| 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
|