンピュータが記号（単語など）を操作することはできるが、その記号が現実世界のどのような「意味」や「実体」と結びついているかを理解できていない問題を何というか。 |
解説
|
| 454 |
複数の決定木を独立して構築し、それらの予測結果を多数決や平均化によって統合することで、個々の木の過学習を抑制し精度を向上させるアンサンブル学習手法はどれか。 |
解説
|
| 455 |
入力データを一度低次元の潜在空間へ圧縮し、再度元のデータに復元するように学習させることで、データの重要な特徴量を抽出するニューラルネットワークはどれか。 |
解説
|
| 456 |
CNNのプーリング層において、領域内の最大値を取得する「最大プーリング（Max Pooling）」を行う主な目的はどれか。 |
解説
|
| 457 |
学習時に各層の中間出力分布をミニバッチ単位で平均0、分散1に揃えることで、学習の安定化と高速化を図る理由はどれか。 |
解説
|
| 458 |
損失関数に重みの二乗和を加えることで、モデルの重みが大きくなりすぎるのを防ぎ、過学習を抑制する手法はどれか。 |
解説
|
| 459 |
画像内の物体の存在場所（バウンディングボックス）とクラスを一度の推論で同時に推定し、リアルタイムでの処理を可能にした物体検出アルゴリズムはどれか。 |
解説
|
| 460 |
Transformerにおいて、入力シーケンス内の各単語同士の関係性を、距離に関係なく直接計算できる機構はどれか。 |
解説
|
| 462 |
AIを社会実装する際、企業が「AIを利用する人間」に対して説明責任を果たし、意図しないバイアスや判断ミスを防ぐための体制を何と呼ぶか。 |
解説
|
| 463 |
現在の日本の著作権法において、AIによって生成されたコンテンツに著作権が発生する条件として最も妥当なものはどれか。 |
解説
|
| 464 |
欧州連合（EU）が定めた世界初の包括的なAI規制法案において、リスクの低いAIシステム（スパムフィルターなど）は原則としてどのような扱いを受けるか。 |
解説
|
| 465 |
決定木を逐次的に学習させ、前段のモデルが予測しきれなかった「残差（誤差）」を次段のモデルが学習することで、予測精度を極限まで高めるアンサンブル学習手法はどれか。 |
解説
|
| 466 |
コンピュータが記号処理を行い、完璧な応答を返せたとしても、それは意味を理解しているわけではないという反論の思考実験はどれか。 |
解説
|
| 467 |
1960年代、単純パーセプトロンの限界を数学的に証明し、第1次AIブームの停滞を招いた著書で有名な研究者は誰か。 |
解説
|
| 468 |
AIが下した判断や予測の根拠を人間が理解できるようにする手法はどれか。 |
解説
|
| 469 |
日本におけるAI開発の学習段階での著作権法の扱いで、原則として権利者の許諾なく利用できるのはどのような場合か。 |
解説
|
| 470 |
SVMにおいて、線形分離不可能なデータをより高次元の空間に写像することで、線形分離可能にする手法はどれか。 |
解説
|
| 471 |
回帰分析において、モデルの重みの二乗和を損失関数に加えることで、重みが大きくなることを防ぎ、過学習を抑制する手法はどれか。 |
解説
|
| 472 |
決定木を直列に学習させ、前段のモデルが予測できなかった「誤差（残差）」を後段のモデルが修正するように学習する手法はどれか。 |
解説
|
| 473 |
CNNの畳み込み層において、複数のフィルタを用意する主な目的はどれか。 |
解説
|
| 474 |
RNNにおいて、時系列データが長くなると学習が困難になる「勾配消失」の主な原因はどれか。 |
解説
|
| 475 |
オートエンコーダの構造において、入力層から中間層（ボトルネック層）へ至る過程の主な役割はどれか。 |
解説
|
| 476 |
Adamという最適化手法が、Adagradの弱点である「学習率の過度な低下」を克服できた理由はどれか。 |
解説
|
| 477 |
学習時にバッチ正規化を適用することで、学習が高速化・安定化する理由はどれか。 |
解説
|
| 478 |
ReLUがシグモイド関数と比較して、深いネットワークの学習に適している理由はどれか。 |
解説
|
| 479 |
RNNの代わりにTransformerが自然言語処理の主流となった最大の理由はどれか。 |
解説
|
| 480 |
強化学習において「探索（Exploration）」が極めて重要な理由はどれか。 |
解説
|
| 481 |
新しいAI技術が実用化され、普及して「当たり前」のものになると、人々がそれを「単なる自動化」と見なすようになり、AIの定義から除外してしまう現象を何と呼ぶか。 |
解説
|
| 482 |
人工知能の歴史において、第2次AIブームを象徴するシステムとして最も適切なものはどれか。 |
解説
|
| 483 |
統計モデルを選択する際、モデルの適合度とパラメータ数のバランスを評価し、過学習を避けて最適なモデルを選ぶための指標はどれか。 |
解説
|
| 484 |
Adagradの学習率が学習後半に著しく低下してしまう問題を解決するため、勾配の二乗和ではなく、勾配の移動平均を用いて学習率を自動調整する最適化手法はどれか。 |
解説
|
| 485 |
学習初期はAdamのような速い収束性を持ち、終盤はSGDのように高い汎化性能を持つように学習率の範囲を制限する最適化手法はどれか。 |
解説
|
| 486 |
画像認識モデルの学習において、訓練データが不足している場合に、画像を反転、回転、拡大・縮小することで疑似的にデータを増やし、過学習を抑制する手法を何と呼ぶか。 |
解説
|
| 487 |
ニューラルネットワークの学習において、出力層で計算された誤差を、ネットワークの出力側から入力側へと逆方向に伝播させ、各層の重みを更新する手法はどれか。 |
解説
|
| 488 |
ファジィ論理において、メンバーシップ関数で定義された集合から、あるしきい値以上の値を持つ要素のみを抽出し、クリスプ（明確）な集合を作る操作を何というか。 |
解説
|
| 489 |
ゲーム木の探索において、現在のノードで既に得られた評価値よりも悪い結果しか得られないと判断できる枝を、探索打ち切り対象とする手法はどれか。 |
解説
|
| 490 |
AIを活用したモデル開発から、運用・保守までの一連のビジネスプロセスにおいて、最初に行うべき活動として適切なものはどれか。 |
解説
|
| 491 |
AIの開発やデータ取引において、企業間のトラブルを防ぎ、契約上の権利関係を明確にするために経済産業省が策定した指針はどれか。 |
解説
|
| 492 |
企業がAIを社会実装する際、AIの悪用防止や倫理的リスクへの対応、安全な運用を担保するための管理体制や組織的な規律を何というか。 |
解説
|
| 493 |
EU（欧州連合）が策定したAI規制法案において、AIシステムをリスクのレベルに応じて分類しているが、この法律の通称は何か。 |
解説
|
| 494 |
米NIST（アメリカ国立標準技術研究所）が策定した、AIシステムの設計・開発・利用段階において発生しうるリスクを管理・低減するための枠組みはどれか。 |
解説
|
| 495 |
データの特徴量を条件分岐させていくことで、分類や回帰を行うアルゴリズムはどれか。 |
解説
|
| 496 |
「限られた情報の中で、何が重要で何が重要でないかを判断できない」という、AIが現実世界のあらゆる事象を考慮しきれない問題を何と呼ぶか。 |
解説
|
| 497 |
1966年にジョセフ・ワイゼンバウムによって開発された、患者の言葉をオウム返しにする単純な仕組みでありながら、人間が共感を得たと錯覚した初期の対話システムはどれか。 |
解説
|
| 498 |
機械学習モデルの汎化性能を評価する際、データを分割して繰り返し訓練と検証を行い、過学習を防ぎつつ精度の信頼性を高める手法はどれか。 |
解説
|
| 499 |
L1正則化（Lasso）とL2正則化（Ridge）の両方のペナルティを組み合わせることで、特徴選択とモデルの安定性の両立を図る回帰手法はどれか。 |
解説
|
| 500 |
学習データ全体を用いて一度に勾配を計算する「バッチ勾配降下法」と比較した際、少数のデータで計算する「確率的勾配降下法（SGD）」の主なメリットはどれか。 |
解説
|
| 501 |
ディープラーニングにおいて、層を深くした際に発生する勾配消失問題を、入力値を直接次層以降へ渡す「スキップ接続（ショートカット）」によって緩和するネットワーク構造はどれか。 |
解説
|
| 502 |
CNNにおいて、フィルタを「空間的な畳み込み」と「チャネル方向の畳み込み」に分離することで、パラメータ数を劇的に減らし計算を軽量化する手法はどれか。 |
解説
|
| 505 |
バッチ正規化がミニバッチ内のサンプル間で正規化するのに対し、各層の全ニューロンの出力を同一サンプル内で正規化する手法はどれか。 |
解説
|
| 506 |
「エンコーダ」で入力文を圧縮し、「デコーダ」でそれを別の言語や形式の系列に変換する、翻訳等に用いられるモデル構造はどれか。 |
解説
|
| 507 |
Transformerのデコーダのみを使用し、圧倒的なパラメータ数と「few-shot学習」能力により、追加学習なしで多様なタスクをこなせる大規模言語モデルはどれか。 |
解説
|
| 509 |
AIの判断において、性別や人種などの属性により不当な差別の結果を招かないようにすることを重視する概念はどれか。 |
解説
|
| 510 |
法律による強制力を持つ「ハードロー」に対し、業界団体による指針や行動規範など、自主的な取り組みによって社会的な規律を保つ手法を何と呼ぶか。 |
解説
|
| 511 |
特定のタスクのみに特化するのではなく、人間のように幅広い状況や未知のタスクに対して適応し、推論や学習を行える知能を何と呼ぶか。 |
解説
|
| 513 |
機械学習のハイパーパラメータ調整において、目的関数が未知で計算コストが高い場合に、過去の試行結果を基に「次に試すべき点」を効率的に探索する手法はどれか。 |
解説
|
| 514 |
勾配ブースティング決定木の一種であり、葉単位で木を成長させることで精度を高め、さらにヒストグラムベースのアルゴリズムで高速化を図った手法はどれか。 |
解説
|
| 515 |
CNNにおいて、1x1、3x3、5x5といった異なるサイズの畳み込み層を並列に適用する「インセプション・モジュール」を採用し、層の効率化を図ったモデルはどれか。 |
解説
|
| 516 |
LSTMの計算コストを抑えるため、忘却ゲートと入力ゲートを統合した「更新ゲート」を用い、ゲート数を3つから2つに削減したRNNの派生モデルはどれか。 |
解説
|
| 518 |
ReLUの「0以下の入力が完全に0になる（デッドReLU）」問題を解決するため、0以下の領域でもわずかな勾配を残すようにした活性化関数はどれか。 |
解説
|
| 519 |
バッチ正規化がバッチ全体を対象にするのに対し、スタイル変換モデルなどで有効な、各サンプルの各チャンネルごとに正規化を行う手法はどれか。 |
解説
|
| 520 |
単語を固定次元のベクトルで表現し、単語間の意味的な近さを計算可能にする手法において、周囲の単語から中心の単語を予測するモデルの名称はどれか。 |
解説
|
| 521 |
Word2Vecの発展形であり、単語を単なる記号として扱うのではなく、文字単位のn-gramに分解して埋め込みを学習することで、未知語（Out-of-vocabulary）にも対応可能な手法はどれか。 |
解説
|
| 522 |
医療画像セグメンテーションなどで多用され、エンコーダ（収縮）パスとデコーダ（拡張）パスを持ち、スキップ接続によって詳細な空間情報を保持する構造はどれか。 |
解説
|
| 523 |
ペアとなるデータ（例：写真と絵画）がなくても、ドメイン間の変換を可能にするGANの一種で、変換したものを元に戻す「サイクル一貫性損失」を用いる手法はどれか。 |
解説
|
| 524 |
機械学習モデルの予測結果に対して、「各特徴量がどれだけ予測値に寄与したか」をゲーム理論に基づき公平に算出し、説明可能にする手法はどれか。 |
解説
|
| 525 |
個人データの取り扱いに関して、欧州連合（EU）が定めた、プライバシー保護とデータ主権を重視した極めて厳しい規制はどれか。 |
解説
|
| 526 |
特定のタスクのみをこなすAIを「特化型AI」と呼ぶのに対し、人間のように未知の環境や多様なタスクに適応できる知能を持つAIを何と呼ぶか。 |
解説
|
| 531 |
フィルタの間に空白（穴）を挿入することで、パラメータ数を増やさずに受容野（観測範囲）を広げ、画像の広域的なコンテキストを抽出する畳み込み手法はどれか。 |
解説
|
| 541 |
レイ・カーツワイルが提唱した、AIの知能が人類の知能を包括的に超越する時点を指す概念はどれか。 |
解説
|
| 547 |
データをエンコーダで確率分布のパラメータ（平均と分散）に圧縮し、そこからサンプリングしてデコーダで復元することで、潜在空間の連続的な操作を可能にする生成モデルはどれか。 |
解説
|
| 550 |
AdaGradが学習後半に学習率がゼロに近づきすぎてしまう問題を解決するために、過去の勾配の移動平均を算出し、それを用いて学習率を調整する手法はどれか。 |
解説
|
| 553 |
BERTの事前学習において、文中の単語をランダムに隠し（Masking）、その単語を周囲の文脈から予測させることで言語表現を学習するタスクを何というか。 |
解説
|
| 554 |
Transformerのモデルにおいて、Encoderの役割として最も適切なものはどれか。 |
解説
|
| 555 |
内閣府が策定した「人間中心のAI社会原則」において、AIがもたらす利益を社会全体で享受し、格差を是正することを目指す理念を何と呼ぶか。 |
解説
|
| 556 |
特定のタスクのみをこなす「弱いAI」に対し、人間のように自己意識を持ち、あらゆる知的タスクを遂行可能なAIを指す呼称はどれか。 |
解説
|
| 557 |
1970年、テリー・ウィノグラードが開発した、仮想の積み木世界において自然言語での命令を理解し実行するプログラムはどれか。 |
解説
|
| 558 |
データの特徴量（次元数）が増えるほど、データ空間が広大になり、学習に必要なデータ量が指数関数的に増大してしまう問題を何と呼ぶか。 |
解説
|
| 559 |
二値分類において、閾値を変化させた時の「偽陽性率（FPR）」と「真陽性率（TPR）」をプロットし、モデルの性能を評価する図を何というか。 |
解説
|
| 560 |
強化学習において、現在の行動に従って次の行動を決定する「方策オン型（On-policy）」の手法はどれか。 |
解説
|
| 561 |
CNNにおいて、畳み込み層の出力サイズを入力と同じサイズに保つため、画像の周囲に0の画素を追加する手法を何というか。 |
解説
|
| 562 |
RNNの勾配消失問題を解決するために導入された、情報を保持・忘却・更新するための「ゲート構造」を持つモデルはどれか。 |
解説
|
| 564 |
勾配降下法において、全ての勾配がゼロになるが、局所的な最小値でも最大値でもない点（極小でも極大でもない）を何というか。 |
解説
|
| 565 |
Transformerにおいて、文中の各単語が、他のどの単語と強い関連性を持つかを動的に計算する機構はどれか。 |
解説
|
| 568 |
AIが学習するデータに含まれる偏り（性別、人種、歴史的背景など）によって、AIの判断が特定のグループに対して不公平になる問題を何というか。 |
解説
|
| 569 |
EUのGDPRにおいて、AIなどの自動化された決定によって重大な影響を受ける個人が、その決定の根拠を知る権利を何というか。 |
解説
|
| 570 |
日本において、AI開発のためにウェブ上の著作物を収集・学習させる場合、著作権者の許諾を原則不要とする根拠となる法律の条文は何か。 |
解説
|
| 571 |
アラン・チューリングが提唱した「イミテーション・ゲーム」において、機械が人間と見分けがつかない対話を行えたと判断されるために必要な要素はどれか。 |
解説
|
| 572 |
1956年のダートマス会議で発表された、コンピュータによって数学の定理証明を行った世界初のAIプログラムはどれか。 |
解説
|
| 573 |
ランダムフォレストにおいて、決定木を構築する際、データだけでなく「特徴量」もランダムに選択することで、決定木同士の相関を下げ、精度を高める手法を何というか。 |
解説
|
| 574 |
機械学習モデルにおいて、モデルが複雑すぎて学習データに過剰適合している状態（バイアスが低くバリアンスが高い状態）を何と呼ぶか。 |
解説
|
| 575 |
バッチサイズが小さい場合にバッチ正規化（Batch Norm）の精度が低下する問題を解決するため、チャネルをグループ分けして正規化を行う手法はどれか。 |
解説
|
| 576 |
Transformerにおいて、Query(Q)、Key(K)、Value(V)を用いて、入力内の各単語同士の関係性を計算し、文脈を捉える機構を何と呼ぶか。 |
解説
|
| 579 |
画像とテキストのペアを大規模に学習し、テキストで画像を検索したり、分類したりすることを可能にした、対照学習（Contrastive Learning）ベースのモデルはどれか。 |
解説
|
| 580 |
潜在空間の表現を「離散化」することで、画像の高圧縮と高品質な生成を両立させたモデルはどれか。 |
解説
|
| 585 |
2019年に採択されたOECDのAI原則が、2023年に改定された際に新しく強調された側面はどれか。 |
解説
|
| 586 |
コンピュータ内の「記号（シンボル）」と、現実世界の「意味」が結びつかないためにAIが真の理解に至れないとされる問題を何と呼ぶか。 |
解説
|
| 587 |
1956年に開催され、ジョン・マッカーシーらが「人工知能（Artificial Intelligence）」という言葉を初めて提唱した歴史的な会議はどれか。 |
解説
|
| 588 |
分類モデルの評価指標において、実際の正解が「正」であるデータのうち、正しく「正」と予測できた割合（真陽性率）を何というか。 |
解説
|
| 590 |
GANにおいて、本物のようなデータを生成し、識別器を騙すことを目的とするネットワークを何と呼ぶか。 |
解説
|
| 591 |
入力を一度圧縮して潜在表現にし、そこから元の入力を復元するように学習させることで、データの重要な特徴を抽出するニューラルネットワークはどれか。 |
解説
|
| 592 |
学習時にランダムにニューロンを無効化することで、特定のニューロンへの依存を防ぎ、ネットワークの汎化性能を高める手法はどれか。 |
解説
|
| 593 |
ニューラルネットワークの層を深くした際、誤差逆伝播の過程で勾配が0に近づき、入力に近い層の学習がほとんど進まなくなる問題を何と呼ぶか。 |
解説
|
| 596 |
特定のタスクに合わせて大規模言語モデルのパラメータを更新する手法と、プロンプトに指示を与えるだけで調整を行う手法を比較した際、後者の名称はどれか。 |
解説
|
| 597 |
AIの予測や判断の根拠を、人間が理解可能な形で提示しようとする研究分野や取り組みを何と呼ぶか。 |
解説
|
| 598 |
AI倫理における「公平性」において、データに含まれる歴史的な偏見や社会的な差別がAIの出力に反映されてしまうリスクを何と呼ぶか。 |
解説
|
| 600 |
AIが社会的な悪影響を及ぼした際、誰がどのように責任を負うのかを明確にする考え方を何というか。 |
解説
|
| 601 |
画像生成において、生成器（Generator）が生成したデータと、本物のデータを識別器（Discriminator）が判別する過程を繰り返すことで学習を進める手法がある。この手法において、学習が極めて不安定になりやすく、生成器が特定のデータのみを出力し続けるモード崩壊という現象が起きる原因として、最も適切な説明はどれか。 |
解説
|
| 602 |
画像生成において、ノイズから徐々に元の画像を復元するプロセスを学習するモデルがある。この手法がGANと比較して、学習が安定しやすい主な理由はどれか。 |
解説
|
| 603 |
文章生成や翻訳モデルにおいて、入力文の全単語に対して計算を行うことで、単語間の複雑な依存関係を文脈に応じて動的に捉える仕組みがある。この仕組みの利点として最も適切なものはどれか。 |
解説
|
| 604 |
文章の空欄予測や誤字脱字の検出など、文章理解タスクで高い性能を発揮する事前学習モデルがある。このモデルが双方向（Bidirectional）の文脈情報を学習できる主な理由はどれか。 |
解説
|
| 605 |
文章生成を行うモデルにおいて、ある単語が与えられたときに「次に出現する単語」を確率的に予測する手法が取られる。この手法が、文章生成において滑らかで一貫した文章を作成できる主な要因はどれか。 |
解説
|
| 606 |
画像認識において、入力データに対してフィルタをスライドさせながら局所的な特徴を抽出する手法がある。画像内の対象物が多少移動しても認識精度が低下しにくい「不変性」を得るために重要な処理はどれか。 |
解説
|
| 607 |
時系列データを扱うモデルにおいて、過去の情報を内部状態として保持しながら逐次処理を行うものがある。このモデルで「長期的な依存関係」の学習が困難な主な理由はどれか。 |
解説
|
| 608 |
画像を潜在空間にマッピングする際、連続値ではなく有限のベクトル（コードブック）として表現するモデルがある。この手法を用いる主なメリットはどれか。 |
解説
|
| 612 |
画像とテキストの対応関係を学習するモデルがある。このモデルが「ゼロショット分類」を実現できる理由はどれか。 |
解説
|
| 614 |
文章生成モデルの中核構造であるTransformerにおいて、エンコーダ-デコーダ構造を採用する場合、デコーダ側で「生成済みの単語」のみを参照するようにマスク処理を行う理由はどれか。 |
解説
|
| 615 |
音声生成において、生の波形データを直接モデル化する手法がある。この手法で、非常に高精細な音声を生成できる理由はどれか。 |
解説
|
| 616 |
音声認識システムを開発する際マイクで取得した連続的な音声波形をそのままコンピュータに入力することはできない。コンピュータが処理可能な離散的な数値データとして扱うために一定の時間間隔で波形を切り出して近似する一連の処理として最も適切なものはどれか。 |
解説
|
| 617 |
異なる言語間の機械翻訳システムを構築したい。入力される文章と出力される文章の単語数が常に一致しないという課題がある場合に入力文全体を一度固定長のベクトルに圧縮しそこから任意の長さの文章を逐次的に生成するアーキテクチャとして最も適切なものはどれか。 |
解説
|
| 618 |
テキストから人間の声に近い自然な音声を生成する音声合成タスクにおいて従来の隠れマルコフモデルを用いた手法では不自然な機械音になりがちであった。音声波形のサンプリング値を1つずつ自己回帰的に予測する際過去の広い範囲のデータを効率よく参照するために拡張畳み込みを採用し極めて高品質な音声生成を実現したモデルはどれか。 |
解説
|
| 619 |
馬の画像をシマウマの画像に変換するようなシステムを開発したいが全く同じポーズの馬とシマウマがペアになった訓練画像を用意することは事実上不可能である。このように正解となるペア画像が存在しない状況においてドメイン間の変換を可能にするため一度変換した画像を元のドメインに戻した際に元の画像と一致するように制約をかける生成モデルはどれか。 |
解説
|
| 621 |
画像生成モデルにおいて生成される顔画像の髪の長さや笑顔の度合いといった特定の特徴を他の特徴に影響を与えることなく独立して調整したい。潜在変数同士の絡み合いを解きほぐしそれぞれの次元が独立した意味を持つように損失関数の正則化項を強めたモデルとして最も適切なものはどれか。 |
解説
|
| 622 |
音声認識システムにおいて入力される音声波形のフレーム数と出力されるテキストの文字数は一致しないためどのフレームがどの文字に対応するかを厳密に紐付けることは困難である。この問題に対し空白を表す特殊なラベルを導入しすべてのアライメントの可能性を周辺化してモデルを直接エンドツーエンドで学習させるための損失関数はどれか。 |
解説
|
| 624 |
敵対的生成ネットワークは高品質な画像を生成できるが学習が非常に不安定で同じような画像ばかり出力するモード崩壊を起こしやすい欠点があった。この課題を解決するため画像に徐々にノイズを加えていく過程を定義しそのノイズを段階的に除去して元の画像を復元する過程を学習することで安定して多様な画像を生成できるようになった手法はどれか。 |
解説
|
| 626 |
初期の敵対的生成ネットワークは全結合層のみで構築されており解像度が高い画像を生成しようとすると画像が破綻してしまう問題があった。この問題に対処するためネットワークの構造に畳み込み層と逆畳み込み層を導入しさらにバッチ正規化を組み合わせることで高画質な画像生成の学習を安定させたモデルとして最も適切なものはどれか。 |
解説
|
| 629 |
長文の文章生成や機械翻訳において再帰型ニューラルネットワークは計算を逐次的に行うため並列処理が難しく学習に時間がかかる欠点があった。この課題を解決するために入力されたすべての単語間の関係性を自己注意機構によって一度に計算し並列処理を可能にした自然言語処理のアーキテクチャはどれか。 |
解説
|
| 630 |
文章生成や機械翻訳の前処理として単語をベクトル化する際学習データに存在しない未知の単語が入力されると適切なベクトルを割り当てられず精度が低下する課題がある。単語をさらに細かい文字の単位に分割して内部構造を学習することで未知の単語に対しても前後の文字の並びから柔軟に意味ベクトルを推測できる手法はどれか。 |
解説
|
| 631 |
新しい未知のタスクに直面した際、わずかなデータからでも素早く適応できるように、複数のタスクを通じて学習の仕方を学習するアプローチが注目されている。このような目的に対して、パラメータの初期値を最適化し、数回のステップで新しいタスクに適応できるように訓練するメタ学習の手法として最も適切なものはどれか。 |
解説
|
| 632 |
複数の方角から撮影した二次元の画像群から、撮影されていない自由な視点からの三次元空間の映像を再構成したい。このようなシーンにおいて、空間の座標と視線方向を入力とし、色と密度を出力するニューラルネットワークを用いて光線の経路を計算し、三次元表現を獲得する技術として最も適切なものはどれか。 |
解説
|
| 633 |
ディープニューラルネットワークの学習において、巨大なネットワーク全体が不可欠なわけではなく、ランダムに初期化されたネットワークの中には、最初から高い性能を達成できる幸運な初期値を持つ部分的なネットワークが偶然含まれているという考え方がある。この考え方に基づき、不要なパラメータを学習の早い段階で削ぎ落とす枝刈りの研究に大きな影響を与えた仮説の名称はどれか。 |
解説
|
| 634 |
ECサイトで新しくサービスを開始した直後や、これまでに全く購買履歴のない新規ユーザーが登録された際、協調フィルタリングなどのアルゴリズムでは過去のデータが存在しないため、適切な商品の推薦を行うことができない。このような、データが蓄積されるまでレコメンド機能が十分に働かない課題を何というか。 |
解説
|
| 635 |
顔認証や類似画像検索システムを構築するため、同じ人物の画像は近く、異なる人物の画像は遠く配置されるような特徴空間を学習させたい。このとき、基準となるデータ、同じクラスの正例データ、異なるクラスの負例データの3つを同時に入力し、相対的な距離を比較してネットワークを最適化する際に用いられる損失関数はどれか。 |
解説
|
| 636 |
音声認識システムにおいて、入力される音声の波形フレーム数と、出力されるテキストの文字数は一致しない。そのため、どのタイミングの音声がどの文字に対応するかを事前にラベル付けすることは困難である。このように入出力の長さが異なる系列データ同士のマッピングを、空白を表す特殊なラベルを用いて自動で整列させ、一気通貫で学習させる仕組みはどれか。 |
