| 1288 |
自動運転の視覚システムにおいて、カメラの画像に写っているすべてのピクセルに対して、それが道路なのか車なのか歩行者なのかを厳密に分類して塗り分ける必要がある。このとき、同じ車のクラスに属する異なる2台の車が重なって写っていても、それらを別のオブジェクトとして区別せず、単一の車領域としてまとめて認識するタスクはどれか。
|
解説
|
| 1290 |
エッジデバイスのような計算資源やメモリ容量が極端に制限された環境において、巨大で高精度な大規模モデルと同等の推論性能を発揮させたい。大規模な教師モデルが出力する各クラスへの確率分布の傾向を目標値として、構造が小さく軽量な生徒モデルに学習させることで、精度低下を抑えつつモデルを劇的に圧縮する手法はどれか。
|
解説
|
| 1291 |
AIの開発競争において、学習データとなる大量のテキストや画像の確保が重要となっている。日本の現行の著作権法において、インターネット上に公開されている他人の著作物を、AIの学習データセットとしてスクレイピング等で収集し利用する行為の解釈として、最も適切なものはどれか。
|
解説
|
| 1292 |
人工知能が扱う記号そのものは、現実世界における身体的な意味や実体と結びついておらず、コンピュータは記号の意味を真に理解していないとされる認知科学上の問題を何と呼ぶか。
|
解説
|
| 1295 |
サポートベクトルマシンにおいて、元の入力空間では線形分離が不可能なデータ群を、高次元の特徴空間へと非線形写像することで線形分離を可能にする。このとき、高次元空間での内積計算を元の空間の関数として直接計算することで、計算爆発を回避する数理的手法を何と呼ぶか。
|
解説
|
| 1296 |
機械学習モデルの過学習を防ぐ正則化手法において、損失関数にパラメータの絶対値の総和のペナルティ項を加えるものがある。この手法を適用した際に、一部のパラメータの重みが完全にゼロになる数学的な特性が生じる現象を何と呼ぶか。
|
解説
|
| 1297 |
多層ニューラルネットワークの活性化関数としてシグモイド関数を用いると、層が深くなるにつれて逆伝播の勾配が急速に減衰する問題があった。これに対し、入力が正の領域では微分値が常に1となり、負の領域では常に0となる特性を持つ活性化関数はどれか。
|
解説
|
| 1298 |
ニューラルネットワークの最適化計算において、勾配がゼロになるポイントのうち、ある方向から見ると極小値であるが、別の方向から見ると極大値になっているような、多次元空間特有の停滞ポイントを何と呼ぶか。
|
解説
|
| 1299 |
畳み込みニューラルネットワークにおいて、畳み込み層の後に適用されるプーリング層では、特徴マップの局所的な領域から最大値を取り出す最大プーリングが広く用いられる。この処理を導入する最大の数理的・表現上の目的はどれか。
|
解説
|
| 1301 |
自然言語処理の基盤モデルであるTransformerの核心となる数理機構である。入力された文章内のすべての単語について、クエリ、キー、バリューの3つのベクトルを生成し、単語同士が互いにどれだけ強い関連性を持っているかを動的に計算して重み付けする仕組みはどれか。
|
解説
|
| 1303 |
強化学習の手法であるDeep Q-Networkにおいて、ニューラルネットワークを用いた関数の学習を安定させるために導入された、過去の遷移データをメモリに蓄積し、そこからランダムにサンプリングしてミニバッチ学習を行う手法を何と呼ぶか。
|
解説
|
| 1304 |
評価用データセットに対して不均衡データを扱う場合、正例をすべて陰性と予測する極端なモデルでも正解率が高くなってしまう。このような場合に、陽性と予測した中で本当に陽性だった割合と、実際の陽性のうち正しく陽性と予測できた割合のバランスを正しく評価するために、それらの調和平均を計算した指標はどれか。
|
解説
|
| 1305 |
ディープラーニングモデルをスマートフォンなどの組み込みデバイスに実装する際、計算資源やメモリ容量の制限をクリアするためモデルの軽量化が行われる。このうち、モデルの精度にほとんど寄与していない、重みの値がゼロに近い不要な結合やニューロン自体を物理的にネットワークから削除する手法を何と呼ぶか。
