| 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
|