解説
|
| 637 |
アノテーションにかかる膨大なコストを削減するため、少量の正解ラベル付きデータと、大量のラベルなしデータを組み合わせて高い精度のモデルを構築したい。ラベルなしデータに対して弱いデータ拡張と強いデータ拡張の2種類を施し、弱い拡張に対する予測結果を擬似ラベルとして、強い拡張に対する予測結果と一致するように学習を進める半教師あり学習の手法はどれか。 |
解説
|
| 638 |
ユーザーの購買履歴や評価データを基にした協調フィルタリングにおいて、巨大な行列に欠損が多く含まれる場合、データから隠れた傾向を抽出して計算効率を上げたい。任意の行列を3つの特殊な行列の積に分解し、重要度の低い成分を切り捨てることでデータの次元削減やノイズ除去を行う、線形代数の基礎手法はどれか。 |
解説
|
| 639 |
新しい自然言語処理モデルを開発した際、そのモデルが単に特定のタスクに特化しているだけでなく、文章の分類、質問応答、論理的関係の判定など、多様なタスクにおいて汎用的な文章理解能力を持っているかを客観的に比較したい。このような目的で広く利用されている、複数の自然言語処理タスクをまとめた標準的なベンチマークデータセットの名称はどれか。 |
解説
|
| 640 |
バッチ正規化は学習を安定化させる強力な手法だが、GPUのメモリ制限などでバッチサイズを非常に小さくせざるを得ない場合、統計量が不安定になり精度が著しく低下する。この問題を解決するため、バッチサイズに依存しない正規化手法がいくつか提案されている。次のうち、空間方向の情報を保持したままバッチサイズに依存しない正規化手法として不適切なものはどれか。 |
解説
|
| 641 |
自己回帰型のテキスト生成モデルにおいて、訓練時には常に正しい正解の単語を次のステップの入力として与える教師強制が行われる。しかし推論時には、モデル自身が一つ前に出力した単語を次の入力として用いるため、途中で一度でも単語の予測を誤ると、その間違いが雪だるま式に増幅して文章が崩壊してしまう。この訓練と推論の環境の違いから生じる問題を何というか。 |
解説
|
| 642 |
時系列モデルにおいて文章を生成するタスクを学習させる際、モデルが前の時刻で予測を間違えたとしても、次の時刻の入力には実際に生成された誤ったデータではなく、用意された正しい正解データを強制的に与えて学習を進行させる技法がある。これにより、初期の学習の不安定さを排除し、収束を早めることができるこの手法を何というか。 |
解説
|
| 643 |
深層強化学習において、エージェントが過去に経験した行動履歴をメモリからランダムに取り出して学習する仕組みを拡張したい。学習効率を極限まで高めるため、すべての履歴を均等に扱うのではなく、予測誤差が大きくAIにとって予想外だった重要な失敗や成功の経験ほど高い確率でサンプリングし、優先的に学習させる仕組みはどれか。 |
解説
|
| 644 |
CNNモデルにおいて、各特徴量マップのチャンネルが持つ情報には重要度の違いがある。この点に着目し、プーリング等で空間情報を圧縮した後に全結合層を用いて各チャンネルの相互関係をモデル化し、重要なチャンネルの重みを強調し、不要なチャンネルの重みを抑制するモジュールを導入したネットワークはどれか。 |
解説
|
| 645 |
機械学習の予測モデルが特定の結果を出力した際、なぜその予測に至ったのかを人間が理解できるように説明したい。ゲーム理論の概念を応用し、各特徴量が予測値の押し上げや押し下げに対してどれだけ公平に貢献したかを厳密に計算して可視化する、説明可能AIの代表的な手法はどれか。 |
解説
|
| 646 |
ある部屋の中にいる言語を理解しない人がマニュアルに従って記号を操作するだけで外からは言語を理解しているように見える思考実験がある。これはAIが意味を理解しているわけではないことを示すために提唱されたがこの思考実験を何と呼ぶか。 |
解説
|
| 647 |
第2次AIブームにおいて特定の専門知識をルール化する手法が流行したが人間が持つ膨大な常識や暗黙知をすべてルールとして記述することは困難であった。このルール記述の限界を指す用語として最も適切なものはどれか。 |
解説
|
| 648 |
決定木は結果の解釈が容易だが過学習しやすい弱点がある。この弱点を克服するためデータと特徴量をランダムに抽出して複数の決定木を独立に構築しそれらの予測結果を多数決や平均で統合する手法はどれか。 |
解説
|
| 649 |
機械学習モデルの汎化性能を適切に評価するためのデータ分割手法について不適切な説明をしているものはどれか。 |
解説
|
| 650 |
顧客を購買傾向でグループ分けしたいが正解となるグループラベルは存在しない。データをあらかじめ指定した数のグループに分類するため各グループの重心とデータの距離を計算し再配置を繰り返す手法はどれか。 |
解説
|
| 651 |
ニューラルネットワークの隠れ層における演算においてかつてはシグモイド関数が主流であったが層を深くすると学習が進まなくなる問題が発生した。これを防ぐため現在最も一般的に利用されている入力がゼロ以下の場合はゼロを出力しゼロより大きい場合はそのまま出力する関数はどれか。 |
解説
|
| 652 |
ディープラーニングにおいて層を深くしていくと出力層から入力層へ向かって誤差を伝播させる際に誤差情報がゼロに近づき入力層に近いパラメータの更新ができなくなる現象が発生する。この現象を何というか。 |
解説
|
| 653 |
ネットワークの重みパラメータを効率よく最適化するために出力層での予測誤差を微分を用いて入力層側へと順番に伝達し各パラメータの勾配を連鎖律を用いて計算するアルゴリズムはどれか。 |
解説
|
| 654 |
複雑なニューラルネットワークは訓練データに過剰に適合してしまう傾向がある。これを防ぐ汎化手法として学習時にネットワーク内の一部ノードをランダムに無効化しながら学習を進め推論時にはすべてのノードを使用する手法はどれか。 |
解説
|
| 655 |
RNNを用いた機械翻訳において長い文章を入力すると文脈の最初の方の情報が欠落してしまう課題があった。これを解決するため入力系列のどの部分に重点を置いて情報を抽出するかをモデル自身に学習させる仕組みはどれか。 |
解説
|
| 656 |
実在しない人物の高解像度な顔画像などを生成したい場合に使われる手法でデータを生成するネットワークとそれが本物か偽物かを見破るネットワークを競い合わせるように学習させるモデルはどれか。 |
解説
|
| 657 |
自動運転において車載カメラの画像から道路や歩行者などの領域を正確に把握する必要がある。画像内のすべてのピクセルに対してそれがどのクラスに属するかを画素単位で分類するタスクはどれか。 |
解説
|
| 658 |
ディープラーニングと強化学習を組み合わせた手法によりゲームAIが人間のスコアを上回る成果を上げた。行動価値関数の近似にニューラルネットワークを用い過去の経験を蓄積してランダムにサンプリングすることで学習を安定化させる手法はどれか。 |
解説
|
| 659 |
AIプロジェクトを本格的にシステム開発へ移行する前に設定した課題に対してAI技術が本当に有効に機能するかどうか小規模なデータを用いて検証や試作を行うフェーズを何というか。 |
解説
|
| 661 |
人間の専門家が持つ知識をルールとしてコンピュータに記述し推論を行わせる第2次AIブームで活躍したシステムはどれか。ルールが矛盾したり膨大になりすぎたりして限界を迎えたことでも知られる。 |
解説
|
| 662 |
AIが扱う記号と言葉が指し示す現実世界の身体的な意味をAI自身が結び付けられないという認知科学的な問題を何と呼ぶか。 |
解説
|
| 663 |
2つのクラスを分類する際、分類境界線から最も近くに存在するデータ点との間の距離を最大化するように境界を決定し、未知のデータへの汎化性能を高める手法はどれか。 |
解説
|
| 664 |
多次元の特徴量を持つデータセットにおいて、データの持つ分散が最大になる方向を見つけ出し、情報の損失を最小限に抑えながら互いに相関のない少数の新しい変数にまとめる次元削減手法はどれか。 |
解説
|
| 665 |
線形回帰モデルにおいて、予測にあまり貢献していない不要な特徴量の重みを完全にゼロに落とし込み、実質的な変数選択を自動的に行いたい場合に用いる正則化手法はどれか。 |
解説
|
| 666 |
入力データと同じデータを出力層で再現するように学習を行う。中間層の次元を入力層よりも小さく制限することで、データの本質的な特徴だけを強制的に抽出させるネットワーク構造はどれか。 |
解説
|
| 667 |
出力を0から1の滑らかな曲線に変換するため確率として扱いやすいが、微分の最大値が小さいため層を深くすると勾配消失問題を引き起こす原因となった古典的な活性化関数はどれか。 |
解説
|
| 668 |
画像認識モデルの学習において、訓練データの枚数が少なく過学習を起こしやすい場合、元の画像に対して反転や回転などの加工を施し、擬似的にバリエーションを水増しする前処理手法はどれか。 |
解説
|
| 669 |
超深層ニューラルネットワークにおいて、勾配消失を防ぐため、ある層への入力を数層先の出力へとダイレクトに足し合わせる構造を導入し、ネットワークに学習すべき対象を残差に変換させる接続機構はどれか。 |
解説
|
| 670 |
畳み込みニューラルネットワークにおいて、画像内の特定の局所領域から最大値や平均値を抽出して特徴マップを縮小し、対象の物体が少しズレていても同じ特徴として捉える不変性をモデルに与える処理はどれか。 |
解説
|
| 671 |
自動運転などのリアルタイム処理が求められる場面で、領域候補の抽出プロセスを分離せず、画像全体を1回走査するだけで様々な物体の位置とクラスを同時に一発で検出する高速なモデルはどれか。 |
解説
|
| 675 |
欧州連合が制定した個人データの保護に関する厳格な法規則であり、違反企業には全世界の年間売上高に応じた巨額の制裁金が科され、本人がデータの消去を求める忘れられる権利などを明記したものはどれか。 |
解説
|
| 676 |
エキスパートシステムは専門家の知識をルール化して高い性能を発揮したが、システム構築の過程で大きな障害に直面した。人間の専門家が直感的に行っている判断や暗黙的な知識を、システムが処理できる明示的なルールとして漏れなく抽出し記述することが極めて困難であるという課題を何というか。 |
解説
|
| 677 |
人工知能の進化に関する未来予測の一つであり、AIの知性が人類全体の知性の総和を凌駕し、AI自身がさらに高度なAIを自律的に開発する無限のループに入ることで、人間の予測や制御が完全に及ばなくなる歴史的な転換点を何というか。 |
解説
|
| 678 |
サポートベクターマシンにおいて、入力されたデータが単純な直線や平面では分類できない複雑な分布をしている場合がある。計算コストを爆発させることなく、データを高次元の空間に変換したかのように扱い、非線形な境界線を引いて高精度に分類できるようにする数学的な手法はどれか。 |
解説
|
| 679 |
機械学習モデルの評価において、データを学習用とテスト用に一度だけ分割する手法では、データの偏りによって評価がブレやすい。手元のデータセットを複数のグループに等分割し、テスト用グループを入れ替えながら全グループで評価を繰り返し、その平均をとることで信頼性の高い性能評価を行う手法はどれか。 |
解説
|
| 680 |
複数の決定木を組み合わせて強力なモデルを作るアンサンブル学習において、単にデータをランダムに抽出して木を作るだけでは、どの木も似たような構造になり過学習を防ぎきれないことがある。木同士の相関を下げるため、各分岐のタイミングで利用できる特徴量もランダムに絞り込んでから分割条件を決める手法はどれか。 |
解説
|
| 682 |
ニューラルネットワークを用いた多クラス分類問題において、出力層で算出された各クラスへの予測確率と、実際の正解ラベルとの間のズレの大きさを測りたい。正解クラスに対する予測確率が1に近いほど誤差がゼロに近づき、正解から遠ざかるほど誤差が対数的に無限大に発散していく、分類タスクで標準的に用いられる損失関数はどれか。 |
解説
|
| 683 |
ディープラーニングの過学習を防ぐ手法として、学習時にネットワーク内のニューロンを一定確率でランダムに無効化する処理がある。この手法を用いて学習を完了させた後、実際に未知のデータを入力して推論を行う際、ネットワークのニューロンの扱いはどのように変化するか。 |
解説
|
| 684 |
画像認識モデルの構築において、手元にある訓練データが少ない場合、元の画像に対して反転や平行移動、色調の変更などの加工を施して擬似的にデータ量を増やす前処理が頻繁に行われる。この処理を行う最大の目的として最も適切なものはどれか。 |
解説
|
| 687 |
近年の大規模な自然言語処理モデルやマルチモーダルモデルは、膨大なデータで事前学習されているため、特定のタスクに向けた追加の学習データを一切与えられなくても、プロンプトの指示だけで未知のタスクを高い精度で実行できる能力を持つ。このように、特定のタスク用の学習ステップを一度も経ずに推論を成功させる推論方式を何というか。 |
解説
|
| 690 |
生成AIの技術向上により、実在する人物の顔や音声を本物そっくりに模した動画が簡単に作成できるようになった。これがSNS等で拡散され、選挙への介入や個人の名誉毀損など深刻な社会問題を引き起こしている。このようなAIによって合成された虚偽のメディアを一般に何と呼ぶか。 |
解説
|
| 692 |
AIが言葉という記号を単なる文字列として処理するだけでなく、それが現実世界の物理的な実体や意味と結びついて理解できるようになるかという哲学的な課題がある。シマウマを見たことがないAIに縞模様の馬という言葉を教えても、実際の映像と結びつかない状態を指すこの問題を何というか。 |
解説
|
| 693 |
未知の環境に置かれたエージェントが、試行錯誤を通じて得られる報酬を最大化するように最適な行動ルールを獲得したい。環境の動きを完全に把握していなくても、ある状態で行った行動の価値を記録し、その価値の表を更新し続けることで学習を進める代表的な手法はどれか。 |
解説
|
| 694 |
顧客の購買データなど大量のデータが存在するが、明確な正解ラベルが一つも与えられていない。このデータ群を性質の似た者同士のいくつかのグループに自動的に分割したい場合、最初にランダムな中心点を配置し、データと中心点の距離を計算しながら中心を更新していく手法はどれか。 |
解説
|
| 695 |
ECサイトや動画配信サービスにおいて、ユーザーに次に購入すべき商品を推薦したい。アイテム自体の詳細な属性情報がなくても、そのユーザーの過去の購入履歴と、似たような購買パターンを持つ他のユーザーの行動履歴を照らし合わせることで、おすすめを提示する手法はどれか。 |
解説
|
| 696 |
多層のニューラルネットワークにおいて、出力された予測値と実際の正解値との間に生じた誤差を最小化するように各層のパラメータを調整したい。このとき、出力層から入力層に向かって計算を遡ることで、各パラメータが誤差にどの程度影響を与えたかを効率的に算出し、更新幅を決定するアルゴリズムはどれか。 |
解説
|
| 697 |
初期層のニューラルネットワークにおいて、入力された信号の総和を特定の範囲に変換して次の層へ渡す役割を持つ関数がある。特に出力を0から1の滑らかな確率値として表現したい場合に長らく使われてきたが、層が深くなると両端で学習が進まなくなる勾配消失問題を引き起こしやすい関数はどれか。 |
解説
|
| 698 |
ディープラーニングにおいて層を深くしていくと、学習を遡るたびに誤差の値が小さくなり入力層付近の学習が進まなくなる勾配消失問題が深刻化する。この問題を回避するため、入力がゼロ以下の場合はゼロを出力し、ゼロより大きい場合は入力値をそのまま直線的に出力する現在主流の活性化関数はどれか。 |
解説
|
| 699 |
ニューラルネットワークの学習を効率的に進めるにはパラメータの更新幅の調整が重要である。勾配の方向がブレやすい問題に対して物理的なボールが転がるような慣性を持たせる工夫と、パラメータごとに更新頻度を記録して学習率を自動調整する工夫の2つの利点を融合させ、現在最も広く使われている最適化手法はどれか。 |
解説
|
| 700 |
ディープラーニングにおける過学習を防ぐための一つのアプローチとして、損失関数に対してペナルティとなる項を追加する手法がある。学習の過程でパラメータの重みが極端に大きくなることを防ぎ、ネットワーク全体の重みを滑らかに保つことで未知のデータへの汎化性能を高めるこの手法はどれか。 |
解説
|
| 701 |
自動運転や工場のリアルタイム監視システムでは、画像内に何がどこに存在するかを瞬時に検出する必要がある。画像全体を細かなグリッドに分割し、領域の特定とクラス分類の計算を一度のネットワーク処理で並列に実行することで、圧倒的な処理速度を実現した物体検出アルゴリズムはどれか。 |
解説
|
| 702 |
コンピュータに自然言語を処理させるためには、単語を数値の配列に変換する必要がある。単語同士の意味的な関係や足し引きをベクトルの空間上で計算できるようにするため、周辺の単語の文脈から対象の単語を予測するように学習する代表的な手法はどれか。 |
解説
|
| 703 |
高解像度な実在しない人物の顔写真を生成したい。ノイズから画像を生成するネットワークと、その画像が本物か偽物かを判定するネットワークの2つを用意し、まるで偽札造りと警察官のように互いを競わせながら学習を進めることで、極めてリアルなデータを生成するフレームワークはどれか。 |
解説
|
| 704 |
教師あり学習を用いたAIシステムを実業務に導入するためには、学習用のデータセットを作成しなければならない。例えば工場での不良品検知AIを作るために、大量の製品画像に対して人間が手作業で良品か不良品かのラベルを正確に付与していく作業のことを何と呼ぶか。 |
解説
|
| 706 |
AIが「人間のように振る舞う」ことを目指すか、「人間のように考える」ことを目指すかといったアプローチの違いがある。この中で、与えられた入力に対してどれだけ人間らしい出力（反応）ができるかを基準として知能を評価するテストを考案した人物は誰か。 |
解説
|
| 707 |
第2次AIブームの中心となった技術であり、特定の専門分野における知識を「if-thenルール」として大量に記述することで、専門家のような高度な推論や判断をコンピュータに行わせるシステムを何と呼ぶか。 |
解説
|
| 709 |
AIがデータから何らかのルールや構造を自力で見つけ出す必要がある。正解ラベルが存在しないデータセットに対して、データ点同士の距離や密度といった統計的な性質に基づき、未知のグループ構造や特徴を発見する学習手法の総称はどれか。 |
解説
|
| 710 |
多次元データ（特徴量が多いデータ）は扱いが難しく、可視化や計算効率化のために重要な情報だけを残してデータの次元を減らす必要がある。この際、データの分散が最大になるような軸を見つけることで、主要な情報を保持したまま低次元化する手法はどれか。 |
解説
|
| 711 |
ニューラルネットワークの最小単位であり、複数の入力値にそれぞれ重みを掛け合わせ、その総和が閾値を超えた場合にのみ信号を発火させるという、神経細胞の動作を模倣したモデルを何というか。 |
解説
|
| 712 |
ニューラルネットワークにおいて、前層から受け取った信号の総和に対して、非線形な変換を加えることで、モデルが複雑な表現力を獲得するために不可欠な関数のことを何と呼ぶか。 |
解説
|
| 713 |
学習時に、ニューラルネットワークの中間層にあるニューロンをランダムに一定の確率で停止（無効化）させながら計算を行う手法がある。これにより特定のニューロンへの依存を防ぎ、ネットワーク全体の頑健性を高めることで過学習を抑制するテクニックはどれか。 |
解説
|
| 714 |
学習中に各層の入力データの分布が大きく変化してしまうと学習が不安定になる（内部共変量シフト）。この問題に対処するため、ミニバッチごとに平均と分散を調整し、入力を一定の範囲内に収めることで学習速度を飛躍的に向上させた手法はどれか。 |
解説
|
| 715 |
全データを使用して勾配を計算すると非常に時間がかかるため、ランダムに抽出した少数のデータの塊を順番に使用してパラメータを更新する手法がある。この計算単位であるデータの塊を何と呼ぶか。 |
解説
|
| 716 |
従来のRNNのように時系列順にデータを処理するのではなく、文章内の全ての単語同士の関連度を一斉に計算する「セルフアテンション」という仕組みを採用し、並列処理を可能にして現在のLLMの基盤となったモデルアーキテクチャはどれか。 |
解説
|
| 717 |
Transformerモデルにおいて、文章中の特定の単語が、同じ文中の他のどの単語と強く関連しているかを計算し、その単語の「文脈」をベクトル化する仕組みを何と呼ぶか。 |
解説
|
| 718 |
膨大なテキストデータで事前に学習された汎用的なモデルに対し、特定の業界や特定のタスク向けに用意した小規模なデータセットを使って、追加で学習を施すことで専門性を付与する手法を何というか。 |
解説
|
| 719 |
機械学習モデルは開発して終わりではなく、環境の変化に伴う精度の低下（モデルの劣化）を監視し、自動的に再学習やデプロイを行う体制が必要になる。開発（Dev）と運用（Ops）を統合し、機械学習システムのライフサイクル全体を管理する仕組みを何というか。 |
解説
|
| 721 |
エキスパートシステムが実用化される中で直面した、人間の無意識の知識や例外的な事象をすべてプログラムとして記述することが不可能であるという根本的な課題はどれか。 |
解説
|
| 722 |
大規模言語モデルなどの生成AIを自社の業務に導入する際、入力した機密データがAIの再学習に利用されることを防ぐための最も確実なシステム上の対応はどれか。 |
解説
|
| 723 |
特徴量の数が非常に多い線形回帰モデルにおいて、モデルの予測精度を維持しつつ、予測に寄与しない変数の重みを完全にゼロにして特徴量選択を行いたい。この目的を達成するための適切な正則化手法はどれか。 |
解説
|
| 724 |
学習の初期は最適化の進行が速いが、終盤になると過去の勾配の二乗和が蓄積しすぎて学習率が極端に低下し、更新が停滞してしまうオプティマイザはどれか。 |
解説
|
| 725 |
最適化アルゴリズムにおいて、谷間の地形でパラメータが激しく振動するのを防ぐため、過去の勾配の移動平均を用いて現在の更新方向を滑らかに補正し、最適解への収束を加速させる手法はどれか。 |
解説
|
| 726 |
自然言語処理のモデルにおいて、入力される文章の長さが毎回異なる場合でも安定して学習を進めたい。ミニバッチ全体で統計量をとるのではなく、1つのデータサンプル内のすべての特徴量方向で平均と分散を計算し正規化する手法はどれか。 |
解説
|
| 727 |
画像認識のモデル学習において、GPUメモリの制限でバッチサイズを非常に小さく設定せざるを得ない状況になった。この条件下でも高い精度を保つため、チャンネルを複数に分割してそれぞれの内部で正規化を行う手法はどれか。 |
解説
|
| 728 |
Adamは非常に収束が速い一方で、一部のタスクにおいて最終的な汎化性能が基礎的な手法に劣るという課題があった。この課題を克服するため、学習の進行に伴って学習率の下限と上限を徐々に狭め、最終的に別の基礎的な挙動へ滑らかに移行させるオプティマイザはどれか。 |
解説
|
| 729 |
ディープラーニングの学習において、ネットワークの層が深くなるほど出力層側からの誤差情報が減衰し、入力層に近い重みが適切に更新されなくなる現象はどれか。 |
解説
|
| 730 |
機械学習の分類タスクにおいて、各特徴量の重要度や判断の分岐条件を人間が容易に視覚的に解釈したい。情報利得やジニ不純度を基準にしてデータを分割していくアルゴリズムはどれか。 |
解説
|
| 731 |
自動運転の視覚システムにおいて、カメラに写る複数の歩行者を単一の領域としてまとめて塗りつぶすのではなく、一人ひとりの個体をそれぞれ別のオブジェクトとして厳密に識別して分離し領域を抽出する技術はどれか。 |
解説
|
| 734 |
エッジ端末において、限られた計算リソースとメモリで深層学習モデルを高速に推論させたい。推論精度への影響を最小限に抑えつつ、モデルのパラメータを浮動小数点数から整数などに変換してデータサイズを圧縮する技術はどれか。 |
解説
|
| 735 |
AIの導入プロセスにおいて、本格的なシステム開発に移行する前に小規模なモデル構築と評価を行う実証実験を指すが、この段階でビジネス上の有用性が示せずプロジェクトが終了してしまう現象に陥りやすいプロセスはどれか。 |
解説
|
| 736 |
医療診断や金融審査など、AIの判断結果が人間の生命や財産に重大な影響を与える領域において、なぜその予測結果になったのかの根拠を人間が理解できるように提示する技術の総称はどれか。 |
解説
|
| 737 |
複雑な機械学習モデルの予測根拠を解釈したい。モデル全体を解明するのではなく、予測したい特定のデータ点の周辺で局所的に単純な線形モデルを近似させることで、どの特徴量が予測に効いているのかを提示する手法はどれか。 |
解説
|
| 738 |
協力ゲーム理論を応用し、特徴量のすべての組み合わせを考慮してそれぞれの特徴量がモデルの予測結果にどれだけ貢献したかを計算する。局所的な説明だけでなく、データ全体に対する大域的な説明にも利用可能な手法はどれか。 |
解説
|
| 741 |
教師あり学習のモデルを構築する際、テキストや画像などの生データに対して、人間が正解ラベルとなるタグやメタ情報を付与する作業を指す。この作業の品質がモデルの精度を大きく左右するものはどれか。 |
解説
|
| 742 |
機械学習モデルは一度開発して終わりではなく、精度劣化の監視や再学習の自動化が必要となる。開発チームと運用チームが協調し、モデルのライフサイクル全体を継続的かつ効率的に管理する仕組みや文化はどれか。 |
解説
|
| 744 |
人工知能の分類において、人間の脳の働きを完全に模倣し、自己意識や全般的な知的能力を持ち、あらゆる知的作業を人間と同様にこなすことができる理論上のAIを何と呼ぶか。 |
解説
|
| 745 |
人工知能の能力が全人類の知能の総和を超え、AI自身がより優秀なAIを自己再帰的に開発できるようになることで、技術の進歩が予測不可能なほど急激に加速する転換点を何というか。 |
解説
|
| 746 |
データが線形分離不可能な場合であっても、カーネル法と呼ばれる技術を用いてデータを高次元空間に写像し、クラス間のマージンを最大化する境界線を引くことで高い分類性能を発揮するアルゴリズムはどれか。 |
解説
|
| 748 |
ディープラーニングの学習において、出力層で計算された予測値と正解データの誤差を、微分を用いた連鎖律によって入力層に向かって伝播させることで、各層の重みを効率的に更新するアルゴリズムはどれか。 |
解説
|
| 750 |
複数の弱学習器を直列につなぎ、前の学習器が誤分類したデータに重みをつけて次々と学習させることで、精度を向上させる手法はどれか。 |
解説
|
| 754 |
隠れ層の活性化関数としてシグモイド関数を多層にわたって使用すると、逆伝播時に勾配が急激に小さくなり学習が進まなくなる現象を防ぐために、一般的に代用される関数はどれか。 |
解説
|
| 759 |
日本の法律において、インターネット上の画像やテキストをAIの学習データとして無断で収集・利用することが原則として適法とされる根拠となる規定はどれか。 |
解説
|
| 760 |
特徴量が多いデータに対して線形回帰を行う際、モデルの複雑さを抑えるために係数の絶対値の和をペナルティとして加えることで、不要な特徴量の係数を完全にゼロにする手法はどれか。 |
解説
|
| 762 |
