| 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
|