| 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
|