音声認識システムが出力したテキストの正確さを評価する際、正解のテキストと比較して余分な単語や欠落した単語、間違えた単語の3つを考慮して算出される指標はどれか。 |
解説
|
| 763 |
ブラックボックス化しやすい深層学習モデルの予測根拠を説明するため、特定の入力データの周辺で単純な線形モデルを近似させ、どの特徴量が予測に影響したかを局所的に提示する手法はどれか。 |
解説
|
| 765 |
エキスパートシステムにおいて、与えられた初期データから規則を次々と適用して結論を導き出す手法がある一方で、先に仮説となる結論を設定し、その結論を証明するために必要な事実が揃っているかを逆方向から確認していく手法がある。診断や故障原因の特定など、目的が絞られている場合に計算効率が良いこの手法はどれか。 |
解説
|
| 766 |
企業間でデータを共有する際、単に氏名などを削除するだけでは、他の公開情報と照合されることで個人が特定されてしまう危険性がある。この問題を防ぐため、データセット内に存在するどの属性の組み合わせをとっても、必ず同じ組み合わせを持つレコードが指定した件数以上存在するようにデータを一般化する指標はどれか。 |
解説
|
| 770 |
深層学習の中間層で広く使われるReLU関数は、入力が負の場合に出力が完全にゼロとなり、勾配も消失してしまう欠点がある。この問題に対処するため、入力値にシグモイド関数を掛け合わせた形をとり、負の領域でも滑らかに非ゼロの値を返すことで、特に深いネットワークでの情報伝達を改善した活性化関数はどれか。 |
解説
|
| 772 |
画像認識モデルの学習において、モデルが画像内の特定の局所的な特徴ばかりに過剰に依存してしまうと、対象物の一部が隠れた画像を正しく認識できなくなる。これを防ぐため、学習の過程で入力画像の一部をランダムな正方形の領域で塗りつぶし、意図的に情報を欠損させることで、画像の全体的な文脈を学習させるデータ拡張手法はどれか。 |
解説
|
| 773 |
音声認識タスクにおいて、入力される音声波形のフレーム数と出力される文字数は一致しないため、どの音声部分がどの文字に対応するかを事前に厳密に紐付けることが難しい。この課題を解決するため、同じ文字の連続や空白記号の出力確率を考慮し、すべての可能な文字の並びのパターンを周辺化してモデルを直接エンドツーエンドで学習できるようにした損失関数はどれか。 |
解説
|
| 774 |
複数の方角から撮影した限られた枚数の二次元画像をもとに、撮影されていない任意の自由な視点からの新しい三次元的な視界の映像を生成したい。空間内の三次元座標と視線方向を入力とし、その地点における色と密度を出力するニューラルネットワークを学習させることで、光線の経路を計算してリアルな三次元シーンをレンダリングする技術はどれか。 |
解説
|
| 776 |
ディープラーニングモデルをモバイル端末などに組み込む際、計算量やメモリ消費を抑える必要がある。モデルの構造自体を削除するのではなく、ニューラルネットワークの巨大な重み行列を、複数のより小さな次元の行列の掛け算に近似して置き換えることで、精度低下を抑えつつパラメータ数を削減する数学的手法はどれか。 |
解説
|
| 778 |
AIを用いた採用システムにおいて、システム自体には人種や性別といった直接的な属性情報を一切入力していないにもかかわらず、居住地域や出身校などの間接的な情報が代理変数として機能してしまい、結果的に特定のグループに対して不当に不利な判定が下されてしまう現象を指す法的・倫理的用語はどれか。 |
解説
|
| 779 |
悪意のある攻撃者がAIモデルの学習フェーズに介入し、特定の目印が含まれたデータが入力されたときだけ、ターゲットを誤分類するようにモデルの内部に秘密の経路を仕込むサイバー攻撃手法がある。運用時には目印がない限り正常に機能するため検知が極めて難しい、この攻撃を何と呼ぶか。 |
解説
|
| 782 |
医療画像の解析や、自動運転における車線・歩行者領域の厳密な画素レベルでの切り出し（セマンティックセグメンテーション）を行いたい。特徴量を抽出する縮小パス（エンコーダ）で失われがちな「物体の詳細な輪郭や位置情報」を、画像を復元する拡大パス（デコーダ）へ直接コピーして結合（スキップ接続）することで、極めて精緻なピクセル単位の分類を可能にするCNNアーキテクチャはどれか。 |
解説
|
| 784 |
大規模言語モデル（LLM）の事前学習を終えた直後の状態では、単に次の単語の出現確率を予測する能力しか持たないため、ユーザーの質問に対して適切に答える「指示への追従」や、倫理的に有害な表現を避ける「安全性の担保」が不十分である。これを改善するため、複数の回答案に対する人間の評価（好みのランキング）を基に報酬モデルを学習させ、その報酬を最大化するように強化学習を用いてLLMの方策を最適化する手法はどれか。 |
解説
|
| 785 |
音声認識において、発話された音声データの時間的な長さ（フレーム数）と、対応するテキストの文字数は一般に一致せず、またどの音声区間がどの文字に対応するのか（アライメント）の正解ラベルを与えることは極めて困難である。この課題を解決するため、文字の間に空白（ブランク）のトークンを導入し、すべての可能なアライメントの確率を足し合わせることで、明示的な位置合わせのラベルなしでニューラルネットワークをエンドツーエンドで訓練可能にする損失関数・アルゴリズムはどれか。 |
解説
|
| 790 |
画像認識用のディープラーニングモデルを訓練する際、手元にある訓練データの枚数が少なすぎると、モデルがデータの特徴を完全に丸暗記してしまい、未知のテストデータに対応できない「過学習」が簡単に発生してしまう。この問題を効率的に回避するため、訓練画像をランダムに「左右反転」「回転」「拡大・縮小」「色調補正」したり、画像の一部をランダムに黒く塗りつぶすなどの処理を施し、モデルのロバスト性を高める手法はどれか。 |
解説
|
| 792 |
AIを用いた音声合成システム（テキストから人間の自然な話し声を生成する技術）において、従来の波形接続型や統計的パラメトリック型といった手法は、イントネーションが不自然で機械的な音声になりやすい欠点があった。これを解決するため、テキストのシーケンスを入力として受け取り、ニューラルネットワーク（Encoder-DecoderとAttention機構）を用いて直接、音声の特徴量（メルスペクトログラムなど）を生成する、Googleが開発したエンドツーエンドの音声合成モデルはどれか。 |
解説
|
| 793 |
ディープラーニングにおいて、最も広く使われているReLU関数（入力が0以下なら0、0より大きければ入力をそのまま出力）は計算が極めて高速である一方、入力が負の領域で勾配が完全にゼロになってしまい、そのニューロンが以降全く更新されなくなる「死んだReLU（Dying ReLU）」と呼ばれる現象が発生する。この致命的な課題を解決するため、入力が負の場合にも完全にゼロにせず、わずかな傾きを持たせることで勾配の消失を防ぎ、モデルの学習を安定させる改良型の活性化関数はどれか。 |
解説
|
| 795 |
人工知能において単に記号の組み合わせを処理するだけではその記号が現実世界で何を意味しているのかをシステム自体が自律的に理解できないという課題がある。シマウマという言葉を知っていても縞模様の馬という実体と結びつけられない現象がこれに該当するがこの問題を何と呼ぶか。 |
解説
|
| 796 |
現実世界の複雑な環境においてロボットが部屋から爆弾を運び出すという目的を達成しようとする際、爆弾を動かすことで発生し得る無数の無関係な二次的影響をすべて計算し続けてしまい行動不能に陥る現象がある。このように有限の計算能力しか持たない人工知能が無限の出来事の中から自分に関連することだけを切り出すことが困難であるという課題を何と呼ぶか。 |
解説
|
| 797 |
第二次人工知能ブームにおいて専門家の持つルールを特定の形式で大量に記述し特定の専門分野で人間と同等の意思決定を行わせるシステムが実用化された。しかしルールが複雑に絡み合うと矛盾が生じることや人間が暗黙のうちに行っている常識的な判断をすべて記述することが困難であるために限界を迎えた。このシステムを何と呼ぶか。 |
解説
|
| 798 |
第二次人工知能ブームで開発されたエキスパートシステムにおいてシステムが賢くなるためには大量のルールを登録する必要があった。しかし人間の専門家が持つ暗黙知や経験則を言語化してコンピュータが理解できる形式に翻訳する作業は極めて困難であり開発の大きな障壁となった。この現象を何と呼ぶか。 |
解説
|
| 799 |
二つのクラスを分類する機械学習手法において境界線に最も近いデータ点からの距離が最大になるような超平面を決定することで未知のデータに対しても高い汎化性能を持たせるアルゴリズムがある。また線形分離が不可能なデータに対しても高次元の空間に写像することで鮮やかに分類できる特徴を持つこの手法はどれか。 |
解説
|
| 800 |
データのばらつきによる過学習を防ぎつつ予測精度の高いモデルを構築したい。そこで元のデータセットから重複を許してランダムにサンプルを抽出して複数の決定木を並列に学習させそれぞれの予測結果の多数決によって最終的な出力を決定する手法を採用したい。このアンサンブル学習の手法はどれか。 |
解説
|
| 801 |
ディープラーニングにおいて多層ニューラルネットワークの層を深くした際に発生する勾配消失問題に関する記述として不適切なものはどれか。 |
解説
|
| 802 |
多層ニューラルネットワークにおいてすべてのパラメータの勾配を効率よく計算するための手法がある。出力層における予測値と正解データの誤差から出発し微分の連鎖律を利用して出力層から入力層に向かって逆方向に偏微分を順次計算していくこのアルゴリズムはどれか。 |
解説
|
| 803 |
ディープラーニングモデルの過学習を防ぐために用いられる手法であるドロップアウトに関する記述として不適切なものはどれか。 |
解説
|
| 804 |
手元にある特定のタスクに対する画像データが非常に少なく一からディープラーニングモデルを学習させると過学習を起こしてしまうリスクが高い。この課題を解決するためすでに大量のデータで学習を終えた大規模な既存モデルのネットワーク構造と重みを初期値として再利用し新しいタスクのデータに適応させる手法を何と呼ぶか。 |
解説
|
| 805 |
既存 of 画像データの特徴を学習しそれらと見分けがつかないような高精度な架空の画像を自動生成するシステムを開発したい。そこで本物らしいデータを生成するネットワークと入力されたデータが本物か偽物かを判定するネットワークの二つを競い合わせるように同時に学習させることで互いの精度を向上させる生成モデルの手法はどれか。 |
解説
|
| 806 |
自動運転システムにおいてカメラの映像から歩行者や障害物の位置と種類をリアルタイムで極めて高速に検出する必要がある。従来のリージョン提案を用いる手法とは異なり画像全体を一回走査するだけで物体の位置を示す領域の特定とクラス分類を同時に一括して行う高速処理に特化した物体検出アルゴリズムはどれか。 |
解説
|
| 807 |
機械学習モデルの運用において予測精度の維持や安定稼働を目指すツールや運用の取り組みに関する記述として不適切なものはどれか。 |
解説
|
| 812 |
統計モデルの構築において、予測精度を高めるためにパラメータ数を増やして複雑にしすぎると過学習のリスクが高まる。この「モデルの適合度」と「パラメータ数の少なさ（シンプルさ）」のバランスを数理的に評価し、最適なモデルを選択するための指標はどれか。 |
解説
|
| 813 |
時間の経過とともに変化する売上データや株価などの時系列データを分析する際、「過去の自分自身のデータ（過去の数値）」が現在の数値に直接影響を与えているという仮定のもとで未来の値を予測する統計モデルはどれか。 |
解説
|
| 814 |
2012年に開催された画像認識のコンテストにおいて、従来の画像処理技術を駆使した手法に圧倒的な差をつけて優勝し、その後の第3次人工知能ブームおよびディープラーニング普及の決定的な火付け役となったモデルはどれか。 |
解説
|
| 815 |
現実世界の音声や映像などのアナログ信号を、ニューラルネットワークやコンピュータで処理可能なデジタル信号に変換する一連の処理を何と呼ぶか。 |
解説
|
| 816 |
ニューラルネットワークの最適化手法を選択する際、学習初期は計算が速いオプティマイザの性質を持ち、学習終盤は汎化性能（テストデータへの性能）が高くなる手法の性質へとなめらかに移行するように学習率を動的に制限した、双方の利点を併せ持つ手法はどれか。 |
解説
|
| 817 |
セマンティックセグメンテーション（画像内の全画素の分類）において、プーリング層による画像解像度の低下を防ぎつつ、計算量やパラメータ数を増やすことなく受容野（フィルターが一度に見る領域）を広げるために、要素間に隙間を空けて適用する畳み込み処理はどれか。 |
解説
|
| 818 |
最適化手法であるAdaBoundをベースに、学習率の動的な変化において「単調減少性」を厳密に保証する制約を加えることで、学習後半の挙動をさらに安定させ、より確実な収束を目指した改良手法はどれか。 |
解説
|
| 819 |
強化学習の応用例において、「霧に隠れた視界（不完全情報ゲーム）」「リアルタイムな意思決定」「数千種類に及ぶ膨大な行動の選択肢」が求められる極めて複雑なPC向けリアルタイム戦略ゲームにおいて、人間のトッププロプレイヤーに勝利したAIはどれか。 |
解説
|
| 820 |
企業や組織がAIシステムを開発・運用するにあたり、設計から廃棄に至るライフサイクル全体を通じて、バイアスやプライバシー侵害、セキュリティ上の欠陥といった潜在的リスクを体系的に管理・低減することを目的に、米国のNIST（国立標準技術研究所）が策定した国際的なフレームワークはどれか。 |
解説
|
| 821 |
AIモデルの導入をビジネスとして成功させるためには、単に高精度なモデルを作るだけでなく、「PoCによる実現可能性の検証」「既存システムへの組み込み」「運用開始後のデータの変化に伴う精度劣化の監視」といった一連の特有なプロセスを管理する必要がある。この一連のビジネスプロセスを何と呼ぶか。 |
解説
|
| 822 |
企業が社外の顧客向けに新しい生成AIサービスをローンチする前に、そのシステムが出力する可能性のある不適切な差別表現、顧客データの漏洩、サイバー攻撃への耐性などの潜在的な不利益を、あらかじめ特定・分析して許容可能か評価する手続きを何と呼ぶか。 |
解説
|
| 823 |
現在の日本の著作権法の解釈において、人間がプロンプト（指示文）に数文字の簡単な単語入力をしただけで、生成AIが自律的に出力した高精細な画像や文章について、著作権上の権利保護はどのように扱われるか。 |
解説
|
| 824 |
世界に先駆けて包括的なAI規制法（AI Act）を可決・施行し、AIシステムがもたらすリスクを「禁止されるリスク」「高リスク」「限定的なリスク」などの階層に分類し、違反した企業に対して巨額の制裁金を科す仕組みを導入した地域・組織はどれか。 |
解説
|
| 826 |
専門家の知識をルールとして入力し推論を行わせる仕組みは、なぜ一時的な普及にとどまりブームの終焉を迎えたのか。その根本的な理由を説明しているものはどれか。 |
解説
|
| 827 |
正解ラベルが付与されていない大量の顧客データがあり、購買傾向が似ているグループを自動的にいくつか発見したい場合。どのような手順で学習を進める手法を選択すべきか。 |
解説
|
| 828 |
あるユーザーが広告をクリックするかどうかなど、結果が2つのどちらかに分類される事象を予測したい場合に使用される手法はどれか。 |
解説
|
| 829 |
ニューラルネットワークの学習プロセスにおいて、出力結果と実際の正解との間にあるズレを最小化するために用いられるアルゴリズムはどれか。 |
解説
|
| 830 |
層を深くしたニューラルネットワークにおいて、シグモイド関数を活性化関数として使用し続けると学習が全く進まなくなることがある。この原因として最も適切なものはどれか。 |
解説
|
| 831 |
画像内に写っている物体が画像の端に移動したり少し変形したりしても、同一の物体として安定して認識できるようにしたい場合。畳み込み層の後に配置すべき処理はどれか。 |
解説
|
| 832 |
長文の機械翻訳や自然な音声合成など、過去に入力された遠い情報を長く記憶しておく必要があるタスクにおいて、従来のRNNの欠点を補うために導入されたモデルはどれか。 |
解説
|
| 833 |
実在しない人物の顔画像を高解像度で自動生成させたい場合。画像を生成するモデルと、それが本物か偽物かを見破るモデルを競い合わせるように学習させる手法はどれか。 |
解説
|
| 834 |
自動運転システムにおいてカメラ映像から歩行者や他の車両をリアルタイムに検知したい。検出の正確さよりも圧倒的な処理速度が求められる場合に最適な手法はどれか。 |
解説
|
| 837 |
企業が保有する膨大な顧客の購買履歴や行動ログを社外のAI開発ベンダーに提供したい。プライバシーを保護しつつ本人の同意なしに合法的にデータを提供するために必要な処理はどれか。 |
解説
|
| 838 |
AI開発におけるトラブルを防ぐための指針において、データを提供する企業とAIを開発するベンダーとの間で、生成された学習済みモデルの権利関係はどのように扱うべきとされているか。 |
解説
|
| 839 |
AIにシマウマという概念を文字データとして学習させても、カメラに映った実物のシマウマを見たときにそれが結びつかないという課題を何と呼ぶか。 |
解説
|
| 840 |
AI効果について説明した文として不適切なものはどれか。 |
解説
|
| 841 |
チューリングテストに関する記述として不適切なものはどれか。 |
解説
|
| 843 |
1956年に開催されたダートマス会議に関する記述として不適切なものはどれか。 |
解説
|
| 844 |
サポートベクターマシンを特定の分類タスクに適用する際の特徴や判断として不適切なものはどれか。 |
解説
|
| 845 |
ランダムフォレストを機械学習タスクに採用する理由や特徴として不適切なものはどれか。 |
解説
|
| 846 |
ディープラーニングにおいてシグモイド関数の代わりにReLU関数が広く採用される理由として適切なものはどれか。 |
解説
|
| 847 |
ニューラルネットワークの学習においてドロップアウトを適用すべき場面や目的として不適切なものはどれか。 |
解説
|
| 848 |
ディープラーニングのモデルにバッチ正規化層を導入する利点や特徴として不適切なものはどれか。 |
解説
|
| 849 |
画像認識モデルの学習においてデータオーグメンテーションを実施する場面や方法として不適切なものはどれか。 |
解説
|
| 850 |
従来のRNNに代わりTransformerが現在の自然言語処理モデルの主流となった理由として不適切なものはどれか。 |
解説
|
| 852 |
AIプロジェクトの推進において本格的なシステム開発の前にPoCを行う理由や運用のあり方として不適切なものはどれか。 |
解説
|
| 856 |
画像認識タスクにおいて全結合層のみのネットワークではなく畳み込み層を持つCNNを選択する理由として不適切なものはどれか。 |
解説
|
| 857 |
人工知能がどれだけ人間らしく会話を行えたとしても、それは記号をルールに従って処理しているだけであり、意味を本当に理解しているわけではないという思考実験を説明した記述として不適切なものはどれか。 |
解説
|
| 858 |
囲碁のトッププロに勝利したアルファ碁において、膨大な選択肢の中から次に打つべき最善の手を効率的に探索するために、強化学習やディープラーニングと組み合わせて使用された手法の特徴として不適切なものはどれか。 |
解説
|
| 859 |
多くの特徴量を持つ高次元のデータに対して、主成分分析を適用して次元削減を行う目的や判断として不適切なものはどれか。 |
解説
|
| 862 |
自己符号化器の構造と、それを特定のタスクに適用する際の目的や特徴に関する記述として不適切なものはどれか。 |
解説
|
| 863 |
ある領域で学習させた既存のモデルを、別の新しい領域のタスクに再利用する転移学習を選択すべき場面や利点として不適切なものはどれか。 |
解説
|
| 864 |
がんの判定システムにおいて、見落としを最も減らしたい、すなわち実際にはがんである患者を誤って陰性と判定するリスクを最小限に抑えたい場合、評価指標の設計や判断として適切なものはどれか。 |
解説
|
| 865 |
画像認識において、画像の中に何が写っているかだけでなく、その物体の輪郭や領域をピクセル単位で厳密に特定したい場合にセマンティックセグメンテーションを選択する。この手法の特徴として不適切なものはどれか。 |
解説
|
| 866 |
大規模言語モデルの出力を、人間の意図や倫理観、社会的な好ましさに適合させるために用いられる、人間のフィードバックによる強化学習のプロセスや目的として不適切なものはどれか。 |
解説
|
| 868 |
AIシステムを構築して運用する際、モデルのリリース後も継続的に品質を維持・改善するための仕組みであるMLOpsの記述として不適切なものはどれか。 |
解説
|
| 871 |
強化学習において、エージェントに望ましい行動を学習させるための報酬設計を行う際の注意点や特徴として不適切なものはどれか。 |
解説
|
| 872 |
有限の処理能力しか持たない人工知能が、現実世界で発生し得るすべての事象を考慮することは不可能であるというフレーム問題について、その本質や課題に関する記述として不適切なものはどれか。 |
解説
|
| 874 |
第2次人工知能ブームの中心的技術であったエキスパートシステムが、多くの期待を集めながらも最終的にビジネス現場での普及において限界を迎えた最大の理由として適切なものはどれか。 |
解説
|
| 876 |
機械学習の基本的なアルゴリズムであるロジスティック回帰について、その性質や名称と用途の関係に関する記述として不適切なものはどれか。 |
解説
|
| 878 |
ディープラーニングの学習において必須となる誤差逆伝播法の仕組みや必要性に関する記述として不適切なものはどれか。 |
解説
|
| 879 |
深層ニューラルネットワークにおいて発生する勾配消失問題のメカニズムと、それを解決するために導入された技術の組み合わせとして不適切なものはどれか。 |
解説
|
| 880 |
ニューラルネットワークの学習において、正則化手法の1つとして用いられる早期終了の運用のあり方や目的として不適切なものはどれか。 |
解説
|
| 881 |
複数の個別のモデルを組み合わせて1つの強力な予測モデルを構築するアンサンブル学習において、バギングとブースティングの特徴や使い分けの記述として不適切なものはどれか。 |
解説
|
| 884 |
企業がAIシステムを実務に導入および運用するにあたり、AIガバナンスを構築すべき動機や運用のあり方として不適切なものはどれか。 |
解説
|
| 885 |
AIの開発やデータビジネスにおいて、日本の不正競争防止法による保護や規制の解釈として不適切なものはどれか。 |
解説
|
| 886 |
AI技術の発展に伴う日本の特許法における発明の取り扱いや解釈について、現在の法制度や審査基準に照らして不適切なものはどれか。 |
解説
|
| 888 |
第3次AIブームのブレイクスルーとなったディープラーニングが従来の機械学習と大きく異なる点は、データからどの部分に注目すべきかという【 】の工程を機械が自ら学習できるようになったことである。 |
解説
|
| 889 |
ある商品を購入するかしないかといった2値分類問題を解く際、線形回帰で得られた数値をシグモイド関数に通すことで0から1の確率値に変換し、閾値を用いて分類を行う手法を【 】という。 |
解説
|
| 891 |
ニューラルネットワークの学習において、モデルが予測した出力と正解ラベルとの間のズレを評価するために用いられる。特に出力された確率分布と真の確率分布の違いを測る際に適している指標は【 】である。 |
解説
|
| 892 |
ニューラルネットワークの学習を効率化するため、手元のデータ全体を一度に計算するのではなく、一部のデータをランダムに抽出して小さな固まりを作り、その単位で勾配を計算しパラメータを更新する手法を【 】という。 |
解説
|
| 894 |
従来のRNNが持つ長期依存性の学習が困難になる勾配消失問題を解決するため、LSTMではセル状態という仕組みが導入された。特に、過去の不要な情報をどの程度捨てるかを判断する機構を【 】と呼ぶ。 |
解説
|
| 895 |
医療画像診断のように学習データが十分に集まらないタスクにおいて、あらかじめ一般の画像データセットで学習済みのモデルの重みを初期値として利用し、出力層に近い部分のみを新しいタスクに合わせて再学習させる手法を【 】という。 |
解説
|
| 896 |
自然言語処理において、単語を固定長の密なベクトルに変換し、単語間の意味的な近さを計算可能にする技術がある。これにより単語同士の足し引きなどの演算が可能になるように学習された単語の分散表現モデルを【 】という。 |
解説
|
| 897 |
音声データをディープラーニングに入力する前処理として、人間の聴覚特性を模倣し、低音域の解像度を高く、高音域の解像度を低くするようなメル尺度を用いた周波数変換を行って得られる特徴量を【 】と呼ぶ。 |
解説
|
| 898 |
深層強化学習において、連続して取得したデータをそのまま学習に用いると時間的な相関が強すぎて学習が不安定になる。これを防ぐため、過去の行動履歴をメモリに保存し、ランダムに取り出して学習に用いる仕組みを【 】という。 |
解説
|
| 902 |
人工知能の能力が全人類の知能の総和を超え、AI自身がより優秀なAIを自己再帰的に開発できるようになることで、技術の進歩が予測不可能なほど急激に加速する転換点を【 】と呼ぶ。 |
解説
|
| 903 |
アンサンブル学習の代表的手法であるランダムフォレストは、決定木を複数構築して多数決をとる。このとき、単にデータを分割するだけでなく、「各分岐において【 】」という処理を行うことで、個々の木の相関を下げ、未知のデータへの対応力を高めている。 |
解説
|
| 904 |
深層ニューラルネットワークの学習において、誤差逆伝播法を用いて層を遡る際、勾配の値が掛け算の連続により指数関数的に巨大化し、パラメータの数値が飽和して学習が破綻してしまう現象を【 】という。 |
解説
|
| 905 |
ニューラルネットワークの学習を安定化させる手法として広く用いられるバッチ正規化に関する記述として、次のうち最も不適切なものはどれか。「バッチ正規化は、【 】」 |
解説
|
| 906 |
Transformerアーキテクチャの根幹をなす技術であり、入力された文章内のすべての単語同士の関連度を計算し、長距離の文脈をダイナミックに捉える仕組みを【 】という。 |
解説
|
| 907 |
教師なし学習であるk平均法は、あらかじめ設定した個数に基づいてデータを自動分類する。このアルゴリズムは、「各データ点を最も近い中心点に割り当てるステップと、【 】ステップ」を、中心点が動かなくなるまで反復することで最適なグループ分けを見つけ出す。 |
解説
|
| 908 |
線形回帰などのモデルにおいて、損失関数に対してパラメータの絶対値の和をペナルティとして加えることで、予測に貢献しない不要な特徴量の重みを完全にゼロにし、実質的な変数選択を行う手法を【 】と呼ぶ。 |
解説
|
| 909 |
画像認識モデルの開発において、データ拡張が頻繁に用いられる。元の画像に対して反転や回転などの加工をランダムに施す最大の目的は、「【 】」ためである。 |
解説
|
| 910 |
AIシステムを本番環境に導入した後、入力データの傾向の変化による精度劣化を監視し、自動で再学習やデプロイを継続的に実行するための運用サイクルや仕組みを【 】という。 |
解説
|
| 911 |
リアルな画像を生成するAIとして知られるGANの学習プロセスについて、次のうち最も不適切な説明はどれか。「GANの学習を成功させるためには、【 】」 |
