| 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
|