|
解説
|
| 1306 |
医療診断や自動運転など、個人の生命や財産に重大な影響を与えるAIシステムの社会実装において、AIがなぜその判断を下したのかのプロセスを人間が理解・追跡できることが求められる。AIの倫理ガイドラインにおいて、このシステム提供者や開発者が果たすべき、透明性の確保や判断根拠の説明に関する責務を何と呼ぶか。
|
解説
|
| 1307 |
人工知能が扱う記号が、現実世界における身体的な意味や実体と結びついていないため、真の意味理解に到達できないというAIの根本的な課題を何と呼ぶか。
|
解説
|
| 1308 |
エキスパートシステムにおいて、人間が日常的に用いる常識や暗黙知を論理ルールとしてすべて手作業で入力・言語化することが事実上不可能であるという限界を何と呼ぶか。
|
解説
|
| 1309 |
相関のある多数の特徴量を持つデータから、情報の損失を最小限に抑えつつ、データの分散が最大となるような互いに無相関な少数の合成変数を抽出して次元を削減する統計手法はどれか。
|
解説
|
| 1310 |
アンサンブル学習において、訓練データから重複を許してランダムに抽出したデータセットを複数作成し、それぞれで独立して学習させた決定木の予測結果を多数決や平均で統合する手法はどれか。
|
解説
|
| 1311 |
多層ニューラルネットワークにおいて、出力層の誤差から入力層に向かって逆伝播する際、微分の掛け合わせの繰り返しにより値がゼロに近づき、入力層に近い重みが更新されなくなる問題を何と呼ぶか。
|
解説
|
| 1312 |
ニューラルネットワークにおいて、出力層で発生した予測のズレから出発し、微分の連鎖律を利用して入力側へ遡ることで、各層の重みパラメータの修正量を効率よく計算するアルゴリズムはどれか。
|
解説
|
| 1313 |
ニューラルネットワークの学習を超高速化・安定化させるため、隠れ層においてデータの小集団ごとに特徴量の平均をゼロ、分散をイチになるように整え、内部共変量シフトを抑える手法はどれか。
|
解説
|
| 1314 |
畳み込みニューラルネットワークにおいて、特定の領域内の画素値から最も大きい数値を抽出することで特徴量マップを縮小し、画像内の微小な位置のズレに対する頑健性を高める処理はどれか。
|
解説
|
| 1315 |
画像認識において、画像内のすべての画素に対してここは道路ここは車というようにクラスごとに色分けを行うが、同じクラスに属する複数の異なる個体は区別せずに同一の領域として扱うタスクはどれか。
|
解説
|
| 1316 |
エッジデバイス向けにモデルを軽量化する際、予測性能が高い巨大な教師モデルが出力する確率分布を手本として、構造が小さい生徒モデルに学習させ、精度低下を抑えながらモデルを圧縮する手法はどれか。
|
解説
|
| 1317 |
ゲーム木探索において、現在の状態から終局までのランダムなシミュレーションを何度も繰り返し、最も勝率が上がった有望な選択肢を優先的に深く調べ進める統計的確率に基づいた探索手法はどれか。
|
解説
|
| 1318 |
既に特定のタスクを学習したニューラルネットワークに対して、新しい別のタスクのデータをそのまま追加学習させると、過去に学習したタスクの記憶や能力が完全に上書きされ失われてしまう現象を何と呼ぶか。
|
解説
|
| 1319 |
機械学習モデルの開発において、訓練データの中に本来は予測時に利用できないはずの未来の情報やテストデータが誤って混入し、学習時の見かけの精度だけが異常に高くなってしまう致命的な現象はどれか。
|
解説
|
| 1320 |
日本の現行法において、情報解析を目的とする場合、インターネット上に公開されている他人の著作物をAIの学習データとして原則無許諾で収集・利用できる旨を規定している法律はどれか。
|
解説
|
| 1321 |
AIシステムが下した予測や判断について、開発者や運用者がその根拠、安全性、リスクを社会やユーザーに対して適切に説明する倫理的および社会的な義務を何と呼ぶか。
|
解説
|
| 1322 |
現在の状態から可能な手をすべて展開し、終局に至るまでの全状態を木構造で表現したとき、特定の評価関数を用いて探索範囲を効率的に絞り込む探索手法はどれか。
|
解説
|