解説
|
| 912 |
日本の個人情報保護法において、特定の個人を完全に識別できず、かつ元の個人情報を復元できないように厳格な加工を施したデータのことを【 】と呼び、本人の同意なしで第三者提供が可能となる。 |
解説
|
| 913 |
畳み込みニューラルネットワークにおいて、畳み込み層の後に配置されるプーリング層の最も重要な役割は、「特徴量マップの指定された領域から最大値などを抽出してサイズを縮小し、【 】」ことである。 |
解説
|
| 914 |
特定のタスクに特化した現代の実用システムとは異なり、人間のように真の意識や汎用的な思考能力を持ち、あらゆる未知の問題に対して人間と同様に解決できる人工知能の概念を【 】と呼ぶ。 |
解説
|
| 915 |
スマートフォンなどのエッジデバイスにディープラーニングモデルを実装する際、プルーニングという技術がよく使われる。この処理は、「【 】」ために行われる。 |
解説
|
| 916 |
高い汎化性能を持つ分類アルゴリズムであるサポートベクターマシンに関する記述として、次のうち最も不適切なものはどれか。「サポートベクターマシンは、【 】」 |
解説
|
| 917 |
決定木を複数組み合わせるアンサンブル学習において、ブースティングの手法がバギングと大きく異なる点は「【 】」ことである。 |
解説
|
| 918 |
ニューラルネットワークにおいて、勾配消失問題を回避するために活性化関数としてReLUが広く採用されている。シグモイド関数と比較した際のReLUの最大の利点は「【 】」ことである。 |
解説
|
| 919 |
機械学習モデルにおいて、重みの値を過度に大きくしないように損失関数にペナルティ項を加える正則化を行う主な目的は「【 】」ことである。 |
解説
|
| 920 |
学習データが少ないタスクにおいて、既に膨大なデータで学習済みのモデルの一部を再利用する転移学習が有効な理由は「【 】」である。 |
解説
|
| 921 |
AIモデルの予測根拠を人間が理解できるようにする技術が必要とされている。次のうち、モデルの内部構造がブラックボックスであっても、特定のデータに対する予測結果がどの特徴量の影響を受けたかを事後的に可視化する手法は【 】である。 |
解説
|
| 922 |
AIの開発や学習における著作権法上の扱いで、日本において認められている「情報解析」の目的であれば、原則として著作権者の許諾なく著作物を利用できるとされている規定は著作権法第【 】条である。 |
解説
|
| 923 |
従来の機械学習と異なり、ディープラーニングが「特徴量を自ら抽出できる」と言われる理由は「【 】」である。 |
解説
|
| 924 |
第2次AIブームの失敗要因として、現実世界の知識をコンピュータにすべて記述しようとしたが、記述すべき知識が無限に存在し行き詰まった「【 】」が知られている。 |
解説
|
| 925 |
ロジスティック回帰において、線形回帰の出力を0から1の範囲に変換するために用いられる関数は【 】である。 |
解説
|
| 926 |
畳み込みニューラルネットワークにおいて、画像の局所的な特徴を抽出する際、入力画像全体に対してフィルタを移動させながら計算を行う演算を【 】と呼ぶ。 |
解説
|
| 927 |
学習時にランダムにニューロンを無効化するドロップアウトを行う主な目的は「【 】」ことである。 |
解説
|
| 928 |
強化学習において「報酬の遅延」という課題が発生する理由は「【 】」である。 |
解説
|
| 931 |
バッチ正規化に関する記述として【不適切なもの】はどれか。 |
解説
|
| 932 |
高次元データの可視化や前処理として用いられる主成分分析の本来の目的は「【 】」ことである。 |
解説
|
| 933 |
ニューラルネットワークの学習において、出力層で計算された誤差を各層の重みに配分し更新する手法である誤差逆伝播法の本質は「【 】」ことである。 |
解説
|
| 934 |
自然言語処理モデルにおいて、文中のどの単語とどの単語が強い関連を持っているかを動的に計算し、文脈の理解を深める仕組みを【 】と呼ぶ。 |
解説
|
| 935 |
GANの学習が不安定になりやすい最大の理由は「【 】」である。 |
解説
|
| 937 |
AIシステムの開発において、開発プロセスの初期段階からプライバシーや倫理的課題を考慮することを何と呼ぶか。 |
解説
|
| 938 |
人間のようにあらゆる領域で自律的に知的タスクをこなすことが可能なAIを【 】と呼ぶ。 |
解説
|
| 941 |
学習済みモデルの重みを初期値として利用する転移学習において、新しいタスクのデータが極めて少ない場合に有効な対応は「【 】」ことである。 |
解説
|
| 942 |
ニューラルネットワークにおいて、出力層の活性化関数として「多クラス分類」を行う際に一般的に用いられるのは【 】である。 |
解説
|
| 943 |
音声認識技術において、かつて主流であった隠れマルコフモデル（HMM）と現在のディープラーニングモデル（RNNやTransformer）の大きな違いとして【不適切なもの】はどれか。 |
解説
|
| 945 |
個人情報保護法において、特定の個人を識別できないように加工し、かつ他の情報と照合しない限り個人を特定できない情報として規定されているものはどれか。 |
解説
|
| 946 |
ドロップアウトが過学習を抑制するメカニズムとして最も適切な説明は「【 】」である。 |
解説
|
| 947 |
ランダムフォレストにおいて、決定木を構築する際に各ノードで特徴量をランダムに選択する主な目的は「【 】」ことである。 |
解説
|
| 948 |
シグモイド関数を隠れ層の活性化関数として深く重ねた際に発生する勾配消失問題が、モデルの学習に与える影響として正しいものはどれか。 |
解説
|
| 949 |
最適化手法であるAdamの特徴として正しいものはどれか。 |
解説
|
| 950 |
オートエンコーダの学習において、入力データを一度低次元の潜在空間へ圧縮（符号化）し、それを再度元のデータへと復元（復号）する際、中間層の次元をあえて入力よりも小さくする目的は「【 】」である。 |
解説
|
| 951 |
学習済みのモデルに対して、新しいタスクのデータを用いてモデル全体の重みを微調整するファインチューニングを行う際、学習率を小さく設定する主な理由は「【 】」ことである。 |
解説
|
| 953 |
特定の領域のタスク（画像認識、翻訳、ゲーム等）に限定して、人間と同等またはそれ以上の能力を発揮する現代のAIを何と呼ぶか。 |
解説
|
| 955 |
SVMが非線形分類を可能にするために、元のデータ空間をより高次元の空間へと写像し、線形分離可能にする仕組みを【 】と呼ぶ。 |
解説
|
| 956 |
出力層にソフトマックス関数を用いる際、出力の総和が1になる性質を利用して行われる判定はどれか。 |
解説
|
| 957 |
学習時にミニバッチ勾配降下法を用いるメリットとして【最も不適切なもの】はどれか。 |
解説
|
| 958 |
YOLOなどの物体検出アルゴリズムにおいて、画像内の物体を単に認識するだけでなく、その「位置（境界ボックス）」まで予測する際の教師データとして必要な情報は何か。 |
解説
|
| 959 |
MLOpsの文脈において、モデルの学習パイプラインを自動化する最大の目的は何か。 |
解説
|
| 960 |
AIの学習データに含まれる個人情報を取り扱う際、特定の個人を識別できない状態にすることを「匿名化」と言うが、これに関する記述として正しいものはどれか。 |
解説
|
| 962 |
AIが人間と同等の知能を持っているかを判定するため、人間が機械と対話を行い、相手が人間か機械かを判別できるかを試す試験を【 】と呼ぶ。 |
解説
|
| 963 |
AI研究において、当初の期待に反して成果が出ず、研究予算が削減され研究者が離れた停滞期を「AI冬の時代」と呼ぶ。この時代が起きた主な理由は【 】である。 |
解説
|
| 964 |
ブースティングの一種であるAdaBoostにおいて、学習の各ステップで「誤分類されたデータ」に対して行う処理として正しいものはどれか。 |
解説
|
| 965 |
ディープラーニングにおいて、モデルの重みを初期化する際の手法の一つである「Heの初期値」が、シグモイド関数ではなくReLUを用いる際に推奨される理由は「【 】」ことである。 |
解説
|
| 966 |
Transformerモデルで採用されているScaled Dot-Product Attentionにおいて、ドット積を計算した後に「スケーリング（定数での除算）」を行う理由は「【 】」である。 |
解説
|
| 967 |
BERTの特徴として正しいものはどれか。 |
解説
|
| 968 |
本格的な開発の前に、新しいアイデアや技術がビジネスにおいて実現可能かを小規模に試すプロセスを【 】と呼ぶ。 |
解説
|
| 970 |
記号（AIが扱うデータ）と、それが現実世界で何を指すかという「意味」が結びついていない問題を【 】と呼ぶ。 |
解説
|
| 971 |
第2次AIブームの主力技術であったエキスパートシステムが、現実世界での応用が困難だった根本的な理由は「【 】」ことである。 |
解説
|
| 972 |
回帰モデルにおいて、損失関数に重みの二乗和（L2ノルム）をペナルティとして加えることで、重みが大きくなることを防ぎ過学習を抑制する手法を【 】と呼ぶ。 |
解説
|
| 973 |
画像認識の学習データとして、画像を「左右反転」「回転」「トリミング」するデータ拡張を行う最大のメリットは「【 】」である。 |
解説
|
| 974 |
バッチ正規化の推論時における挙動として正しいものはどれか。 |
解説
|
| 975 |
強化学習において、ある状態から行動を選択する際、過去の経験を参考に確率的に行動を決定する手法として、探索と利用のバランスを調整する「ε-greedy法」のεの役割は何か。 |
解説
|
| 976 |
MLOpsのサイクルにおいて「CI（継続的インテグレーション）」が果たす役割として適切なものはどれか。 |
解説
|
| 977 |
人間の知的な活動をコンピュータに行わせる技術の総称を【 】と呼ぶ。 |
解説
|
| 978 |
1956年に開催された【 】において、初めて「人工知能（Artificial Intelligence）」という言葉が提唱された。 |
解説
|
| 979 |
入力データに対して正解ラベルが与えられており、その関係性を学習する手法を【 】という。 |
解説
|
| 980 |
ディープラーニングのモデルにおいて、入力層から出力層までの間に存在する層を【 】と呼ぶ。 |
解説
|
| 981 |
勾配降下法において、学習率を固定するのではなく、過去の勾配の蓄積を利用して学習率を各パラメータごとに自動調整する手法を【 】と呼ぶ。 |
解説
|
| 982 |
文章中の単語を固定次元の実数値ベクトルに変換し、単語の意味的近さを空間上の距離で表現する技術を【 】と呼ぶ。 |
解説
|
| 983 |
学習データの偏りによって生じる精度の低下を防ぐために、モデルの学習に用いるデータセットを訓練用、検証用、【 】用の3つに分割するのが一般的である。 |
解説
|
| 984 |
AIの開発において、著作物に表現された思想や感情の享受を目的としない「情報解析」等の行為は、著作権法第【 】条に基づき、著作権者の許諾なく利用できる。 |
解説
|
| 985 |
特定のタスクのみに特化したAIを指し、画像認識や囲碁AIなどの現在の技術を【 】と呼ぶ。 |
解説
|
| 986 |
データをいくつかのグループに分ける教師なし学習手法において、あらかじめ定めた数の中心点に最も近いデータを割り当てる手法を【 】と呼ぶ。 |
解説
|
| 987 |
CNNにおいて、入力画像に対してフィルタを走査し、局所的な特徴を抽出する層を【 】と呼ぶ。 |
解説
|
| 988 |
訓練データに対しては高い精度を出すものの、未知のデータに対して精度が著しく低下する現象を【 】と呼ぶ。 |
解説
|
| 989 |
敵対的に学習する二つのネットワークを用いて、高精度な画像を生成するモデルを【 】と呼ぶ。 |
解説
|
| 991 |
AIの利用における公平性や透明性、プライバシー保護などを議論する分野を【 】と呼ぶ。 |
解説
|
| 993 |
コンピュータにルールを記述する際に、if-then形式の条件分岐を積み重ねる手法を【 】と呼ぶ。 |
解説
|
| 994 |
複数のモデルの予測結果の平均をとるのではなく、各モデルの重み付き投票や別の学習器を用いて最終的な判定を行う手法を【 】と呼ぶ。 |
解説
|
| 995 |
ディープラーニングにおいて、層を深くした際に学習が停滞する問題を解決するために、入力そのものを層の出力に加算する「ショートカット接続」を用いる構造を【 】と呼ぶ。 |
解説
|
| 998 |
複雑なモデルの挙動を、人間が理解可能な単純なモデル（線形回帰や決定木）で近似して説明する手法を【 】と呼ぶ。 |
解説
|
| 999 |
データセット内の特定の個人を特定できないように、元のデータに統計的なノイズを加えることでプライバシーを保護する手法を【 】と呼ぶ。 |
解説
|
| 1000 |
特定の知的タスクを人間のように実行できる能力を指し、論理的な思考、学習、計画、問題解決能力の総称を【 】と呼ぶ。 |
解説
|
| 1001 |
人間の脳の神経回路の構造を模倣し、単純な処理ユニットのネットワークを通じて学習を行うアプローチを【 】と呼ぶ。 |
解説
|
| 1003 |
強化学習の行動価値関数をディープラーニングを用いて近似する手法を【 】と呼ぶ。 |
解説
|
| 1004 |
バッチ正規化と同様に、ミニバッチのサイズに依存せず、各層のニューロンごとの統計量を用いて正規化を行う手法を【 】と呼ぶ。 |
解説
|
| 1005 |
オートエンコーダの潜在空間において、その分布が正規分布に従うように制限をかけ、生成能力を持たせたモデルを【 】と呼ぶ。 |
解説
|
| 1006 |
AIシステムが予測を行い、それに基づいた行動をとることで、環境が変化し、その新しい情報が次の学習に反映される循環的なプロセスのことを【 】と呼ぶ。 |
解説
|
| 1007 |
人工知能が現実世界のあらゆる問題に対処しようとする際、有限の処理能力しか持たないシステムが、無限にある出来事の中から自分に関係のある事象だけを抽出して計算することができなくなる本質的な困難を【 】と呼ぶ。 |
解説
|
| 1008 |
哲学者のジョン・サールが提示した中国語の部屋の思考実験に関する記述のうち、【不適切なもの】はどれか。 |
解説
|
| 1009 |
日本の国家プロジェクトとして進められた第5世代コンピュータの開発において、高度な人工知能や知識処理を実現するために主たる基盤として採用されたプログラミング言語のパラダイムは【 】である。 |
解説
|
| 1010 |
第2次人工知能ブームの中心となったエキスパートシステムにおいて、実用的なシステムを構築する上での最大の障壁となった知識の爆発に関する記述のうち、【不適切なもの】はどれか。 |
解説
|
| 1011 |
サポートベクターマシンにおいて、未知のデータに対する予測の頑健性を最大化するために、異なるクラスのデータ点から最も離れた位置に識別境界線を引くというアプローチを【 】と呼ぶ。 |
解説
|
| 1012 |
アンサンブル学習の手法であるランダムフォレストが、単一の決定木モデルと比較して高い汎化性能を持ち、過学習を起こしにくい理由に関する記述のうち、【不適切なもの】はどれか。 |
解説
|
| 1013 |
ディープラーニングにおいて、層をどれだけ深く重ねても、すべての層で【 】を用いていると、モデル全体が結局は単層の単純な構造と数学的に等価になってしまい、複雑な非線形パターンの境界線を学習することができなくなる。 |
解説
|
| 1014 |
ニューラルネットワークの学習で用いられる誤差逆伝播法において、出力層から入力層に向かって逆方向に計算を行う最大の理由に関する記述のうち、【不適切なもの】はどれか。 |
解説
|
| 1015 |
ニューラルネットワークの学習時に、各レイヤーのノードを一定の確率でランダムに無効化しながら学習を行うことで、特定のノード同士が過剰に依存し合う現象を防ぎ、擬似的なアンサンブル学習の効果を得て過学習を抑制する手法を【 】と呼ぶ。 |
解説
|
| 1016 |
過学習を防止する手法の一つであるアーリーストッピングを実務で適用する際の挙動や判断に関する記述のうち、【不適切なもの】はどれか。 |
解説
|
| 1017 |
物体検出タスクにおいて、入力画像全体をグリッドに分割し、物体の位置とクラス確率を1つのネットワークで同時に予測する、リアルタイム検出に適した高速なワンステージ型モデルは【 】である。 |
解説
|
| 1018 |
画像生成AIの基盤技術として広く普及している拡散モデルのメカニズムに関する記述のうち、【不適切なもの】はどれか。 |
解説
|
| 1019 |
大規模で高性能だが計算コストが高い教師モデルの持つ知識を、軽量でパラメータ数の少ない生徒モデルに学習させることで、精度低下を最小限に抑えつつ、エッジデバイスでも動作可能な軽量モデルを構築する手法を【 】と呼ぶ。 |
解説
|
| 1021 |
企業が保有する機械学習用の顧客データや走行ログなどのデータセットについて、秘密管理されておらず特許権や著作権での保護が難しい場合であっても、一定の制限をかけて特定の取引相手にのみ提供している有用な情報であれば、不正競争防止法上の【 】として、不正な取得や使用に対して法的救済を受けられる可能性がある。 |
解説
|
| 1022 |
1984年にダグラス・レナートによって開始された、人間が持つすべての一般常識をコンピュータに手作業で論理式として入力し、真の意味での推論を可能にする巨大な知識ベースを構築することを目指した長期プロジェクトを【 】と呼ぶ。 |
解説
|
| 1023 |
機械学習の線形回帰において、特徴量が非常に多い場合に過学習を防ぐため、L1正則化とL2正則化の両方のペナルティを組み合わせることで、不要な変数の削減とモデルの安定性の双方のメリットを得る手法を【 】と呼ぶ。 |
解説
|
| 1024 |
二値分類モデルの性能を評価する際、閾値の変化に伴う偽陽性率と真陽性率の推移をグラフ化したROC曲線の下側の面積を計算し、1に近いほど分類性能が高いことを示す指標を【 】という。 |
解説
|
| 1025 |
RNNにおいてモデルのパラメータを学習する際、時間を過去に遡る形でネットワークを展開し、未来の出力誤差から過去の隠れ状態へ向かって勾配を計算していく誤差逆伝播法の拡張手法を【 】と呼ぶ。 |
解説
|
| 1026 |
LSTMブロックの中心に存在し、入力された情報を減衰させることなく長期間にわたって保持し続けることで、RNNの致命的な弱点であった勾配消失問題を防ぐ役割を担う記憶セルを【 】という。 |
解説
|
| 1027 |
モバイル端末向けなどにCNNの計算量を削減するため、画像の各チャンネルごとに独立して空間方向の畳み込みを行った後、カーネルを用いてチャンネル方向の情報を結合する2段階の軽量化手法を【 】と呼ぶ。 |
解説
|
| 1028 |
自然言語処理において、文章をベクトル化する最も古典的な手法の一つであり、単語の出現順序や文法構造を完全に無視し、どの単語が何回出現したかという頻度情報のみを用いてテキストを表現する手法を【 】という。 |
解説
|
| 1029 |
画像認識においてCNNが特定の物体と分類した際、その判断根拠が画像のどの部分にあるのかを人間が理解できるように、特徴マップの活性化度合いをヒートマップとして可視化する技術を【 】と呼ぶ。 |
解説
|
| 1030 |
馬とシマウマのように、完全に同じ構図で対になるペア画像が用意できない場合でも、元のドメインから別のドメインへ変換し、さらに元のドメインに戻した際に元画像と一致するような制約を設けることで、ペアデータなしで画像の特徴を相互変換できるモデルを【 】という。 |
解説
|
| 1031 |
従来の囲碁AIが人間のプロ棋士の膨大な対局データを事前学習に利用していたのに対し、囲碁のルールだけを与えられ、人間の知識を一切介在させずに自己対局のみを繰り返す強化学習によって世界最強の性能に到達したモデルを【 】という。 |
解説
|
| 1032 |
データマイニングやAIプロジェクトを成功させるための標準的なプロセスモデルであり、ビジネスの理解から始まり展開に至るまでの6つのフェーズを定義し、プロジェクトを体系的に進めるための枠組みを【 】と呼ぶ。 |
解説
|
| 1033 |
企業がAIやデジタル技術を単なる業務の部分的な効率化のツールとして使うのではなく、ビジネスの目的を達成するために既存の業務プロセスや組織構造そのものを抜本的に再設計し、根本から変革するアプローチを【 】という。 |
解説
|
| 1034 |
欧州連合が施行した、個人データの取り扱いや移転について世界で最も厳格な基準を定め、違反企業に対しては全世界の年間売上高に応じた莫大な制裁金を科すことで知られる法規則を【 】という。 |
解説
|
| 1035 |
AIシステムの開発や学習データの提供に関する企業間取引において、開発したモデルの著作権や特許権は誰のものかといった実務的なトラブルを防ぐため、日本の経済産業省が策定した指針を【 】と呼ぶ。 |
解説
|
| 1036 |
アメリカの国立標準技術研究所が策定し、企業や組織がAIシステムを設計開発および運用する全ライフサイクルにおいて、プライバシーや偏見などの潜在的リスクを特定し管理するための標準的な枠組みを【 】という。 |
解説
|
| 1037 |
音や画像などの現実世界の連続的なアナログ信号を、コンピュータが処理できるように離散的なデジタル信号に変換する処理を【 】という。サンプリングや量子化、符号化といったステップを経て行われる。 |
解説
|
| 1038 |
人工知能によって新しい技術や自動化が実現されると、それが社会に普及して当たり前になり、「それは単なる自動化や計算であって、本当の知能ではない」と見なされるようになる現象を【 】と呼ぶ。 |
解説
|
| 1039 |
人工知能の研究や社会実装が急速に盛り上がる時期を【 】と呼び、これまでに、推論・探索が中心だった第1次、エキスパートシステムが主導した第2次、機械学習・ディープラーニングが牽引する第3次が存在する。 |
解説
|
| 1040 |
ニューラルネットワークの最適化手法において、過去の勾配の勢いを考慮するMomentumの利点と、パラメータごとに学習率を自動調整するAdagradの利点を組み合わせ、現在のディープラーニングにおいて最も広く主流として使われているオプティマイザを【 】という。 |
解説
|
| 1041 |
統計モデルや機械学習モデルを評価・選択する際、モデルの訓練データへの適合度を高めようとしてパラメータを増やしすぎると過学習が起きるため、適合度とパラメータ数の双方のバランスを考慮して計算される赤池情報量規準の略称を【 】という。値が小さいほど良いモデルとされる。 |
解説
|
| 1042 |
ファジィ集合論において、ある要素がその集合に属する度合いが、あらかじめ設定した基準値以上である要素だけを抽出して通常の明確な集合を作る操作を【 】と呼ぶ。 |
解説
|
| 1043 |
ニューラルネットワークの最適化において、学習の初期段階ではAdamのように素早く効率的に探索を進め、学習の終盤にかけてはSGDのように汎化性能が向上するように、学習率の範囲を進行状況に応じて自動的に制限していく発展的な最適化手法を【 】という。 |
解説
|
| 1044 |
AIの予期せぬ暴走や悪用、倫理的なリスクを未然に防ぎ、社会に対して安全かつ適切に実装・運用していくために、企業や国家が構築すべき管理体制、内部規律、または社会的なルール作り全般の取り組みを【 】と呼ぶ。 |
解説
|
| 1045 |
現在の日本の著作権法において、人間が創作の道具としてAIを使ったに過ぎない場合は著作物と認められる余地がある一方、人間の創作的意図や関与がなく、AIが完全に自律的に生成したコンテンツは原則として【 】とは認められない方針が示されている。 |
解説
|
| 1046 |
企業や組織がAI技術を研究開発したり、自社の業務に導入・利用したりする際に、守るべき基本方針、倫理的リスクへの配慮、安全性の確保、および社内ルールを明文化して対外的に宣言する文書を【 】という。 |
解説
|
| 1047 |
画像認識において絶大な効果を発揮するニューラルネットワーク構造であり、入力データに対してフィルターを重ね合わせて局所的な特徴を抽出する畳み込み層と、位置のズレを吸収してデータを圧縮するプーリング層を交互に配置する手法を【 】という。 |
解説
|
| 1048 |
テキストや音声などの時系列データを処理するために、過去の中間層の出力を次の時刻の入力として再帰的に再利用することで、データの前後の文脈や時間的な依存関係を学習できるようにした構造を【 】と呼ぶ。 |
解説
|
| 1049 |
本物そっくりの偽データを生成しようとする生成器と、入力されたデータが本物か偽物かを見破ろうとする識別器の2つのネットワークを互いに競い合わせることで、高度なデータ生成を可能にする手法を【 】という。 |
解説
|
| 1050 |
Googleが発表した自然言語処理モデルであり、Transformerのエンコーダ文脈を双方向から同時に学習させることで、文脈を考慮した高度な単語の意味理解を可能にし、その後の多様なタスクに対して微調整して高い性能を発揮する基盤モデルを【 】という。 |
解説
|
| 1052 |
3次元空間の形状や光の反射をニューラルネットワークで表現し、任意の視点から高精細な2次元画像をレンダリングする手法であるNeRFに関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1053 |
高音質な音声を生成するディープラーニングモデルであるWaveNetに関する説明として、最も不適切なものを1つ選べ。 |
解説
|
| 1054 |
画像とテキストを共通のベクトル空間に埋め込むマルチモーダルモデルであるCLIPに関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1056 |
機械学習モデルの予測結果に対する各特徴量の貢献度を算出する手法であるSHAPに関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1057 |
機械学習モデルのブラックボックス性を解消するために個々の予測結果の周辺を局所的に近似して説明を試みる手法であるLIMEに関する説明として、最も不適切なものを1つ選べ。 |
解説
|
| 1058 |
画像を不連続な離散値として表現する生成モデルであるVQ-VAEに関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1059 |
人間のフィードバックからの強化学習に関する説明として、最も不適切なものを1つ選べ。 |
解説
|
| 1066 |
ディープラーニングにおいてモデルを軽量化する手法の一つである蒸留に関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1067 |
CNNの発展形であり、前の層の出力を以降のすべての層の入力にチャンネル方向に結合していくことで特徴量の再利用を最大限に高めたネットワーク構造であるDenseNetに関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1071 |
スマートフォンなどのエッジデバイス上で高速に動作させることを目的とした軽量なCNN構造であるMobileNetに関する説明として、最も適切なものを1つ選べ。 |
解説
|
| 1072 |
2つの入力データの類似度や同一性を判定するために用いられるSiamese Networkに関する説明として、最も不適切なものを1つ選べ。 |
解説
|
| 1078 |
ディープラーニングの予測根拠を可視化する手法であるGrad-CAMに関する説明として、最も不適切なものを1つ選べ。 |
解説
|
| 1082 |
決定木において、単一の木では過学習しやすいという弱点を克服するため、データを重複ありで抽出（ブートストラップサンプリング）して複数の木を並列に学習させる手法を【 】と呼ぶ。 |
解説
|
| 1083 |
ReLU関数が深いネットワークで勾配消失問題を回避できる理由は「【 】」ことである。 |
解説
|
| 1084 |
L1正則化（Lasso回帰）が特徴量選択のような効果を持つ理由は「【 】」ことである。 |
解説
|
| 1085 |
BERTにおいて、文中の単語の一部をマスク（隠蔽）し、それを周辺の単語から予測させることで文脈を学習する手法を【 】と呼ぶ。 |
解説
|
| 1087 |
日本の著作権法第30条の4に基づき、AIの学習のために著作物を利用する際に許可が不要とされる要件として、最も重要な要素は「【 】」ことである。 |
解説
|
| 1088 |
人間のように未知の環境や多様な課題に対して、自律的に判断し実行できる知能を指す言葉は【 】である。 |
解説
|
| 1089 |
「ある目的のために必要な事象とそうでない事象を区別できない」という、AIが現実世界の広大な状況を扱う際の困難を指す言葉は【 】である。 |
解説
|
| 1090 |
ロジスティック回帰が分類問題に用いられる際、線形回帰の出力を確率値（0から1の間）に変換するために用いる関数は【 】である。 |
解説
|
| 1091 |
畳み込みニューラルネットワークにおいて、特徴マップのサイズを縮小し、計算量を削減しつつ重要な情報を抽出する層を【 】と呼ぶ。 |
解説
|
| 1092 |
学習率が大きすぎる場合に発生する現象として適切なものは「【 】」である。 |
解説
|
| 1093 |
強化学習において、現在の状況で最適な行動をとるか（利用）、未知の行動を試すか（探索）の選択を管理する手法の代表例は【 】である。 |
解説
|
| 1094 |
MLOpsにおいて、モデルの学習パイプラインを構築し、データやコードの変更があった際に自動的に再学習・評価を行うプロセスを【 】と呼ぶ。 |
解説
|
| 1095 |
AIによる意思決定が「なぜその結果になったのか」がブラックボックス化している際、その透明性を確保し根拠を説明できるようにする技術を【 】と呼ぶ。 |
解説
|
| 1096 |
データをあらかじめ定めた数のクラスタに分類する教師なし学習手法において、各点とクラスタ重心との距離を最小化するように繰り返す手法は【 】である。 |
解説
|
| 1097 |
主成分分析を行う際の適切な手順として正しいものはどれか。 |
解説
|
| 1098 |
ドロップアウトの役割に関する説明として【不適切なもの】はどれか。 |
解説
|
| 1099 |
バッチ正規化の効果として正しいものはどれか。 |
解説
|
| 1100 |
TransformerモデルのSelf-Attentionにおいて、各単語の関連度を計算するために用いる3つのベクトルは何か。 |
解説
|
| 1101 |
転移学習におけるファインチューニングの実行手順として【不適切なもの】はどれか。 |
解説
|
| 1102 |
AIの公平性に関する記述として正しいものはどれか。 |
解説
|
| 1103 |
AIが人類の知能を超える技術的特異点（シンギュラリティ）に関する説明として【不適切なもの】はどれか。 |
解説
|
| 1104 |
第2次AIブームのエキスパートシステムにおける「知識ベース」の役割は何か。 |
解説
|
| 1105 |
SVMのカーネル法が提供するメリットとして正しいものはどれか。 |
解説
|
| 1106 |
ニューラルネットワークで層が深くなるほど勾配が消えてしまう理由として【不適切なもの】はどれか。 |
解説
|
| 1107 |
リッジ回帰とラッソ回帰の両方のペナルティを組み合わせた手法は【 】である。 |
解説
|
| 1108 |
ノイズを含んだ入力を元の綺麗なデータに復元するように学習させるオートエンコーダを何と呼ぶか。 |
解説
|
| 1109 |
AIプロジェクトにおけるアジャイル開発のメリットとして【不適切なもの】はどれか。 |
解説
|
| 1110 |
個人情報保護法における「仮名加工情報」の取り扱いとして正しいものはどれか。 |
解説
|
| 1111 |
学習時にデータをミニバッチに分けることの「目的」として正しいものはどれか。 |
解説
|
| 1112 |
1950年代に考案された単純パーセプトロンは、入力に対して重みを掛け合わせた総和を閾値処理して出力する。この単純パーセプトロンが持つ致命的な理論的限界は「【 】」である。 |
解説
|
| 1113 |
2012年の画像認識コンテストにおいてディープラーニングを用いたモデルが圧倒的な精度で優勝し、第3次人工知能ブームの引き金となった。この出来事に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1114 |
決定木の構築において、データを分割する最適な特徴量と閾値を選択する際、分割後のデータの不純度が最も減少する基準として広く用いられる指標は【 】である。 |
解説
|
| 1115 |
サポートベクターマシンはデータ群を明確に分ける境界線を引くアルゴリズムである。この手法に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1116 |
ニューラルネットワークにおいて、主に多クラス分類問題の学習で、モデルが出力した確率分布と実際の正解ラベルとの間のズレを測定するために用いられる誤差関数は【 】である。 |
解説
|
| 1117 |
ディープラーニングにおいて、損失関数を最小化するためにパラメータを更新する勾配降下法に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1118 |
時系列データを扱う再帰型ニューラルネットワークにおいて、過去の情報を内部状態として保持しながら処理を行うが、時間ステップが長くなるにつれて過去の情報の勾配が途中で消滅してしまう問題を【 】と呼ぶ。 |
解説
|
| 1119 |
大規模で高精度なモデルの知識を、より軽量なモデルに継承させることで、精度を維持したまま軽量化を図る蒸留に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1120 |
自動運転の画像認識や医療画像解析において、画像内のすべての画素に対して個別にクラスを割り当て、領域を厳密に特定するタスクを【 】と呼ぶ。 |
解説
|
| 1121 |
Transformerのデコーダ構造をベースに、膨大なテキストデータから次の単語を予測する事前学習を行うことで圧倒的なテキスト生成能力を持つ言語モデルに関する記述として【不適切なもの】はどれか。 |
解説
|
| 1122 |
限られたデータセットを有効に活用し、モデルの汎化性能を正確に評価するため、データを複数に分割して訓練と評価を順番に入れ替えて繰り返し行う検証手法を【 】と呼ぶ。 |
解説
|
| 1123 |
機械学習プロジェクトにおいて、生のデータに対して正解ラベルを付与するアノテーション作業に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1124 |
日本の不正競争防止法において、電磁的方法により管理され、特定の者に提供される情報であって、秘密として管理されていないもののうち、自動運転の走行ログや気象データなど、AIの学習やビジネスにおいて有用なものを【 】として保護している。 |
解説
|
| 1125 |
世界的なAIの法規制やガイドラインの動向に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1126 |
再帰型ニューラルネットワークの勾配消失問題を解決するために考案された長短期記憶において、過去の長期的な情報を保持するセル状態に対して、新しく入ってきた情報のうち「どの情報をどれだけ捨てるか」を決定する機構を【 】と呼ぶ。 |
解説
|
| 1127 |
ボードゲームなどの対戦環境において、自分と相手がそれぞれ最適に行動すると仮定し、数手先まで読んだ上で自分が最も有利になる（相手が自分を最も不利にする）手を探索するアルゴリズムは【 】である。 |
解説
|
| 1128 |
AIが「意味を理解しているか」を問う思考実験である「中国語の部屋」に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1129 |
機械学習モデルのハイパーパラメータを最適化する際、あらかじめ指定したパラメータ候補のすべての組み合わせを網羅的に試して最も精度が高いものを探索する手法を【 】と呼ぶ。 |
解説
|
| 1130 |
畳み込みニューラルネットワークにおける「パディング」の役割として【不適切なもの】はどれか。 |
解説
|
| 1131 |
画像認識モデルの学習において、学習データにノイズを加えたり、反転や拡大縮小などの変換を行ったりすることでデータ数を擬似的に増やす手法を【 】と呼ぶ。 |
解説
|
| 1132 |
自然言語処理において、単語の重要度を評価する手法であるTF-IDFに関する記述として【不適切なもの】はどれか。 |
解説
|
| 1134 |
店舗等でのカメラ画像の取得および利活用におけるプライバシー配慮に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1135 |
生物の進化のメカニズムを模倣し、「選択」「交叉」「突然変異」といった操作を繰り返すことで、複雑な問題の最適解を探索する手法を【 】と呼ぶ。 |
解説
|
| 1136 |
概念体系の記述表現である「オントロジー」に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1137 |
分類モデルの評価指標において、適合率と再現率はトレードオフの関係にある。この二つの指標のバランスを総合的に評価するために用いられる調和平均を【 】と呼ぶ。 |
解説
|
| 1138 |
過学習を防ぐための手法である「早期終了」に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1139 |
過去のすべての勾配の二乗和を蓄積する最適化手法は学習が進むと更新量がゼロになる問題があった。これを解決するため、過去の勾配の蓄積を指数移動平均によって減衰させる手法を【 】と呼ぶ。 |
解説
|
| 1140 |
画像を入力として受け取り、その内容を説明するテキストを出力するタスクである「画像キャプション生成」の一般的なモデル構造に関する記述として【不適切なもの】はどれか。 |
解説
|
| 1142 |
人工知能が現実世界で課題を解決しようとする際、現実世界の事象は無限に存在するため、その中から現在の目的に関係のある事象だけを切り出して計算することが実質的に不可能になるという問題が存在する。この問題を【 】と呼ぶ。 |
解説
|
| 1143 |
アンサンブル学習の一つであるランダムフォレストは、複数の決定木を構築し、それらの予測結果を用いて最終的な予測を行う手法である。このランダムフォレストの特徴や適用場面に関する記述として、最も不適切なものはどれか。 |
解説
|
| 1144 |
ディープラーニングの学習において、層が深くなるにつれて各層への入力分布が学習過程で変化してしまう内部共変量シフトが問題となる。これを解決し、学習率を高く設定できるようにして学習を高速化および安定化させるため、ミニバッチごとにデータの分布を平均0、分散1に揃える【 】という手法が広く用いられている。 |
解説
|
| 1145 |
画像認識のタスクにおいて、画像内のすべてのピクセルに対してそれがどのクラスに属するかを予測するセマンティックセグメンテーションについて、特徴や使われる手法の記述として不適切なものはどれか。 |
解説
|
| 1146 |
第2次人工知能ブームにおいて盛んに研究された【 】は、特定の専門領域に関する知識をルールとしてコンピュータに与え、推論エンジンを用いて専門家のような問題解決を行わせるシステムである。しかし、例外処理の多さや暗黙知の記述が困難であったため、その適用範囲は限定的なものに留まった。 |
解説
|
| 1147 |
日本におけるAI開発と著作権の関係について、著作権法で定められている情報解析目的の利用に関する記述として不適切なものはどれか。 |
解説
|
| 1148 |
AIプロジェクトにおいて、本格的なシステム開発に進む前に、手元にあるデータを用いて目的の予測精度や効果が達成できるかを小規模に検証するステップを【 】と呼ぶ。このフェーズで実現可能性が確認できないまま開発を進めると、多額の投資が無駄になるリスクがある。 |
解説
|
| 1149 |
ニューラルネットワークのパラメータを最適化するためのアルゴリズムである誤差逆伝播法に関する記述として、不適切なものはどれか。 |
解説
|
| 1150 |
顧客データをいくつかのグループに分割してマーケティング施策を打ちたいが、正解となるラベルは存在しない。このような場合、あらかじめ指定した数の中心点をランダムに配置し、各データと中心点との距離を計算して所属グループを更新する処理を繰り返す【 】が有効である。 |
解説
|
| 1151 |
ニューラルネットワークの学習で用いられる最適化手法であるAdamの特徴や適用場面に関する記述として不適切なものはどれか。 |
解説
|
| 1152 |
自然言語処理において、RNNのような時系列に沿った逐次計算を行わず、文章内のすべての単語間の関連度を並列に計算する【 】アーキテクチャが登場した。これにより、計算の高速化と長距離の文脈理解が可能になり、現在の大規模言語モデルの基盤となっている。 |
解説
|
| 1153 |
ディープラーニングにおける過学習対策として用いられるドロップアウトについて、そのメカニズムや効果に関する記述として不適切なものはどれか。 |
解説
|
| 1155 |
人工知能の根本的な課題の一つであるシンボルグラウンディング問題に関する記述として、最も不適切なものはどれか。 |
解説
|
| 1156 |
個人データの取り扱いについて、欧州連合が定めた極めて厳格な法規則を【 】という。この規則では、データ主体が自身のデータの消去を求める「忘れられる権利」や、制裁金が企業の全世界年間売上高の一定割合に達する厳しい罰則が規定されている。 |
解説
|
| 1157 |
1956年に開催され、ジョン・マッカーシーやマービン・ミンスキーらが参加して、「人工知能」という言葉が世界で初めて使われた学術会議を【 】と呼ぶ。この会議は、コンピュータに人間の知能を模倣させる研究の本格的な出発点となった。 |
解説
|
| 1158 |
第2次人工知能ブームで普及したエキスパートシステムは、専門家の持つルールを記述することで動作するが、人間が当たり前に行っている膨大な常識や言語化が難しい暗黙知をすべて書き出すことは極めて困難であった。このように、システム構築において知識の抽出や記述が大きな障壁となる現象を【 】と呼ぶ。 |
解説
|
| 1159 |
機械学習における線形回帰の過学習を防ぐ手法として、損失関数にパラメータの絶対値の和をペナルティとして加えるラッソ回帰が用いられる。このラッソ回帰の特徴や、どのような場面で使われるかに関する記述として、最も不適切なものはどれか。 |
解説
|
| 1160 |
サポートベクターマシンは、データを2つのクラスに分類する境界線を決定する教師あり学習の手法である。この手法では、境界線に最も近いデータ点からの距離である【 】を最大化するように境界線を引くことで、未知のデータに対しても高い識別性能を発揮しやすいという特徴を持つ。 |
解説
|
| 1161 |
アンサンブル学習の手法の一つである勾配ブースティングは、高い予測精度を持つことから実務で広く使われている。この手法の仕組みや適用場面に関する記述として、最も不適切なものはどれか。 |
解説
|
| 1162 |
ディープラーニングにおいて、ニューラルネットワークの層を深くしていくと、誤差逆伝播法の計算過程で入力層に近づくにつれて勾配が極端に小さくなり、パラメータがほとんど更新されなくなってしまう現象を【 】と呼ぶ。 |
解説
|
| 1163 |
ニューラルネットワークの最適化手法の一つであるRMSpropは、基礎的な手法であるAdagradの課題を解消するために提案された。このRMSpropの特徴や、なぜその仕組みが使われるのかに関する記述として、最も不適切なものはどれか。 |
解説
|
| 1164 |
畳み込みニューラルネットワークにおいて、畳み込み層の後段に配置される【 】層は、画像の局所的な領域から最大値や平均値を抽出してデータを縮小する処理を行う。この処理により、画像内の物体の位置が多少ズレていても同じ特徴として捉えることができる頑健性を獲得できる。 |
解説
|
| 1165 |
ディープラーニングにおいて、中間層の活性化関数としてReLUが非常に広く使われている。それまで主流だったシグモイド関数ではなく、あえてReLUが採用される理由や特徴に関する記述として、最も不適切なものはどれか。 |
解説
|
| 1166 |
生成AIの代表的なモデルである【 】は、本物らしい偽データを生成する生成器と、入力されたデータが本物か偽物かを判定する識別器の2つのネットワークを競い合わせるように学習させる手法である。これにより、非常に高精細な画像生成などが可能になった。 |
解説
|
| 1167 |
強化学習の手法であるDQNは、ゲームなどで人間に勝利するAIの基盤となった技術である。このDQNの特徴や、従来のQ学習にディープラーニングを組み合わせた理由に関する記述として、最も不適切なものはどれか。 |
解説
|
| 1168 |
自然言語処理において、大量のテキストデータを学習し、単語の意味や文脈上の類似性を考慮して高次元のベクトルとして表現する技術を【 】と呼ぶ。この手法により、「王様」のベクトルから「男」を惹き、「女」を足すと「女王」に近づくといった、単語間の意味的な演算が可能になった。 |
解説
|
| 1170 |
AIシステムの開発において、開発が完了した後にプライバシー対策を後付けで施すのではなく、システムの企画や設計といった最上流の段階から、個人のプライバシー保護をシステムやビジネスプロセスの仕様として組み込んでいく設計思想を【 】と呼ぶ。 |
解説
|
| 1172 |
2012年に開催された画像認識のコンペティション（ILSVRC）において、従来の機械学習手法を大きく引き離して圧倒的な成績で優勝し、第3次人工知能ブームおよびディープラーニングの急速な普及の決定的な火付け役となった、トロント大学のチームが開発したCNNモデルはどれか。 |
解説
|
| 1173 |
自然言語処理の翻訳タスクなどにおいて、入力系列のすべての情報を一律に固定長のベクトルに圧縮するのではなく、出力単語を生成する際に「入力系列のどの部分（単語）に重点的に注目すべきか」を動的に計算し、その重みを付加して処理を行うニューラルネットワークの仕組みはどれか。 |
解説
|
| 1174 |
二値分類モデルの評価において、縦軸に真陽性率（再現率）、横軸に偽陽性率（1-特異度）を取り、分類の閾値を変化させたときの軌跡を描いた「ROC曲線」がある。このROC曲線の下側の面積を表し、0から1の値をとり、完全にランダムな予測では0.5、完璧な分類では1となる、不均衡データに対しても頑健な評価指標はどれか。 |
解説
|
| 1175 |
自然言語処理におけるテキストのベクトル化手法の一つであり、文章内に登場する単語の順序や文法構造を完全に無視し、どの単語がテキスト全体に「何回出現したか」という頻度情報（カウント）のみに着目して文章を表現する手法はどれか。 |
解説
|
| 1176 |
2018年にGoogleから発表された自然言語処理モデルであり、ニューラルネットワークのアーキテクチャにTransformerを採用している。テキストを左から右、あるいは右から左へと一方向に読み込むのではなく、文脈を「左右両方向から同時に」学習することで、多義語や複雑な文脈を極めて正確に捉えられるようになった、その後の大規模言語モデルの基礎を築いたモデルはどれか。 |
解説
|
| 1177 |
単語の分散表現（埋め込みベクトル）を獲得する手法であるWord2Vecには、2つの主要なニューラルネットワーク構成が存在する。そのうち、「ターゲット単語の周囲にある複数の単語（文脈）」を入力として与え、その中心にある「ターゲットとなる1つの単語」を予測するタスクを解くことで学習を進めるアプローチはどれか。 |
解説
|
| 1178 |
画像処理において圧倒的な成果を上げているニューラルネットワークの一種である。画像全体の全結合レイヤーとは異なり、画像の局所的な領域にフィルター（カーネル）をスライドさせながら演算を適用する「畳み込み層」と、位置のズレへの頑健性を高める「プーリング層」を交互に繰り返すことで、画像の輪郭や模様などの空間的な特徴を効率的に抽出できるネットワーク構造はどれか。 |
解説
|
| 1179 |
データマイニングや機械学習を用いたビジネスプロジェクトを体系的に進め、成功確率を高めるための業界標準のプロセスモデルである。プロジェクトのライフサイクルを「ビジネスの理解」「データの理解」「データの準備」「モデリング」「評価」「展開（本番運用）」という6つのフェーズに分類し、必要に応じて前のフェーズへ柔軟に逆戻りしながら反復的に進める手法はどれか。 |
解説
|
| 1180 |
敵対的生成ネットワーク（GAN）の一種であり、ドメイン変換（例：馬の画像をシマウマの画像に変換する、普通の写真をゴッホ風の絵画に変換する）を行う技術である。変換前と変換後の画像が「一対一で対になっているペアデータ」が手元に存在しない場合であっても、2つの異なるドメイン間で相互に矛盾なく変換・逆変換を行えるよう、サイクル一貫性損失（Cycle Consistency Loss）を導入したモデルはどれか。 |
解説
|
| 1181 |
1960年代、エドワード・ファイゲンバウムらによってスタンフォード大学で開発された歴史的なAIシステムである。未知の有機化合物の質量分析データ（マススペクトル）を入力すると、化学の専門知識（ルール）に基づいてその分子構造を特定する。専門家の知識をルールとして記述して推論を行う「エキスパートシステム」の先駆けであり、第2次人工知能ブームの到来に決定的な貢献を果たしたシステムはどれか。 |
解説
|
| 1182 |
リカレントニューラルネットワーク（RNN）の学習において、パラメータを更新するために用いられるアルゴリズムである。通常の順伝播型ネットワークの誤差逆伝播法（バックプロパゲーション）とは異なり、時系列データの流れを過去に遡るようにネットワークを時間方向に展開（アンロール）し、過去の各時点における誤差を逆方向に伝播させて勾配を計算する手法はどれか。 |
解説
|
| 1183 |
畳み込みニューラルネットワーク（CNN）を用いた画像分類モデルにおいて、AIのブラックボックス問題を解消するための可視化技術の一つである。ネットワークの最終の畳み込み層の直後に「GAP（Global Average Pooling）」を配置し、各チャンネルの特徴マップに、出力クラスの全結合重みを掛け合わせて足し合わせることで、AIが画像の「どの領域（場所）」に注目してそのクラスだと判断したのかをヒートマップとして画像上に可視化する手法はどれか。 |
解説
|
| 1184 |
従来の単純なRNNが抱えていた、時間変化が長くなるにつれて過去の記憶の勾配が指数関数的に消滅、または爆発してしまうという致命的な欠点（勾配消失・爆発問題）を解決するために提案された「LSTM（Long Short-Term Memory）」の内部機構である。セルの中央に位置し、入力ゲートや出力ゲートなどの動的な制御とは独立して、誤差を減少させることなく過去の記憶（情報）をそのまま次の時点へと1倍の重みでストレートに保持・伝播し続けるコアな記憶回路はどれか。 |
解説
|
| 1185 |
初期の敵対的生成ネットワーク（GAN）は、多層パーセプトロン（全結合層）のみで構成されていたため、画像の構造（縦横の空間的なつながり）をうまく捉えられず、生成される画像が非常にぼやけたり、学習が極めて不安定で崩壊しやすいという大きな課題があった。この問題を克服するため、生成器（Generator）と識別器（Discriminator）の双方に「畳み込み層（CNN）」を本格的に導入し、高精細かつ写実的な画像を安定して生成できるようにした画期的な基礎モデルはどれか。 |
解説
|
| 1186 |
2023年、アメリカの国立標準技術研究所（NIST）が策定・公開した、AIシステムの設計、開発、デプロイ、および運用プロセス全体における潜在的なリスクを総合的に管理・低減するための世界的なフレームワークである。組織がAIの信頼性を高め、社会的・倫理的リスクに適切に対処するための指針として、「ガバナンス（Govern）」「マッピング（Map）」「測定（Measure）」「管理（Manage）」という4つのコア機能を定義している文書はどれか。 |
解説
|
| 1187 |
人工知能研究における大きな壁の一つに、有限の処理能力しか持たないシステムが、現実世界の無限の情報の中から自分に関連のある事柄だけを抽出して適切に処理することができないという問題がある。この問題を何というか。 |
解説
|
| 1188 |
コンピュータが扱う記号と、現実世界における具体的な意味や身体的経験を結びつけることができないという問題について、不適切な説明をしているものはどれか。 |
解説
|
| 1189 |
人工知能の歴史において、かつては人間にしかできない高度な知的作業と絶賛されていた技術が、コンピュータで完全に実現されて仕組みが広く普及してしまうと、それを人工知能と見なさなくなる現象を何というか。 |
解説
|
| 1190 |
第2次人工知能ブームの中心となったエキスパートシステムにおいて、専門家が持つ膨大な知識やルールを人間が手作業で抽出してシステムに記述する必要があり、開発が途中で行き詰まる原因となった現象を何というか。 |
解説
|
| 1191 |
不均衡なデータセットや識別が難しい複雑な境界を持つデータに対して、単一の強力な予測モデルを一度に構築するのではなく、正解率が半分をわずかに上回る程度の軽量なモデルを複数用意し、前のモデルが間違えたデータに対して順次大きな重みを与えて直列に学習を進めるアンサンブル学習手法はどれか。 |
解説
|
| 1192 |
強化学習の初期段階において、エージェントが過去の経験から得た現時点で最も報酬が高いとわかっている行動ばかりを繰り返すと、より良い行動パターンを一生発見できなくなる危険性がある。この探索と利用のトレードオフを解決するため、一定の確率でランダムな行動を選択し、残りの確率で現在の最適行動を選択する方策はどれか。 |
解説
|
| 1193 |
ディープラーニングにおいて、層が深くなるにつれて誤差逆伝播の過程で勾配がゼロに近づき、入力層に近い重みが更新されなくなる勾配消失問題が発生する。この問題を解決するために、入力が0以下の場合は0を出力し、0より大きい場合は入力をそのまま出力することで、勾配が途切れにくく計算も高速な活性化関数として広く使われているものはどれか。 |
解説
|
| 1194 |
ニューラルネットワークの学習において、出力層で計算された予測値と正解ラベルの間の誤差を、出力層から入力層に向かって逆方向に伝播させ、各層のパラメータにおける勾配を効率的に計算する手法について、不適切な説明はどれか。 |
解説
|
| 1195 |
ニューラルネットワークのパラメータ最適化において、傾斜の方向へスムーズに進むための慣性を考慮するアプローチと、過去の勾配の大きさに応じてパラメータごとに自動で学習率を調整するアプローチの両方のメリットを融合させ、現代のディープラーニングにおいて最も主流として使われている最適化手法はどれか。 |
解説
|
| 1196 |
ディープラーニングにおいて、モデルの表現力が高すぎるために手元の訓練データに過剰に適合してしまう過学習を防ぎたい。学習の各ステップにおいて、ネットワークのノードを一定の確率でランダムに無効化して学習を行い、予測時にはすべてのノードを使用することで、実質的に複数の異なるモデルをアンサンブル学習させたような効果を得る手法はどれか。 |
解説
|
| 1197 |
変分オートエンコーダの拡張モデルにおいて、画像生成時にデータの持つ潜在的な特徴が互いに混ざり合うことなく、それぞれ独立した因子として潜在空間に明確に分離して獲得されるよう制御したい。損失関数の中の正則化項の重みを調整することで、この特徴表現の分離性を高めたモデルはどれか。 |
解説
|
| 1198 |
自然言語処理の分野において、文章中の特定の単語をマスクして隠し、その周囲の文脈からマスクされた単語を予測するタスク等を通じて、文章を左右の両方向から同時に学習し、多様な自然言語タスクにおいて事前に高精度な文脈表現を獲得できる、Transformerをベースにした言語モデルはどれか。 |
解説
|
| 1199 |
画像認識において、画像の位置が少しずれていても同じ特徴として捉えることができる不変性を持たせ、画像の局所的な特徴を効率的に抽出するために、空間的なつながりを維持したままフィルターをスライドさせて計算を行うニューラルネットワークの構造はどれか。 |
解説
|
| 1200 |
データマイニングや人工知能プロジェクトを推進する際の標準的なプロセスモデルであり、ビジネスの理解、データの理解、データの準備、モデリング、評価、展開という6つのフェーズをループさせながら段階的に精度とビジネス価値を高めていく手法はどれか。 |
解説
|
| 1201 |
日本の著作権法において、人工知能の機械学習用に大量の著作物をサーバーにコピーして学習データとして利用する行為について、不適切な説明をしているものはどれか。 |
解説
|
| 1202 |
人間の知性の一部のみを模倣し、特定の限定されたタスクを高度に処理するために設計された人工知能の概念を何というか。 |
解説
|
| 1203 |
囲碁AIなどに搭載され、すべての選択肢を網羅的に探索するのではなく、ランダムなシミュレーションを多数繰り返し、その勝率に基づいて最も有望な次の一手を決定する探索アルゴリズムはどれか。 |
解説
|
| 1204 |
多変量データの次元削減手法である主成分分析において、データの散らばりが最大となる主成分の方向を特定するために、データの関係性を表す分散共分散行列に対して用いられる数学的手法はどれか。 |
解説
|
| 1205 |
サポートベクターマシンにおいて、元の低次元空間では直線や超平面で綺麗にグループを分けることができない複雑なデータに対し、データを敢えて高次元の空間へと写像し、その高次元空間上で線形分離を可能にするために用いられる計算上の工夫はどれか。 |
解説
|
| 1207 |
ニューラルネットワークにおいて、各層の線形変換の後に非線形な活性化関数を適用する理由として、適切なものはどれか。 |
解説
|
| 1208 |
ディープラーニングの誤差逆伝播法において、出力層で発生した誤差から、何層も遡った入力層に近い内部のパラメータの勾配を効率的に計算するために、合成関数の微分を利用する数学の法則はどれか。 |
解説
|
| 1210 |
ディープラーニングの学習において、各層の入力データの分布が、前の層のパラメータ更新によって学習の途中で刻々と変化してしまう現象を防ぎたい。ミニバッチごとにデータの平均を0、分散を1に揃えることで、学習速度を大幅に向上させ、初期値への依存性を減らす手法はどれか。 |
解説
|
| 1211 |
変分オートエンコーダの損失関数において、エンコーダがデータから推測した潜在変数の確率分布が、あらかじめ仮定したシンプルな事前の確率分布にどれだけ類似しているかを測定するために用いられる、情報理論に由来する数学的指標はどれか。 |
解説
|
| 1212 |
自然言語処理の大規模言語モデルなどで採用されている仕組みであり、時系列データを順番に処理していく従来の再帰型ネットワークとは異なり、文章内のすべての単語間の関係性を同時に計算することで、長距離の依存関係を捉えつつ大規模な並列計算を可能にした機構はどれか。 |
解説
|
| 1214 |
画像セマンティックセグメンテーションを行うU-Netにおいて、特徴を抽出した後に元の解像度へと復元していく。この復元時に、抽出側が持っていた細かい位置情報を復元側へ直接コピーして結合し、境界線の緻密な復元を可能にする構造を何というか。 |
解説
|
| 1215 |
AIの社会実装プロジェクトにおいて、本格的なシステム開発に入る前に、実データを用いてAIモデルの技術的な実現可能性や投資対効果を検証する概念実証について、不適切な説明をしているものはどれか。 |
解説
|
| 1216 |
2024年に欧州連合で可決された世界初の包括的なAI規制法において、AIシステムのリスクを4段階に分類し、リスクの高さに応じて厳格な法的義務や罰則を課すリスクベースアプローチを採用している法律の名称はどれか。 |
解説
|
| 1218 |
画像処理の圧縮や、レコメンデーション、潜在意味解析などで広く使われる手法であり、正方行列に限らない任意の行列を、2つの直交行列と1つの対角行列の積に分解する線形代数学の基礎的な手法はどれか。 |
解説
|
| 1219 |
機械学習の過学習を防ぐ手法において、損失関数にパラメータの絶対値の和をペナルティ（罰則項）として加えることで、不要な特徴量の重みを完全に0にし、自動的に特徴量選択を行う効果を持つ数理的手法はどれか。 |
解説
|
| 1220 |
ニューラルネットワークの学習において、損失関数の値を最も小さくする最適なパラメータを見つけるため、現在の位置における関数の「傾き」を計算し、その傾きと反対の方向へパラメータを少しずつ更新していく最適化の数理的手法を何というか。 |
解説
|
| 1221 |
ニューラルネットワークの学習において、出力層で計算された損失（エラー）を、ネットワークの出力層から入力層に向かって逆方向に伝播させ、各層のパラメータの勾配を効率的に一括計算するアルゴリズムを何というか。 |
解説
|
| 1222 |
ディープラーニングにおいて、ネットワークの層を非常に深くした際、誤差逆伝播法で入力層に近づくにつれて勾配（傾き）の値が掛け算の繰り返しによって極端に小さくなってしまい、浅い層のパラメータがほとんど学習されなくなってしまう現象を何というか。 |
解説
|
| 1224 |
すでに大量のデータで学習を終えている大規模な既存モデル（基盤モデル）に対し、その一部またはすべてのパラメータを、特定の業務や狭いタスクに合わせた少量のデータを使って追加で微調整・学習させる手法はどれか。 |
解説
|
| 1225 |
画像認識モデルの学習において、手元にある限られた訓練用の画像データに対して、ランダムに回転、反転、拡大縮小、色調補正などの変換を加えることで、データを擬似的に大量に水増しし、過学習を防ぐ手法を何というか。 |
解説
|
| 1226 |
画像から特定の欠陥製品を検知するモデルにおいて、「モデルが欠陥（陽性）と予測したすべての製品のうち、本当に実際に欠陥があった製品の割合」を表し、誤検知（空振り）の少なさを評価したい場合に重視すべき指標はどれか。 |
解説
|
| 1227 |
チェスや将棋のAI、自動運転の制御などで使われる機械学習の枠組みであり、事前に正解データを与えられるのではなく、エージェントが環境の中で行動を選択し、その結果として得られる「報酬（スコア）」を最大化するように試行錯誤を通じて学習する手法はどれか。 |
解説
|
| 1228 |
強化学習において、「現在の状態と選択した行動のみによって次の状態と報酬が決定され、それ以前の過去の履歴には依存しない」という数理的な性質（確率論の性質）を前提とした、強化学習の環境を定式化するための数学的モデルはどれか。 |
解説
|
| 1230 |
医療診断や自動融資審査などの重要な領域でAIを活用する際、ブラックボックスになりがちなディープラーニングモデルの予測結果に対し、「なぜAIがその結論に至ったのか」という判断根拠や各特徴量の貢献度を人間が理解・解釈できるように提示する技術の総称を何というか。 |
解説
|
| 1231 |
日本の現行の法律において、AIの「開発・学習段階」に必要なデータ収集に関しては、非営利・営利目的を問わず、著作権者の利益を不当に害しない範囲であれば、原則として著作物の複写や解析を許諾なしで行うことができると規定している法律はどれか。 |
解説
|
| 1232 |
迷路やパズルなど、あらかじめルールとゴールが明確に決まっている限定的な問題は解けるものの、現実世界の複雑な問題を解くことができないという、第1次人工知能ブームにおける限界を指す言葉はどれか。 |
解説
|
| 1233 |
第2次人工知能ブームの中心的技術であったエキスパートシステムに関する説明として、不適切なものはどれか。 |
解説
|
| 1234 |
機械に思考が可能かどうかを判定するためにアラン・チューリングが提案した、人間の質問者がテキストで対話し、どちらが機械か見分けがつかない場合に機械に知能があるとみなすテストの名称はどれか。 |
解説
|
| 1235 |
2クラスの分類問題を解く際、線形回帰の出力を0から1の範囲の確率に変換するために用いられ、数理的にはオッズ比の対数をモデル化することに相当するシグモイド関数を利用したアルゴリズムはどれか。 |
解説
|
| 1236 |
決定木を拡張したアンサンブル学習手法であり、ブートストラップサンプリングによって個別に生成された複数の決定木を並列に学習させ、それらの予測結果の多数決を取ることで過学習を抑制するバギングの代表例はどれか。 |
解説
|
| 1237 |
過学習を防ぐための正則化手法において、損失関数にパラメータの絶対値の総和であるL1ノルムをペナルティとして加えることで、いくつかのパラメータの重みを完全にゼロにし、自動的な特徴選択の効果を持たせる手法は【 】と呼ばれる。空欄に当てはまる最も適切なものはどれか。 |
解説
|
| 1238 |
多層ニューラルネットワークのパラメータ更新において、出力層で生じた誤差を順次入力層側へと逆方向に伝播させ、効率的に勾配を計算する誤差逆伝播法の数理的基盤となっている、微分の基本規則はどれか。 |
解説
|
| 1239 |
深層ニューラルネットワークにおいて、層が深くなるにつれて勾配が極端に小さくなり学習が進まなくなる勾配消失問題を解決するために、入力が0を超える場合はその値をそのまま出力し、0以下の場合は0を出力することで微分値を1または0に保つ活性化関数はどれか。 |
解説
|
| 1240 |
画像認識タスクに用いられる畳み込みニューラルネットワークにおいて、特定の領域内の最大値や平均値を抽出することで空間方向の解像度を下げ、物体の微小な位置変化や平行移動に対して不変性を持たせるために用いられる層はどれか。 |
解説
|
| 1241 |
ニューラルネットワークの学習時において、各層のニューロンを一定の確率でランダムに無効化して学習を行い、予測時にはすべてのニューロンを使用しつつ出力を調整することで、擬似的なアンサンブル効果を生み出し過学習を抑制する手法はどれか。 |
解説
|
| 1242 |
自然言語処理モデルのTransformerの核となる技術であり、入力シーケンス内のすべての位置のペアに対して関連度を同時に計算する【 】を用いることで、RNNのような時系列の順次処理を行わずに長距離の依存関係の学習と並列計算を可能にした。空欄に当てはまる最も適切なものはどれか。 |
解説
|
| 1243 |
物体検出タスクにおいて、画像をグリッド分割し、1回のフォワードパスで画像内に存在するオブジェクトのバウンディングボックスの位置とクラス確率を同時に予測する、リアルタイム検出に適した高速なアルゴリズムはどれか。 |
解説
|
| 1244 |
生成モデルの一種である敵対的生成ネットワークにおいて、データを生成する生成器と、それが本物か偽物かを判定する識別器の2つのネットワークが互いに競い合う。数理的には、この生成器と識別器の学習プロセスはどのようなゲーム理論の概念として定式化されるか。 |
解説
|
| 1245 |
AIシステムをビジネス環境に持続的に導入・運用するための概念であるMLOpsに関する記述として、不適切なものはどれか。 |
解説
|
| 1246 |
日本の著作権法第30条の4では、AIの機械学習を目的としたデータ収集・解析について原則として著作権者の許諾なく著作物を利用することが認められている。しかし、同条文の但し書きにおいて制限されている、著作権者の利益を不当に害するとみなされ、許諾が必要となる例外的な行為はどれか。 |
解説
|
| 1247 |
強化学習を用いた囲碁AIの発展において、人間の棋譜データを初期学習に一切使用せず、ゲームの基本ルールのみを与えられた状態から完全な自己対局を繰り返すことで、従来のモデルを超える圧倒的な強さを獲得したシステムはどれか。 |
解説
|
| 1248 |
ディープラーニングのパラメータ最適化において、学習の初期段階ではAdamのように素早い収束を可能にしながら、学習の終盤にかけて学習率の範囲を徐々に制限していくことで、最終的にSGDのような高い汎化性能を持たせる手法はどれか。 |
解説
|
| 1249 |
自然言語処理におけるテキストのベクトル化手法において、文章中に含まれる単語の出現順序や文脈を完全に無視し、どの単語が何回出現したかという頻度情報のみをカウントして固定長のベクトルを生成する手法はどれか。 |
解説
|
| 1250 |
画像認識やセマンティックセグメンテーションを目的とした畳み込みニューラルネットワークにおいて、フィルターの要素間に一定の間隔を空けて処理を行うことで、計算量やパラメータ数を増加させることなく広い受容野を確保する畳み込み処理はどれか。 |
解説
|
| 1251 |
機械学習の二値分類モデルの評価において、評価の閾値を変化させた際の真陽性率と偽陽性率の軌跡を描いたROC曲線の下側の面積を表し、0から1の値をとり、モデルの識別性能が完璧である場合に最大値1となる指標はどれか。 |
解説
|
| 1252 |
対戦型ゲームAIなどの探索アルゴリズムであるミニマックス法およびαβ法において、スコアを最小化しようとする相手の番を探索中、既に別のルートで判明している最大評価値よりも大きなノードが出現した時点で、その先につながる子ノードの探索を途中で打ち切る処理を何と呼ぶか。 |
解説
|
| 1253 |
AIシステムの安全性や信頼性を高めるために米国の国立標準技術研究所が策定した、AIの開発や運用における多角的なリスクを組織的に管理・評価・低減するための世界的なフレームワークはどれか。 |
解説
|
| 1254 |
ディープラーニングの歴史において、2012年に開催された画像認識コンテストに登場し、従来の機械学習に基づく手法に対してエラー率を大幅に下げて圧倒的な成績で優勝し、世界中に第3次人工知能ブームを巻き起こす直接の引き金となったCNNモデルはどれか。 |
解説
|
| 1255 |
人工知能の歴史や社会実装において、かつてはこれこそが知的で高度な人工知能の技術だと見なされていた仕組みが、技術の普及や製品への組み込みによって実用化され当たり前になると、それは単なる自動化の計算プログラムであり本当のAIではないと評価されなくなる現象を何と呼ぶか。 |
解説
|
| 1256 |
日本の著作権法におけるAI生成物の扱いにおいて、人間による創作的意図や創作的寄与が一切認められず、AIに対してプロンプトを入力しただけで自動生成されたコンテンツは、現行法上どのように規定されるか。 |
解説
|
| 1257 |
時系列データの解析において、予測対象となる将来のある時点の値を、過去の自分自身の値の線形結合にノイズを加えることで定式化し、未来の傾向を予測する古典的な統計モデルはどれか。 |
解説
|
| 1258 |
自然言語処理のTransformerや近年の画像認識モデルにおいて中核を担う仕組みであり、入力データ全体を一様に処理するのではない、タスクの達成に直結するデータ内のどの部分が重要であるかを動的に計算し、その部分に大きな重みを付加して情報を処理する機構はどれか。 |
解説
|
| 1259 |
ディープマインド社が開発した深層強化学習ベースのAIシステムにおいて、不完全情報ゲームであり、リアルタイムの即興的な戦略とミリ秒単位のマクロ・ミクロ操作が要求される複雑なリアルタイムストラテジーゲームにおいて人間のプロプレイヤーに勝利したAIはどれか。 |
解説
|
| 1260 |
日本国内のビジネスシーンにおいて、AIを活用したシステム開発やデータ取引を行う際、知財トラブルの防止や契約交渉の円滑化を図ることを目的に、開発プロセスに応じた契約類型や権利帰属の具体的な検討指針をまとめた経済産業省策定のガイドラインはどれか。 |
解説
|
| 1261 |
企業や組織がAIシステムを開発・導入・運用する際、予期せぬ差別、偏見の助長、プライバシー侵害、セキュリティ侵害などの倫理的・法的リスクを回避し、安全かつ社会的に適切な形でAIを制御するための組織内の管理体制、規律、運用の仕組みの総称を何と呼ぶか。 |
解説
|
| 1262 |
人工知能のモデル選択や科学哲学において参照される「オッカムの剃刀」の考え方として、最も不適切なものはどれか。 |
解説
|
| 1263 |
第2次人工知能ブームにおいて、専門家の知識をコンピュータに移植するエキスパートシステムが盛んに開発された。しかし、人間が日常的に用いる一般常識や暗黙知をすべて【 】として記述することには限界があり、システムの構築が頓挫する事例が相次いだ。この問題を知識獲得のボトルネックと呼ぶ。 |
解説
|
| 1264 |
決定木をベースにしたアンサンブル学習のアルゴリズムであるXGBoostは、データ分析コンペティション等で高い評価を得ている。この手法が高い予測精度と計算の高速化を両立させている数理的な背景や仕組みとして、最も適切なものはどれか。 |
解説
|
| 1265 |
多クラス分類問題のニューラルネットワークにおいて、出力層で算出された予測確率と実際の正解ラベルとのズレを測定するために交差エントロピー誤差関数が標準的に用いられる。平均二乗誤差ではなくこの関数が選ばれる数理的な理由として最も適切なものはどれか。 |
解説
|
| 1266 |
多層ニューラルネットワークのパラメータを勾配降下法で最適化する際、学習が停滞してしまう原因の一つに鞍点の存在がある。多次元の損失関数における鞍点の幾何学的な特徴として正しいものはどれか。 |
解説
|
| 1267 |
自然言語処理の基盤であるTransformerでは、バッチ正規化ではなくレイヤー正規化が標準的に採用されている。時系列やテキストデータを扱うモデルにおいて、レイヤー正規化が適している理由として最も適切なものはどれか。 |
解説
|
| 1268 |
モバイル端末向けに計算量を劇的に削減したMobileNetなどのアーキテクチャでは、通常の畳み込み処理を2つのステップに分解するDepthwise Separable Convolutionが採用されている。画像のチャンネルごとに独立して空間方向の特徴を抽出した直後に、カーネルサイズが【 】の畳み込みを用いてチャンネル間の情報を融合させる。 |
解説
|
| 1269 |
顔認証システムや類似画像検索システムを構築するため、深層距離学習を用いて画像間の類似度をモデルに学習させたい。この目的で用いられるTriplet Lossにおいて、ネットワークを最適化するための損失計算のロジックとして正しいものはどれか。 |
解説
|
| 1270 |
自然言語処理のテキスト生成モデルにおいて発生する露出バイアスに関する記述として、最も不適切なものはどれか。 |
解説
|
| 1271 |
リアルタイム処理に特化した物体検出モデルであるYOLOは、画像を1回ネットワークに入力するだけで位置特定とクラス分類を完了させる。この圧倒的な処理速度を実現するための、ネットワーク出力層の数理的な設計アプローチとして最も適切なものはどれか。 |
解説
|
| 1272 |
機械学習モデルの開発プロジェクトにおいて、予測精度を不当に高く見せかけてしまうデータリークが発生する典型的な原因として、最も適切なものはどれか。 |
解説
|
| 1273 |
AIシステムの開発プロジェクトにおいて、特に初期の予測モデル構築フェーズでは、システムがどれだけの精度を出せるか不確実性が高いため、請負契約ではなく準委任契約の形式で契約を結ぶことが強く推奨される。準委任契約の法的な性質として最も適切なものはどれか。 |
解説
|
| 1274 |
企業の従業員が、業務の一環として自社のAIシステム用のプログラムコードを記述し、新しいソフトウェアを完成させた。このソフトウェアの著作権の帰属について、日本の著作権法に基づく職務著作の要件を満たす場合の適切な解釈はどれか。ただし、契約や就業規則に別段の定めはないものとする。 |
解説
|
| 1275 |
日本の個人情報保護法において、個人識別符号に該当する情報は、それ単体で特定の個人を識別することができるため、氏名が含まれていなくても個人情報として厳格に扱われる。次のうち、個人識別符号に該当しないものはどれか。 |
解説
|
| 1276 |
コンピュータは、「リンゴ」と「赤い」という記号データを受け取り、「リンゴは赤い」という論理的な関係を処理することは極めて高速に行える。しかし、AI自身は現実世界における赤色という視覚的な感覚や物理的な実体を経験していないため、言葉の本当の意味を理解しているわけではない。この認知科学における根本的な課題を【 】と呼ぶ。 |
解説
|
| 1277 |
哲学者のジョン・サールが提唱した中国語の部屋の思考実験は、コンピュータが規則に従って記号を操作できることと、その記号の意味を真に理解していることは別であると指摘したものである。この思考実験が実現可能性を否定しようとした、人間と同等の意識や理解力を持つ人工知能の概念を何と呼ぶか。 |
解説
|
| 1278 |
第2次人工知能ブームの中心となったエキスパートシステムは、専門家の知識をルールベースでコンピュータに記述する仕組みであった。しかし、人間が日常的に用いる常識や暗黙のルールをすべて明示的なプログラムコードとして抽出し記述することが事実上不可能であることが判明し、ブームは終焉を迎えた。このシステム開発上の根本的な壁を何と呼ぶか。 |
解説
|
| 1279 |
多数の特徴量を持つ高次元データに対して機械学習モデルを適用する際、予測精度の低下や計算コストの増大を防ぐためにデータの次元削減が行われる。このうち、データの持つ分散が最大となるような直交する新しい軸を見つけ出し、情報の損失を最小限に抑えながら少数の合成変数へとデータを要約する教師なし学習の手法はどれか。 |
解説
|
| 1280 |
マルコフ決定過程に基づく強化学習において、エージェントは将来にわたって得られる報酬の合計を最大化するように方策を学習する。このとき、遠い未来に得られる報酬の価値を現在の価値に換算する際、不確実性を考慮して少しずつ目減りさせるために掛け合わせるパラメータについて、不適切な記述はどれか。 |
解説
|
| 1281 |
多層ニューラルネットワークにおいて、出力層で算出された予測値と実際の正解データとのズレを最小化するよう各層の重みパラメータを更新したい。出力層の誤差から出発し、微分の合成関数の公式を利用して入力層に向かって逆方向に各パラメータの勾配を効率的に掛け合わせて計算していく数理アルゴリズムはどれか。 |
解説
|
| 1282 |
ディープラーニングにおいて、ネットワークの隠れ層を何十層にも深く積み重ねると、入力層に近いパラメータが全く更新されず学習が停滞する問題が発生しやすくなる。この問題を引き起こす最大の数理的要因として、最も適切なものはどれか。 |
解説
|
| 1283 |
画像認識モデルを構築する際、手元にある訓練データが少ない状態で無理に学習を進めると、モデルが訓練データ特有の細かなノイズまで丸暗記してしまい、未知のデータに対応できなくなる。この現象を回避するため、学習時に元の画像に対してランダムな平行移動、回転、色調変更などの加工を施し、擬似的にデータの多様性を増やす前処理手法を何と呼ぶか。 |
解説
|
| 1284 |
ニューラルネットワークの重みを更新する最適化アルゴリズムにおいて、パラメータごとに過去の勾配の履歴を記録して学習率を自動調整するアプローチと、物理的なボールが転がるように過去の勾配の方向を慣性として引き継ぐアプローチの両方の利点を組み合わせた、現在最も標準的に広く用いられている手法はどれか。 |
解説
|
| 1285 |
ディープラーニングモデルの過学習を抑制する手法として、学習の各ステップにおいて中間層のニューロンを一定の確率でランダムに無効化しながらパラメータの更新を行うものがある。この手法を用いたモデルの実運用時における挙動に関する記述として、最も適切なものはどれか。 |
解説
|
| 1286 |
自然言語処理の基盤となっているTransformerモデルは、時間的なループ構造を一切持たず、文章内のすべての単語間の依存関係を完全に並列で計算する。このとき、単語の位置や出現順序の情報をモデルに理解させるために、入力される単語ベクトルに対して相対的または絶対的な順序情報を付与する仕組みを何と呼ぶか。 |
解説
|
| 1288 |
自動運転の視覚システムにおいて、カメラの画像に写っているすべてのピクセルに対して、それが道路なのか車なのか歩行者なのかを厳密に分類して塗り分ける必要がある。このとき、同じ車のクラスに属する異なる2台の車が重なって写っていても、それらを別のオブジェクトとして区別せず、単一の車領域としてまとめて認識するタスクはどれか。 |
解説
|
| 1290 |
エッジデバイスのような計算資源やメモリ容量が極端に制限された環境において、巨大で高精度な大規模モデルと同等の推論性能を発揮させたい。大規模な教師モデルが出力する各クラスへの確率分布の傾向を目標値として、構造が小さく軽量な生徒モデルに学習させることで、精度低下を抑えつつモデルを劇的に圧縮する手法はどれか。 |
解説
|
| 1291 |
AIの開発競争において、学習データとなる大量のテキストや画像の確保が重要となっている。日本の現行の著作権法において、インターネット上に公開されている他人の著作物を、AIの学習データセットとしてスクレイピング等で収集し利用する行為の解釈として、最も適切なものはどれか。 |
解説
|
| 1292 |
人工知能が扱う記号そのものは、現実世界における身体的な意味や実体と結びついておらず、コンピュータは記号の意味を真に理解していないとされる認知科学上の問題を何と呼ぶか。 |
解説
|
| 1295 |
サポートベクトルマシンにおいて、元の入力空間では線形分離が不可能なデータ群を、高次元の特徴空間へと非線形写像することで線形分離を可能にする。このとき、高次元空間での内積計算を元の空間の関数として直接計算することで、計算爆発を回避する数理的手法を何と呼ぶか。 |
解説
|
| 1296 |
機械学習モデルの過学習を防ぐ正則化手法において、損失関数にパラメータの絶対値の総和のペナルティ項を加えるものがある。この手法を適用した際に、一部のパラメータの重みが完全にゼロになる数学的な特性が生じる現象を何と呼ぶか。 |
解説
|
| 1297 |
多層ニューラルネットワークの活性化関数としてシグモイド関数を用いると、層が深くなるにつれて逆伝播の勾配が急速に減衰する問題があった。これに対し、入力が正の領域では微分値が常に1となり、負の領域では常に0となる特性を持つ活性化関数はどれか。 |
解説
|
| 1298 |
ニューラルネットワークの最適化計算において、勾配がゼロになるポイントのうち、ある方向から見ると極小値であるが、別の方向から見ると極大値になっているような、多次元空間特有の停滞ポイントを何と呼ぶか。 |
解説
|
| 1299 |
畳み込みニューラルネットワークにおいて、畳み込み層の後に適用されるプーリング層では、特徴マップの局所的な領域から最大値を取り出す最大プーリングが広く用いられる。この処理を導入する最大の数理的・表現上の目的はどれか。 |
解説
|
| 1301 |
自然言語処理の基盤モデルであるTransformerの核心となる数理機構である。入力された文章内のすべての単語について、クエリ、キー、バリューの3つのベクトルを生成し、単語同士が互いにどれだけ強い関連性を持っているかを動的に計算して重み付けする仕組みはどれか。 |
解説
|
| 1303 |
強化学習の手法であるDeep Q-Networkにおいて、ニューラルネットワークを用いた関数の学習を安定させるために導入された、過去の遷移データをメモリに蓄積し、そこからランダムにサンプリングしてミニバッチ学習を行う手法を何と呼ぶか。 |
解説
|
| 1304 |
評価用データセットに対して不均衡データを扱う場合、正例をすべて陰性と予測する極端なモデルでも正解率が高くなってしまう。このような場合に、陽性と予測した中で本当に陽性だった割合と、実際の陽性のうち正しく陽性と予測できた割合のバランスを正しく評価するために、それらの調和平均を計算した指標はどれか。 |
解説
|
| 1305 |
ディープラーニングモデルをスマートフォンなどの組み込みデバイスに実装する際、計算資源やメモリ容量の制限をクリアするためモデルの軽量化が行われる。このうち、モデルの精度にほとんど寄与していない、重みの値がゼロに近い不要な結合やニューロン自体を物理的にネットワークから削除する手法を何と呼ぶか。 |
解説
|
| 1306 |
医療診断や自動運転など、個人の生命や財産に重大な影響を与えるAIシステムの社会実装において、AIがなぜその判断を下したのかのプロセスを人間が理解・追跡できることが求められる。AIの倫理ガイドラインにおいて、このシステム提供者や開発者が果たすべき、透明性の確保や判断根拠の説明に関する責務を何と呼ぶか。 |
解説
|
| 1307 |
人工知能が扱う記号が、現実世界における身体的な意味や実体と結びついていないため、真の意味理解に到達できないというAIの根本的な課題を何と呼ぶか。 |
解説
|
| 1308 |
エキスパートシステムにおいて、人間が日常的に用いる常識や暗黙知を論理ルールとしてすべて手作業で入力・言語化することが事実上不可能であるという限界を何と呼ぶか。 |
解説
|
| 1309 |
相関のある多数の特徴量を持つデータから、情報の損失を最小限に抑えつつ、データの分散が最大となるような互いに無相関な少数の合成変数を抽出して次元を削減する統計手法はどれか。 |
解説
|
| 1310 |
アンサンブル学習において、訓練データから重複を許してランダムに抽出したデータセットを複数作成し、それぞれで独立して学習させた決定木の予測結果を多数決や平均で統合する手法はどれか。 |
解説
|
| 1311 |
多層ニューラルネットワークにおいて、出力層の誤差から入力層に向かって逆伝播する際、微分の掛け合わせの繰り返しにより値がゼロに近づき、入力層に近い重みが更新されなくなる問題を何と呼ぶか。 |
解説
|
| 1312 |
ニューラルネットワークにおいて、出力層で発生した予測のズレから出発し、微分の連鎖律を利用して入力側へ遡ることで、各層の重みパラメータの修正量を効率よく計算するアルゴリズムはどれか。 |
解説
|
| 1313 |
ニューラルネットワークの学習を超高速化・安定化させるため、隠れ層においてデータの小集団ごとに特徴量の平均をゼロ、分散をイチになるように整え、内部共変量シフトを抑える手法はどれか。 |
解説
|
| 1314 |
畳み込みニューラルネットワークにおいて、特定の領域内の画素値から最も大きい数値を抽出することで特徴量マップを縮小し、画像内の微小な位置のズレに対する頑健性を高める処理はどれか。 |
解説
|
| 1315 |
画像認識において、画像内のすべての画素に対してここは道路ここは車というようにクラスごとに色分けを行うが、同じクラスに属する複数の異なる個体は区別せずに同一の領域として扱うタスクはどれか。 |
解説
|
| 1316 |
エッジデバイス向けにモデルを軽量化する際、予測性能が高い巨大な教師モデルが出力する確率分布を手本として、構造が小さい生徒モデルに学習させ、精度低下を抑えながらモデルを圧縮する手法はどれか。 |
解説
|
| 1317 |
ゲーム木探索において、現在の状態から終局までのランダムなシミュレーションを何度も繰り返し、最も勝率が上がった有望な選択肢を優先的に深く調べ進める統計的確率に基づいた探索手法はどれか。 |
解説
|
| 1318 |
既に特定のタスクを学習したニューラルネットワークに対して、新しい別のタスクのデータをそのまま追加学習させると、過去に学習したタスクの記憶や能力が完全に上書きされ失われてしまう現象を何と呼ぶか。 |
解説
|
| 1319 |
機械学習モデルの開発において、訓練データの中に本来は予測時に利用できないはずの未来の情報やテストデータが誤って混入し、学習時の見かけの精度だけが異常に高くなってしまう致命的な現象はどれか。 |
解説
|
| 1320 |
日本の現行法において、情報解析を目的とする場合、インターネット上に公開されている他人の著作物をAIの学習データとして原則無許諾で収集・利用できる旨を規定している法律はどれか。 |
解説
|
| 1321 |
AIシステムが下した予測や判断について、開発者や運用者がその根拠、安全性、リスクを社会やユーザーに対して適切に説明する倫理的および社会的な義務を何と呼ぶか。 |
解説
|
| 1322 |
現在の状態から可能な手をすべて展開し、終局に至るまでの全状態を木構造で表現したとき、特定の評価関数を用いて探索範囲を効率的に絞り込む探索手法はどれか。 |
解説
|
| 1323 |
人間の脳の神経回路網を模倣し、単純な処理単位を層状に結合した構造を持つハードウェアや計算モデルを指す言葉はどれか。 |
解説
|
| 1324 |
データ点同士のユークリッド距離を計算し、与えられたクラス数に分類されるように各点の所属クラスタを反復的に更新していく非階層型クラスタリングの手法はどれか。 |
解説
|
| 1325 |
入力値の線形結合をシグモイド関数に通すことで、出力を0から1の間の確率値に変換し、二値分類を行うための統計モデルはどれか。 |
解説
|
| 1326 |
ニューラルネットワークの各ノードにおいて、前の層から入力された重み付き和に対して非線形変換を施し、次層へ出力する伝達関数を総称して何と呼ぶか。 |
解説
|
| 1327 |
多クラス分類の出力層において、全クラスの予測スコアを0から1の範囲に変換し、かつ合計が1になるように正規化することで、各クラスの属する確率分布を算出する関数はどれか。 |
解説
|
| 1328 |
勾配消失問題を回避するために、入力が正の領域では微分値が常に1となり、負の領域では0を返すことで、勾配の減衰を防ぐ特性を持つ関数はどれか。 |
解説
|
| 1330 |
自然言語処理において、リカレント接続を使わずに、自己アテンション機構を用いて文章中の離れた単語間の関係を並列計算により捉えるネットワーク構造はどれか。 |
解説
|
| 1331 |
生成器が偽画像を生成し、識別器がそれが本物か偽物かを判定するという、2者間の競合的学習を通じて高精度なデータ生成を実現するネットワーク構造はどれか。 |
解説
|
| 1332 |
大規模なデータセットで事前に学習したモデルの重みを初期値として利用し、特定のタスクの小規模データセットを用いて再学習を行う手法を何と呼ぶか。 |
解説
|
| 1333 |
訓練データに対しては高い正解率を示すが、学習に含まれていない未知のデータに対する予測精度が著しく低い、汎化性能が失われた状態を何と呼ぶか。 |
解説
|
| 1334 |
AIシステムなどの設計・開発の段階から、個人のプライバシー保護を前提とし、後付けではなくシステムに保護機能を組み込んでおく設計思想はどれか。 |
解説
|
| 1337 |
推薦システムで用いられる協調フィルタリングにおいて、巨大で疎なユーザーとアイテムの評価行列から潜在的な特徴を抽出して欠損値を予測したい。このとき、任意の行列を直交行列と対角行列の積に分解し、重要度の低い成分を切り捨てることでノイズを除去しつつ低次元近似を行う数理的手法はどれか。 |
解説
|
| 1339 |
深層ニューラルネットワークにおいて、活性化関数にシグモイド関数を用いると、入力値の絶対値が大きい領域で関数の傾きが極端に小さくなる。この結果、誤差逆伝播において層を遡るごとにどのような数理的現象が発生し、どのような問題を引き起こすか。最も適切なものを選べ。 |
解説
|
| 1340 |
ディープラーニングの最適化アルゴリズムの一つであるAdamは、過去の勾配の一次モーメントと二次モーメントを利用して学習率をパラメータごとに動的に調整する。それぞれのモーメントを推定する際、古い勾配情報を徐々に忘却しつつ新しい勾配情報を平滑化して取り入れるために【 】という数学的アプローチを用いている。 |
解説
|
| 1342 |
敵対的生成ネットワークの学習において、生成器は本物に近いデータを生成しようとし、識別器は本物と偽物を見破ろうとする。この二つのネットワークの対立関係において、互いの性能が完全に均衡し、識別器の判別確率がすべてのデータに対して二分の一になる理想的な状態を、ゲーム理論における何という数学的用語で表すか。 |
解説
|
| 1344 |
ブラックボックス化しやすい機械学習モデルの予測根拠を説明する技術において、各特徴量が予測値に対してどれだけ貢献したかを算出する手法がある。この手法は、すべての特徴量の組み合わせパターンを考慮し、特定の特徴量が加わることで生じる予測値の限界的な増加分を平均化して求めるが、この背景にあるゲーム理論の数学的概念はどれか。 |
解説
|
| 1346 |
コンピュータが辞書的な知識としてシマウマという文字列を処理できても、実際にカメラで縞模様の馬を見てもそれをシマウマだと認識できないように、記号表現と現実世界の物理的実体が結びついていないという人工知能の根本的な課題を【 】と呼ぶ。 |
解説
|
| 1347 |
多層ニューラルネットワークの学習において、出力層で生じた予測誤差を最小化するように各層の重みを更新する。このとき、出力層から入力層へ向かって各パラメータの勾配を計算していくが、この効率的な計算を支えている微分積分学における合成関数の微分の法則はどれか。 |
解説
|
| 1348 |
ディープラーニングの学習において、各隠れ層への入力分布が学習過程で変化してしまう内部共変量シフトを抑制する手法がある。この手法では、データの小集団ごとに平均と分散を計算して正規化を行うが、単に標準化するだけでなく、その後に学習可能な二つのパラメータを用いてどのような数理的変換を行うか。 |
解説
|
| 1353 |
第2次AIブームにおけるエキスパートシステムの代表例であるマイシンは、血液中の感染症の診断を支援するシステムである。マイシンでは、不確実な知識を扱うために、専門家の推論の確かさを数理的に表現する指標が導入された。この指標の名称はどれか。 |
解説
|
| 1354 |
サポートベクターマシンは、2つのクラスを分離する最適な境界線を決定する線形分類器である。この手法において、境界線から最も近いデータ点までの距離を最大化するように数理的な最適化を行うが、この最大化される距離の名称はどれか。 |
解説
|
| 1355 |
機械学習のアンサンブル学習手法であるランダムフォレストは、多数の決定木を組み合わせて多数決や平均により予測を行う。各決定木を学習させる際、元のデータセットから重複を許してランダムにサンプルを抽出する統計学的手法が用いられるが、この手法の名称はどれか。 |
解説
|
| 1356 |
ディープラーニングにおいて、出力層の活性化関数と損失関数の組み合わせは、解くべき問題の統計的性質に基づいて決定される。多クラス分類問題において、出力層の各ニューロンの値を確率分布として解釈できるように総和が1になるよう変換する活性化関数はどれか。 |
解説
|
| 1357 |
ニューラルネットワークの学習において、特定の重みパラメータが極端に大きな値を持つと、モデルの複雑さが増して過学習が起きやすくなる。これを防ぐために、損失関数に重みの二乗和をペナルティ項として加え、パラメータが大きくなりすぎるのを数理的に抑制する手法はどれか。 |
解説
|
| 1359 |
ドロップアウトは、学習の各ステップにおいてランダムに一部のニューロンを不活性化させることで過学習を抑制する手法である。この手法が過学習を抑制できる理由として、数理的にどのような効果が擬似的に得られていると考えられているか。最も適切なものを選べ。 |
解説
|
| 1361 |
自然言語処理などで標準的に用いられるトランスフォーマーは、再帰型ニューラルネットワークと異なり、時系列データを順次処理せず一括で入力する。そのため、単語の並び順という位置情報をモデルに伝えるために、あらかじめ定義された数理的な規則に基づいて入力ベクトルに位置情報を加算する。この手法の名称はどれか。 |
解説
|
| 1363 |
機械学習モデルの予測根拠を説明する手法であるLIMEは、ブラックボックスなモデルそのものを直接説明するのではなく、特定の予測対象データの周辺における挙動のみを説明しようとする。このとき、予測対象データの近傍で局所的にどのような数理的モデルを構築して近似を行うか。 |
解説
|
| 1364 |
ディープラーニングの学習データを拡張する手法の一つに、2つの異なる画像データとそれぞれの正解ラベルを、ある比率を用いて数理的に線形補間し、新しい合成データと合成ラベルを作成する手法がある。このデータ拡張手法の名称はどれか。 |
解説
|
| 1368 |
スティーブン・ハルナッドによって提唱された「シンボルグラウンディング問題（記号接地問題）」は、人工知能における重要な哲学・数理的課題である。この問題の本質を最も適切に説明しているものはどれか。 |
解説
|
| 1369 |
人工知能に知識を扱わせるための知識表現の枠組みである「オントロジー」において、概念間の関係性を定義する。このうち、特定のドメイン（領域）に依存しない、世界に存在するあらゆる事物に共通する最も抽象的な概念（時間、空間、実体など）を定義したオントロジーを何と呼ぶか。 |
解説
|
| 1370 |
2クラス分類に用いられる線形モデルであるロジスティック回帰は、線形予測子を出力確率に変換するためにシグモイド関数を使用する。このモデルにおいて、ある事象が起こる確率pと起こらない確率(1-p)の比（オッズ）の対数をとった数理モデル（ロジット）は、入力特徴量とどのように関係しているか。 |
解説
|
| 1371 |
次元削減の代表的な手法である主成分分析（PCA）は、高次元のデータを情報の損失を最小限に抑えながら低次元に射影する。このとき、データを射影した後の空間において数理的に何を最大化するように、最初の合成変数（第1主成分）の方向（軸）が決定されるか。 |
解説
|
| 1373 |
ニューラルネットワークのパラメータ（重みやバイアス）を更新するために、各層の勾配をネットワークの出力側から入力側へと効率的に計算する「誤差逆伝播法」が用いられる。この手法は、微分の数学的性質であるどの法則に基づいているか。 |
解説
|
| 1376 |
RNNの課題である勾配消失問題を解決するために考案されたLSTM（Long Short-Term Memory）には、複数の「ゲート」と呼ばれる機構が備わっている。このうち、過去のセル状態（記憶）の情報をどれだけ次のステップに引き継ぐか（あるいは捨てるか）を、シグモイド関数を用いて数理的に制御するゲートの名称はどれか。 |
解説
|
| 1378 |
強化学習において、エージェントは将来にわたって得られる報酬の合計（収益）を最大化するように行動を学習する。このとき、遠い将来に得られる報酬の不確実性を考慮し、現在の価値に換算するためにステップごとに掛け合わせる数理的パラメータ（通常0から1の間の値をとる）を何と呼ぶか。 |
解説
|
| 1382 |
1950年にアラン・チューリングが提唱した、機械が人間と同等の知能を持っているかを判定するためのテストはどれか。人間の判定者が、人間と機械の双方と文字ベースで対話を行い、どちらが機械かを見分けられなければテスト合格とされる。 |
解説
|
| 1384 |
第2次AIブームで主流となったエキスパートシステムは、専門家の知識を「もし〜ならば〜である」というルールの形で蓄積し推論を行った。しかし、システム構築において大きな壁にぶつかりブームは終焉に向かう。専門家の暗黙知をコンピュータが扱えるルールとして抽出・記述することが困難であるというこの問題を何と呼ぶか。 |
解説
|
| 1385 |
教師なし学習の代表的なクラスタリング手法であるk-means法（k平均法）において、各データ点を指定されたk個のクラスタに分類する。このとき、クラスタの「中心」を更新する数理的な計算手順として正しいものはどれか。 |
解説
|
| 1387 |
機械学習モデルの汎化性能を評価する際、手元のデータを学習用とテスト用に分割する。データ数が少ない場合に有効な手法として、データをK個のグループに分割し、「1つをテスト用、残りのK-1個を学習用」とする学習・評価のプロセスをK回繰り返し、その平均を性能とする統計的な検証手法はどれか。 |
解説
|
| 1388 |
ディープラーニングにおいて、層が深くなると各層の入力データの分布が学習の進行とともに変化し、学習が不安定になる（内部共変量シフト）。これを防ぐため、ネットワークの各層の直前（または直後）において、ミニバッチごとの入力データの分布が平均0、分散1になるように数理的に変換を施す手法はどれか。 |
解説
|
| 1389 |
ニューラルネットワークの隠れ層で用いられる活性化関数の一つに、双曲線正接関数（tanh関数）がある。この関数はシグモイド関数と同様に滑らかなS字のカーブを描く非線形関数であるが、入力空間全体に対する出力値の数理的な範囲（値域）はどれか。 |
解説
|
| 1390 |
畳み込みニューラルネットワーク（CNN）のプーリング層は、特徴マップの空間サイズ（縦横の解像度）を縮小し、計算量の削減と微小な位置ズレに対する頑健性（並進不変性）を獲得する役割を持つ。対象となる局所領域（例：2x2のウィンドウ）の中から「最大値」のみを抽出する数理的処理を何と呼ぶか。 |
解説
|
| 1391 |
ディープラーニングにおいて層を非常に深くすると、勾配消失問題により学習が困難になる。この問題を解決し、100層を超えるCNNの学習を可能にしたResNet（Residual Network）では、ある層の入力を、数層先の出力に直接足し合わせる数理的構造を採用した。この構造を何と呼ぶか。 |
解説
|
| 1392 |
自然言語処理において、単語の意味を数十から数百次元の実数ベクトルとして数理的に表現する分散表現の代表的手法にWord2Vecがある。Word2Vecには2つのアーキテクチャがあるが、このうち「周囲の複数単語（コンテキスト）から、中心にある単語を予測する」ようネットワークを学習させるモデルの名称はどれか。 |
解説
|
| 1394 |
画像認識AI（CNN）がなぜその予測を出力したのかを人間が理解するための「説明可能AI（XAI）」の手法がある。予測の根拠となった画像内の重要な領域を、最後の畳み込み層から得られる特徴マップと勾配情報を用いて数理的に計算し、ヒートマップとして可視化する手法の名称はどれか。 |
解説
|
| 1395 |
教師あり学習で機械学習モデルを訓練するためには、入力データに対して正解データを作成する必要がある。画像内の物体を枠で囲んで名前を付けたり、テキストに感情のラベルを付与したりするなど、データに対して人間が正解となるラベルやタグを付与する作業プロセス全体を何と呼ぶか。 |
解説
|
| 1397 |
コンピュータが言語の文字列を処理できたとしても、それが現実世界におけるどのような物理的実体や感覚的な経験と結びついているかを理解していないため、真の意味での知能を獲得できていないとされる問題を何というか。 |
解説
|
| 1398 |
第2次人工知能ブームにおける主流システムでは、専門家の知識をルールとして記述することで推論を行っていた。しかし、人間が日常的に用いる常識や暗黙的な知識をすべて明示的なルールとして抽出・記述することには限界があり、システムの発展が停滞した。この限界を示す用語として最も適切なものはどれか。 |
解説
|
| 1399 |
サポートベクターマシンにおいて、入力空間では線形分離が不可能なデータに対して用いられる数学的アプローチについて問う。データをより高次元の特徴空間に写像することで線形分離を可能にする際、高次元空間での内積を元の空間の関数で直接計算することにより、計算量の爆発を防ぐ手法を何と呼ぶか。 |
解説
|
| 1400 |
機械学習モデルの汎化性能を評価するためのデータ分割に関する記述のうち、不適切なものはどれか。 |
解説
|
| 1401 |
教師なし学習におけるディープラーニングの手法に関する穴抜き問題である。「オートエンコーダは、入力データを（ ア ）と呼ばれるネットワークで低次元の潜在変数に圧縮し、そこから（ イ ）と呼ばれるネットワークで元の入力データを復元するように学習を行う。これにより、データに含まれるノイズを除去したり、重要な特徴量を抽出したりすることが可能になる。」（ア）と（イ）に当てはまる語句の組み合わせとして正しいものはどれか。 |
解説
|
| 1402 |
多層ニューラルネットワークにおいて、活性化関数として長らく用いられてきたシグモイド関数は、入力値の絶対値が大きくなると微分の値がほぼゼロになるという数理的性質を持っていた。この性質が原因で、層を遡るごとに誤差の勾配が減衰する勾配消失問題が発生する。この問題を解決するために広く採用された、入力が負の場合はゼロを、正の場合はそのままの値を出力し、正の領域で微分値が常に1となる活性化関数はどれか。 |
解説
|
| 1403 |
ディープラーニングモデルにおける過学習の抑制手法として用いられるドロップアウトについて、その数理的メカニズムと挙動を説明した文章として不適切なものはどれか。 |
解説
|
| 1404 |
ディープラーニングの学習において、各層への入力分布が学習の進行に伴って変化してしまう内部共変量シフトという問題がある。これを防ぐために導入された技術であり、ミニバッチごとに各層の出力を平均0、分散1となるように標準化し、その後学習可能なパラメータを用いてスケーリングとシフトを行う層を何と呼ぶか。 |
解説
|
| 1405 |
自然言語処理の分野で発展したAttentionは、入力系列のどの部分に注目すべきかの重みを動的に計算する機構である。このAttentionの数理的アプローチにおいて、入力から生成される3つのベクトルのうち、現在の処理対象（検索の質問）に相当するベクトルと、入力系列の各要素の特徴（検索のインデックス）に相当するベクトルの内積を計算することで、関連度を算出する。この計算に用いられる2つのベクトルの名称の組み合わせとして適切なものはどれか。 |
解説
|
| 1409 |
深層学習モデルやアンサンブル学習などの複雑なモデルは、高精度である一方で予測の根拠が不透明なブラックボックスになりやすい。この問題に対処するため、協力ゲーム理論における限界貢献度の概念を応用し、ある特定の予測結果に対して「各特徴量がそれぞれどれだけの数値を押し上げたか、または押し下げたか」という貢献度を厳密に計算し、公平に分配して可視化するXAI（説明可能AI）の手法はどれか。 |
解説
|
| 1410 |
日本において、AI開発企業がインターネット上に公開されている大量のイラストや文章をスクレイピングし、機械学習の訓練データとして利用する際の法的解釈について問う。日本の現行法において、この学習目的でのデータ収集・利用が原則として著作権者の許諾なく適法に行えると規定されている、著作権法の特定の条文の要件として最も適切な記述はどれか。 |
解説
|
| 1411 |
企業がグローバルにAIやデータビジネスを展開する際、各国の厳格なデータ保護法規制を遵守する必要がある。2018年に欧州連合（EU）で施行され、個人のデータ保護の権利（忘れられる権利やデータポータビリティの権利など）を強力に保障し、違反した企業に対しては全世界の年間売上高の最大4%などという極めて高額な制裁金を科す可能性がある規則の略称はどれか。 |
解説
|
| 1412 |
1956年に開催され、初めて「人工知能」という用語が提案・使用されたことで知られる、AI研究の出発点となった伝説的な学術会議の名称はどれか。 |
解説
|
| 1413 |
囲碁などの複雑なゲームにおいて、すべての分岐を末端まで計算する代わりに、ランダムな手を選び続けるシミュレーションを多数回実行し、その勝率を統計的に評価することで有望な手を絞り込むアルゴリズムはどれか。 |
解説
|
| 1414 |
教師なし学習におけるクラスタリング手法に関する穴抜き問題である。「（ ア ）は、あらかじめ指定したクラスタ数に基づいて、各データポイントを最も近い重心に割り当て、次に各クラスタに属するデータの平均ベクトルを新しい重心として更新する。この割り当てと更新を重心が変化しなくなるまで繰り返すアルゴリズムである。」アに当てはまる語句はどれか。 |
解説
|
| 1415 |
機械学習モデルの分類性能を評価する際、医療診断における重篤な疾患の発見や、工場での不良品検知など、「実際には陽性であるものを誤って陰性と判定してしまう見逃し」を極力減らしたいケースにおいて、最も重視すべき評価指標はどれか。 |
解説
|
| 1416 |
ニューラルネットワークの学習において、出力層で生じた予測誤差を最小化するように各層の重みを更新する誤差逆伝播法は、微分積分学におけるある数学的定理を応用して、複雑な合成関数の偏微分を効率的に計算している。この定理の名称はどれか。 |
解説
|
| 1417 |
ディープラーニングの最適化アルゴリズムにおいて、過去の勾配の移動平均を利用して振動を抑える手法と、過去の勾配の二乗の移動平均を利用して学習率をパラメータごとに自動調整する手法の両方の長所を組み合わせた、現在最も標準的に使われる最適化手法はどれか。 |
解説
|
| 1418 |
畳み込みニューラルネットワークにおいて、対象領域内の最大値や平均値を取得することで空間的な解像度を下げる処理を行う層はどれか。この層は学習可能なパラメータを持たず、対象物の微小な位置ズレに対するモデルの不変性を高める効果がある。 |
解説
|
| 1419 |
時系列データや自然言語を扱う再帰型ニューラルネットワークにおいて、長い系列を学習しようとすると勾配消失問題が発生し、長期的な依存関係を学習できないという欠点があった。これを解決するために、入力・忘却・出力という3つのゲート機構と、長期記憶を保持するためのセル状態と呼ばれる経路を導入したモデルはどれか。 |
解説
|
| 1421 |
コンピュータビジョンのタスクのうち、画像内のどの位置に何が写っているかをピクセル単位で識別し、領域ごとにクラスラベルを割り当てる技術を何と呼ぶか。自動運転における道路や歩行者の認識、医療画像における腫瘍領域の特定などに用いられる。 |
解説
|
| 1422 |
強化学習とディープラーニングを組み合わせた深層強化学習のうち、Q学習における行動価値関数をニューラルネットワークで近似した手法はどれか。学習の安定化のために、過去の経験を保存してランダムに取り出す「経験再生」と、目標値を計算するための「ターゲットネットワーク」という2つの重要な仕組みを取り入れている。 |
解説
|
| 1423 |
AIプロジェクトの導入フェーズにおいて、本格的なシステム開発に移行する前に、一部のデータを用いて小規模なプロトタイプを作成し、技術的な実現可能性やビジネス上の投資対効果が得られるかを短期間で検証する行程を指す用語はどれか。 |
解説
|
| 1427 |
AIの知性を評価する手法である「チューリング・テスト」の本質的な定義として最も適切なものはどれか。 |
解説
|
| 1429 |
主成分分析（PCA）の目的として最も適切なものはどれか。 |
解説
|
| 1430 |
サポートベクターマシンにおいて、分類境界（マージン）を最大化する際に、直接決定境界に関与するデータのことを何と呼ぶか。 |
解説
|
| 1431 |
ニューラルネットワークの隠れ層において、勾配消失問題を軽減するために導入され、0未満を0として出力し、それ以外を入力値をそのまま出力する関数はどれか。 |
解説
|
| 1432 |
ニューラルネットワークにおいて、学習中にランダムにニューロンを無効化することで特定の重みに依存しすぎることを防ぎ、汎化性能を高める手法はどれか。 |
解説
|
| 1433 |
畳み込みニューラルネットワークの畳み込み層で、カーネル（フィルタ）をずらしながら適用する幅を指す用語はどれか。 |
解説
|
| 1434 |
勾配降下法において、学習率（Learning Rate）が大きすぎる場合に起こりうる現象として最も適切なものはどれか。 |
解説
|
| 1435 |
Transformerモデルの核心技術であり、「入力系列内のどの単語が、どの単語と強く関連しているか」を動的に重み付けして計算する機構はどれか。 |
解説
|
| 1436 |
強化学習において、エージェントが「環境から得られる将来の報酬の総和を最大化する」ために、現在の方策のまま行動するか、新しい行動を試すかを選択するジレンマを何と呼ぶか。 |
解説
|
| 1437 |
MLOpsにおいて、モデルの学習からテスト、デプロイ、そして運用中のモニタリングまでを自動化・管理するプロセスの目的として最も適切なものはどれか。 |
解説
|
| 1438 |
AIの公平性において、学習データに特定の属性（性別、人種など）に対する偏ったデータが含まれていることで、予測結果に不当な偏りが生じる問題を何と呼ぶか。 |
解説
|
| 1439 |
AIが生成した著作物の著作権について、現行の日本の著作権法（令和6年時点の一般的な解釈）において最も適切な扱いはどれか。 |
解説
|
| 1440 |
機械学習モデルの訓練データから、特定の個人のデータが再構成されたり、推論されたりすることを防ぐ手法として、データに数学的なノイズを加えることで個人の識別を困難にする技術はどれか。 |
解説
|
| 1441 |
内閣府が策定した「人間中心のAI社会原則」において、AIが目指すべき3つの基本理念として挙げられていないものはどれか。 |
解説
|
| 1442 |
ラベル付きデータとラベルなしデータの両方を用いて学習を行う手法はどれか。 |
解説
|
| 1443 |
法的拘束力を持つ法律や規制のことを指す用語はどれか。 |
解説
|
| 1444 |
ニューラルネットワークの各層において、学習の安定化と高速化を目的に、活性化関数の入力などの分布を平均0、分散1に調整する技術は何ですか？ |
解説
|
| 1445 |
ある2値分類モデルの性能評価を行ったところ、真陽性(TP)が45、偽陰性(FN)が5、偽陽性(FP)が10、真陰性(TN)が90となった。このときの再現率(Recall)の値として正しいものを選択せよ。 |
解説
|
| 1446 |
畳み込み層において、入力画像のサイズが縦・横ともに32、フィルタサイズが4、パディングが0、ストライドが2のとき、出力される特徴マップの縦（または横）のサイズとして正しいものを選択せよ。 |
解説
|
| 1447 |
入力層（または前層）のノード数が128個、続く全結合層の出力ノード数が64個であるとき、この全結合層におけるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1448 |
回帰モデルにおいて、実際の値（正解）が [2, 4, 6] であり、モデルによる予測値が [3, 3, 8] であるとき、このデータの平均二乗誤差（MSE）として正しいものを選択せよ。 |
解説
|
| 1449 |
ある分類モデルの適合率（Precision）が 0.6、再現率（Recall）が 0.4 であるとき、このモデルのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1450 |
2値分類モデルの評価において、真陽性(TP)が50、真陰性(TN)が40、偽陽性(FP)が5、偽陰性(FN)が5であるとき、このモデルの正解率（Accuracy）として正しいものを選択せよ。 |
解説
|
| 1451 |
回帰モデルの検証において、正解データが [10, 20, 30] であり、予測値が [12, 18, 35] であるとき、平均絶対値誤差（MAE）として正しいものを選択せよ。 |
解説
|
| 1452 |
4×4の入力特徴マップに対し、2×2のフィルタ、ストライド2の条件で最大値プーリング（Max Pooling）を適用したとき、出力される特徴マップのサイズとして正しいものを選択せよ。 |
解説
|
| 1453 |
重みベクトルが [-3, 0, 4, -2] であるとき、このベクトルのL1正則化項（L1ノルム）のペナルティ値として正しいものを選択せよ。 |
解説
|
| 1454 |
ある2値分類モデルにおいて、真陽性(TP)が30、偽陽性(FP)が10、偽陰性(FN)が5であるとき、このモデルの適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1455 |
ある病気の検査モデルを評価したところ、真陽性(TP)が80、偽陰性(FN)が20、偽陽性(FP)が10、真陰性(TN)が90であった。このモデルの再現率（Recall）として正しいものを選択せよ。 |
解説
|
| 1456 |
縦横サイズ227×227の入力画像に対し、11×11のフィルタ、パディング0、ストライド4で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1457 |
入力ノード数が256個、出力ノード数が128個である全結合層が存在する。この全結合層におけるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1458 |
ある予測モデルの実際の値（正解）が [10, 20, 30] であり、予測値が [11, 21, 35] であった。このデータの二乗平均平方根誤差（RMSE）として正しいものを選択せよ。 |
解説
|
| 1459 |
分類モデルの性能評価において、適合率（Precision）が 0.9、再現率（Recall）が 0.6 であった。このときのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1460 |
ある2×2の入力領域の数値が [[4, 8], [2, 6]] であるとき、この領域に平均値プーリング（Average Pooling）を適用した際の出力値として正しいものを選択せよ。 |
解説
|
| 1461 |
機械学習モデルの重みベクトルが w = [2, -3, 6] であるとき、この重みベクトルに対するL2正則化項（L2ノルムの二乗）の値として正しいものを選択せよ。 |
解説
|
| 1462 |
全100文書からなるコーパスにおいて、ある単語Aが出現する文書数が10文書であった。IDFを log10(全文書数 / 単語が出現する文書数) と定義するとき、特定文書内での単語Aの出現頻度（TF）が0.3である場合のTF-IDF値として正しいものを選択せよ。 |
解説
|
| 1463 |
混同行列において、真陽性(TP)が40、偽陽性(FP)が10、偽陰性(FN)が20、真陰性(TN)が130であるとき、このモデルの適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1464 |
入力サイズが 28×28、フィルタサイズが 5×5、ストライドが 1 のとき、出力サイズを入力と同じ 28×28 に保つために必要なパディング数（画像の上下左右に追加するピクセル数）として正しいものを選択せよ。 |
解説
|
| 1465 |
ある分類モデルの性能評価において、真陽性(TP)が70、偽陰性(FN)が30、偽陽性(FP)が10、真陰性(TN) half/90であった。このモデルの再現率（Recall）として正しいものを選択せよ。 |
解説
|
| 1466 |
縦横サイズ65×65の入力画像に対し、フィルタサイズ5×5、パディング2、ストライド2で畳み込み演算を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1467 |
前層のノード数が512個、続く全結合層の出力ノード数が256個であるとき、この全結合層に含まれるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1468 |
ある予測モデルの実際の値が [10, 20, 30, 40] であり、予測値が [14, 16, 34, 36] であった。この予測結果における二乗平均平方根誤差（RMSE）として正しいものを選択せよ。 |
解説
|
| 1469 |
評価対象の機械学習モデルにおいて、適合率（Precision）が0.8、再現率（Recall）が0.2であるとき、このモデルのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1470 |
2×2の入力領域の数値が [[3, 9], [1, 7]] であるとき、この領域に最大値プーリング（Max Pooling）を適用した場合の出力値として正しいものを選択せよ。 |
解説
|
| 1471 |
重みベクトルが w = [4, -2, 0, -5] であるとき、このベクトルに対するL1正則化項（L1ノルム）の値として正しいものを選択せよ。 |
解説
|
| 1472 |
全100文書から構成されるコーパスにおいて、ある単語Xが含まれる文書数が1文書であった。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、特定の文書における単語Xの出現頻度（TF）が0.4であった場合のTF-IDF値として正しいものを選択せよ。 |
解説
|
| 1473 |
入力サイズが32×32、フィルタサイズが7×7、ストライドが1の畳み込み層において、出力サイズを入力と同じ32×32に維持するために必要なパディング数（外周に追加するピクセル幅）として正しいものを選択せよ。 |
解説
|
| 1474 |
ある2値分類モデルの検証において、真陽性(TP)が120、真陰性(TN)が60、偽陽性(FP)が10、偽陰性(FN)が10であった。このモデルの正解率（Accuracy）として正しいものを選択せよ。 |
解説
|
| 1475 |
ある2値分類モデルの性能評価結果において、真陽性(TP)が60、偽陽性(FP)が20、偽陰性(FN)が15、真陰性(TN)が105となった。このモデルの適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1476 |
あるニューラルネットワークにおいて、前層のノード数が50個、続く全結合層の出力ノード数が20個である。この全結合層におけるパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1477 |
縦横サイズ31×31の入力画像に対し、フィルタサイズ5×5、パディング2、ストライド2で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1478 |
回帰モデルの評価において、正解データが [10, 20, 30] であり、モデルによる予測値が [12, 17, 34] であった。このデータの平均絶対値誤差（MAE）として正しいものを選択せよ。 |
解説
|
| 1479 |
ある2値分類モデルの適合率（Precision）が0.75、再現率（Recall）が0.5であった。このモデルのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1480 |
画像の特徴マップにおいて、2×2の領域の数値が [[2, 6], [4, 8]] であるとき、この領域に平均値プーリング（Average Pooling）を適用した場合の出力値として正しいものを選択せよ。 |
解説
|
| 1481 |
全1,000文書からなるコーパスにおいて、ある単語Aが含まれる文書数が10文書であった。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、特定文書内における単語Aの出現頻度（TF）が0.25である場合のTF-IDF値として正しいものを選択せよ。 |
解説
|
| 1482 |
機械学習モデルの重みベクトルが w = [1, -2, 3, -4] であるとき、この重みベクトルに対するL2正則化項（L2ノルムの二乗）の値として正しいものを選択せよ。 |
解説
|
| 1483 |
入力サイズが64×64、フィルタサイズが3×3、ストライドが1の畳み込み層において、出力サイズを入力と同じ64×64に保つために必要なパディング数（外周に追加する幅）として正しいものを選択せよ。 |
解説
|
| 1484 |
ある画像分類モデルをテストしたところ、真陽性(TP)が70、偽陽性(FP)が10、偽陰性(FN)が20、真陰性(TN)が100であった。このモデルの正解率（Accuracy）として正しいものを選択せよ。 |
解説
|
| 1485 |
ある2値分類モデルの性能評価結果において、真陽性(TP)が60、偽陽性(FP) half/20、偽陰性(FN)が15、真陰性(TN)が105となった。このモデルの適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1486 |
ある病気の診断モデルの評価において、実際に病気である患者（陽性）100人のうち正しく陽性と診断された（TP）が80人、誤って陰性と診断された（FN）が20人であった。また、病気でない人（陰性）100人のうち誤って陽性と診断された（FP）が10人、正しく陰性と診断された（TN）が90人であった。このモデルの再現率（Recall）として正しいものを選択せよ。 |
解説
|
| 1487 |
画像の特徴マップの一部領域が 2×2 の行列 [[3, 8], [5, 2]] で与えられている。この領域に対して最大値プーリング（Max Pooling）を適用した場合の出力値として正しいものを選択せよ。 |
解説
|
| 1488 |
回帰モデルの性能評価において、4つのサンプルに対する実測値が [10, 20, 30, 40] であり、モデルの予測値が [13, 17, 33, 37] であった。この予測結果に対する二乗平均平方根誤差（RMSE）の値として正しいものを選択せよ。 |
解説
|
| 1489 |
ある線形回帰モデルの重みパラメータが w = [3, -4, 2, -1] で与えられている。このときのL1正則化項の値（各重みの絶対値の和）として正しいものを選択せよ。 |
解説
|
| 1490 |
入力チャネル数が3（RGB画像など）である画像に対し、フィルタサイズが3×3でフィルタ数が16の畳み込み層を適用する。この畳み込み層における「重み（フィルタの係数）」の総数として正しいものを選択せよ（※バイアスは含めないものとする）。 |
解説
|
| 1491 |
3つのデータ点に対する目標値（正解データ）が [2, 4, 6] であり、モデルの予測値が [1, 6, 5] であった。このときの平均二乗誤差（MSE）の値として正しいものを選択せよ。 |
解説
|
| 1492 |
2次元のベクトル v = [3, 4] が与えられたとき、このベクトルのL2ノルム（ユークリッド距離）の値として正しいものを選択せよ。 |
解説
|
| 1493 |
ある分類モデルにおいて、正解ラベルが陽性（100件）および陰性（200件）の合計300件のデータで検証を行った。検証の結果、陽性データのうち正しく判定できた（真陽性：TP）のが80件、陰性データのうち正しく判定できた（真陰性：TN）のが160件であった。このモデルにおける「偽陰性（FN）」と「偽陽性（FP）」の件数の組み合わせとして正しいものを選択せよ。 |
解説
|
| 1494 |
縦横サイズ 28×28 の入力画像に対して、パディングを行わず（パディング=0）、フィルタサイズ 5×5、ストライド 1 で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1495 |
全10,000文書からなるデータベースにおいて、ある単語Bが含まれる文書数が10文書であった。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、本文の総語数が200語でそのうち単語Bが10回出現する特定文書における、単語BのTF-IDF値として正しいものを選択せよ。 |
解説
|
| 1496 |
ある画像検出モデルの評価において、適合率（Precision）が0.60、再現率（Recall）が0.40であった。このモデルのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1497 |
入力ノード数が100個の層と、出力ノード数が30個の全結合層を接続する場合、この全結合層に必要なパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1498 |
縦横サイズが23×23の入力画像に対して、フィルタサイズ3×3、パディング0、ストライド2で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1499 |
回帰モデルの評価において、正解ラベル（実測値）が [1, 2, 3]、モデルによる予測値が [3, 3, 5] であるとき、このデータセットに対する平均二乗誤差（MSE）の値として正しいものを選択せよ。 |
解説
|
| 1500 |
機械学習モデルの重みベクトルが w = [2, -2, 4, 5] で与えられているとき、この重みベクトルのL2ノルム（ユークリッド距離）の値として正しいものを選択せよ。 |
解説
|
| 1501 |
画像処理において 2×2 の行列 [[1, 3], [7, 9]] で表される領域に対して、平均値プーリング（Average Pooling）を適用した場合の出力値として正しいものを選択せよ。 |
解説
|
| 1502 |
あるスパムメール判定モデルのテストにおいて、真陽性(TP)が30、偽陽性(FP)が10、偽陰性(FN)が20、真陰性(TN)が140となった。このモデルの適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1503 |
全1,000文書で構成されるコーパスにおいて、ある単語Xが含まれる文書数が1文書であった。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、特定文書内における単語Xの出現頻度（TF）が0.20である場合のTF-IDF値として正しいものを選択せよ。 |
解説
|
| 1504 |
入力サイズが32×32の画像に対して、フィルタサイズ5×5、ストライド1の畳み込み処理を行う際、出力サイズを入力と同じ32×32に維持するために必要なパディング数（外周に追加する幅）として正しいものを選択せよ。 |
解説
|
| 1505 |
ある予測モデルの実測値が [15, 25, 35, 45]、予測値が [18, 21, 32, 50] であった。このデータセットにおける平均絶対値誤差（MAE）の値として正しいものを選択せよ。 |
解説
|
| 1506 |
ある二値分類モデルの検証結果において、真陽性（TP）が40、偽陽性（FP）が10、偽陰性（FN）が10、真陰性（TN）が140であった。このモデルの正解率（Accuracy）として正しいものを選択せよ。 |
解説
|
| 1507 |
ある疾患の検診モデルにおいて、真陽性（TP）が30、偽陽性（FP）が20、偽陰性（FN）が10、真陰性（TN）が140であった。実際に疾患をもつ（陽性である）データのうち、モデルが正しく見つけ出せた割合（再現率）として正しいものを選択せよ。 |
解説
|
| 1508 |
情報検索システムの評価において、適合率（Precision）が0.60、再現率（Recall）が0.90であった。このときのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1509 |
縦横サイズが29×29の入力画像に対し、フィルタサイズ5×5、パディング1、ストライド2で畳み込み処理を行った。生成される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1510 |
画像領域の一部を表す 2×2 の行列 [[3, 7], [1, 5]] に対して、カーネルサイズ 2×2 の最大値プーリング（Max Pooling）を適用した際の出力値として正しいものを選択せよ。 |
解説
|
| 1511 |
入力ノード数が50、出力ノード数が20の全結合層において、各出力ノードにバイアスが1つずつ配備される場合、この層が持つパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1512 |
ある連続値予測モデルの評価において、正解データ（実測値）が [10, 20, 30, 40]、モデルによる予測値が [11, 19, 33, 45] であった。この予測結果における二乗平均平方根誤差（RMSE）の値として正しいものを選択せよ。 |
解説
|
| 1513 |
回帰モデルの評価において、実測値 [100, 200, 300, 400, 500] に対して予測値が [110, 190, 315, 385, 520] であった。このときの平均絶対値誤差（MAE）の値として正しいものを選択せよ。 |
解説
|
| 1514 |
機械学習モデルの重みベクトルが w = [3, -4, 2, -1] で与えられているとき、この重みベクトルの L1ノルム（マンハッタン距離）の値として正しいものを選択せよ。 |
解説
|
| 1515 |
全100文書からなるテキストコーパスにおいて、ある単語Aが含まれる文書数が10文書であった。逆文書頻度（IDF）を log10(全文書数 / 単語が含まれる文書数) と定義するとき、ある特定文書における単語Aの出現頻度（TF）が 0.30 である場合の TF-IDF 値として正しいものを選択せよ。 |
解説
|
| 1516 |
ある画像分類モデルが、100枚の「猫」の画像と100枚の「非猫」の画像（合計200枚）を分類した。その結果、猫画像のうち85枚を「猫」と正しく予測し、15枚を「非猫」と誤予測した。また、非猫画像のうち90枚を「非猫」と正しく予測し、10枚を「猫」と誤予測した。「猫」を陽性（Positive）としたとき、この結果における「偽陰性（FN）」の件数として正しいものを選択せよ。 |
解説
|
| 1517 |
縦横サイズが31×31の入力画像に対し、フィルタサイズ5×5、パディング2、ストライド2で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1518 |
回帰モデルの評価において、正解ラベル（実測値）が [2, 4, 6]、モデルによる予測値が [1, 5, 8] であった。このデータセットに対する平均二乗誤差（MSE）の値として正しいものを選択せよ。 |
解説
|
| 1519 |
入力ノード数が120個、出力ノード数が40個の全結合層において、出力ノード1つにつき1つのバイアスが使用される場合、この層が保持するパラメータ（重みとバイアス）の総数として正しいものを選択せよ。 |
解説
|
| 1520 |
機械学習モデルの重みベクトルが w = [-3, 4, -2, 1] で与えられているとき、L1正則化で用いられるこのベクトルの L1ノルム（マンハッタン距離）の値として正しいものを選択せよ。 |
解説
|
| 1521 |
画像内の 2×2 の局所領域を表す行列 [[4, 2], [9, 5]] に対し、最大値プーリング（Max Pooling）を適用した際の出力値として正しいものを選択せよ。 |
解説
|
| 1522 |
ある連続値予測モデルの精度検証において、実測値が [0, 5, 10, 15]、モデルの予測値が [2, 1, 10, 11] であった。この予測結果における二乗平均平方根誤差（RMSE）の値として正しいものを選択せよ。 |
解説
|
| 1523 |
全10,000文書で構成される文書集合において、ある特定単語Xを含む文書数が10文書存在した。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、ある対象文書内での単語Xの出現頻度（TF）が0.15である場合の TF-IDF 値として正しいものを選択せよ。 |
解説
|
| 1524 |
ある迷惑メール検知モデルの性能評価において、真陽性（TP）が45、偽陽性（FP）が15、偽陰性（FN）が5、真陰性（TN）が135であった。このモデルの適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1525 |
画像の局所領域を表す 2×2 の行列 [[6, 8], [2, 4]] に対し、平均値プーリング（Average Pooling）を適用した場合の出力値として正しいものを選択せよ。 |
解説
|
| 1526 |
ある二値分類モデルで100個のサンプル（陽性50個、陰性50個）を評価した。その結果、真陽性（TP）が42件、偽陽性（FP）が8件、偽陰性（FN）が8件であった。このときの真陰性（TN）の件数として正しいものを選択せよ。 |
解説
|
| 1527 |
病気のスクリーニング検査において、真陽性（TP）が36件、偽陽性（FP）が12件、偽陰性（FN）が4件、真陰性（TN）が148件であった。この検査の適合率（Precision）として正しいものを選択せよ。 |
解説
|
| 1528 |
不良品検知システムにおいて、実際には不良品（陽性）である20個のうち、システムが正しく不良品と検出できたのは16個（TP）で、良品と誤判定したのは4個（FN）であった。また、良品（陰性）80個のうち8個を誤って不良品と判定した（FP）。このモデルの再現率（Recall）として正しいものを選択せよ。 |
解説
|
| 1529 |
ある分類モデルの性能を評価したところ、適合率（Precision）が0.80、再現率（Recall）が0.50であった。このモデルのF値（F1スコア）として正しいものを選択せよ。 |
解説
|
| 1530 |
入力サイズが32×32の画像データに対し、フィルタサイズ4×4、パディング1、ストライド2で畳み込み処理を行った。出力される特徴マップの縦横サイズとして正しいものを選択せよ。 |
解説
|
| 1531 |
2×2の領域を持つ行列 [[2, 8], [5, 3]] に対して、最大値プーリング（Max Pooling）を適用した場合の出力値として正しいものを選択せよ。 |
解説
|
| 1532 |
入力層のノード数が200、隠れ層（全結合層）のノード数が50であるネットワークにおいて、この隠れ層に含まれる重みとバイアスの総パラメータ数として正しいものを選択せよ。 |
解説
|
| 1533 |
回帰問題において、実測値が [5, 10, 15]、モデルによる予測値が [3, 11, 19] であった。このデータにおける平均二乗誤差（MSE）の値として正しいものを選択せよ。 |
解説
|
| 1534 |
重みベクトル w = [3, -4, 0, 12] に対する L2ノルム（ユークリッド距離）の値として正しいものを選択せよ。 |
解説
|
| 1535 |
全1,000文書で構成されるテキストコーパスにおいて、ある単語Yが含まれる文書数は10文書であった。IDFを log10(全文書数 / 単語が含まれる文書数) と定義するとき、特定文書での単語YのTF値（出現頻度）が0.25である場合の TF-IDF 値として正しいものを選択せよ。 |
解説
|