| 1370 |
2クラス分類に用いられる線形モデルであるロジスティック回帰は、線形予測子を出力確率に変換するためにシグモイド関数を使用する。このモデルにおいて、ある事象が起こる確率pと起こらない確率(1-p)の比（オッズ）の対数をとった数理モデル（ロジット）は、入力特徴量とどのように関係しているか。
|
解説
|
| 1371 |
次元削減の代表的な手法である主成分分析（PCA）は、高次元のデータを情報の損失を最小限に抑えながら低次元に射影する。このとき、データを射影した後の空間において数理的に何を最大化するように、最初の合成変数（第1主成分）の方向（軸）が決定されるか。
|
解説
|
| 1373 |
ニューラルネットワークのパラメータ（重みやバイアス）を更新するために、各層の勾配をネットワークの出力側から入力側へと効率的に計算する「誤差逆伝播法」が用いられる。この手法は、微分の数学的性質であるどの法則に基づいているか。
|
解説
|
| 1376 |
RNNの課題である勾配消失問題を解決するために考案されたLSTM（Long Short-Term Memory）には、複数の「ゲート」と呼ばれる機構が備わっている。このうち、過去のセル状態（記憶）の情報をどれだけ次のステップに引き継ぐか（あるいは捨てるか）を、シグモイド関数を用いて数理的に制御するゲートの名称はどれか。
|
解説
|
| 1378 |
強化学習において、エージェントは将来にわたって得られる報酬の合計（収益）を最大化するように行動を学習する。このとき、遠い将来に得られる報酬の不確実性を考慮し、現在の価値に換算するためにステップごとに掛け合わせる数理的パラメータ（通常0から1の間の値をとる）を何と呼ぶか。
|
解説
|
| 1382 |
1950年にアラン・チューリングが提唱した、機械が人間と同等の知能を持っているかを判定するためのテストはどれか。人間の判定者が、人間と機械の双方と文字ベースで対話を行い、どちらが機械かを見分けられなければテスト合格とされる。
|
解説
|
| 1384 |
第2次AIブームで主流となったエキスパートシステムは、専門家の知識を「もし〜ならば〜である」というルールの形で蓄積し推論を行った。しかし、システム構築において大きな壁にぶつかりブームは終焉に向かう。専門家の暗黙知をコンピュータが扱えるルールとして抽出・記述することが困難であるというこの問題を何と呼ぶか。
|
解説
|
| 1385 |
教師なし学習の代表的なクラスタリング手法であるk-means法（k平均法）において、各データ点を指定されたk個のクラスタに分類する。このとき、クラスタの「中心」を更新する数理的な計算手順として正しいものはどれか。
|
解説
|
| 1387 |
機械学習モデルの汎化性能を評価する際、手元のデータを学習用とテスト用に分割する。データ数が少ない場合に有効な手法として、データをK個のグループに分割し、「1つをテスト用、残りのK-1個を学習用」とする学習・評価のプロセスをK回繰り返し、その平均を性能とする統計的な検証手法はどれか。
|
解説
|
| 1388 |
ディープラーニングにおいて、層が深くなると各層の入力データの分布が学習の進行とともに変化し、学習が不安定になる（内部共変量シフト）。これを防ぐため、ネットワークの各層の直前（または直後）において、ミニバッチごとの入力データの分布が平均0、分散1になるように数理的に変換を施す手法はどれか。
|
解説
|
| 1389 |
ニューラルネットワークの隠れ層で用いられる活性化関数の一つに、双曲線正接関数（tanh関数）がある。この関数はシグモイド関数と同様に滑らかなS字のカーブを描く非線形関数であるが、入力空間全体に対する出力値の数理的な範囲（値域）はどれか。
|
解説
|
| 1390 |
畳み込みニューラルネットワーク（CNN）のプーリング層は、特徴マップの空間サイズ（縦横の解像度）を縮小し、計算量の削減と微小な位置ズレに対する頑健性（並進不変性）を獲得する役割を持つ。対象となる局所領域（例：2x2のウィンドウ）の中から「最大値」のみを抽出する数理的処理を何と呼ぶか。
|
解説
|
| 1391 |
ディープラーニングにおいて層を非常に深くすると、勾配消失問題により学習が困難になる。この問題を解決し、100層を超えるCNNの学習を可能にしたResNet（Residual Network）では、ある層の入力を、数層先の出力に直接足し合わせる数理的構造を採用した。この構造を何と呼ぶか。
|
解説
|
| 1392 |
自然言語処理において、単語の意味を数十から数百次元の実数ベクトルとして数理的に表現する分散表現の代表的手法にWord2Vecがある。Word2Vecには2つのアーキテクチャがあるが、このうち「周囲の複数単語（コンテキスト）から、中心にある単語を予測する」ようネットワークを学習させるモデルの名称はどれか。
|
解説
|
| 1394 |
画像認識AI（CNN）がなぜその予測を出力したのかを人間が理解するための「説明可能AI（XAI）」の手法がある。予測の根拠となった画像内の重要な領域を、最後の畳み込み層から得られる特徴マップと勾配情報を用いて数理的に計算し、ヒートマップとして可視化する手法の名称はどれか。
|
解説
|
| 1395 |
教師あり学習で機械学習モデルを訓練するためには、入力データに対して正解データを作成する必要がある。画像内の物体を枠で囲んで名前を付けたり、テキストに感情のラベルを付与したりするなど、データに対して人間が正解となるラベルやタグを付与する作業プロセス全体を何と呼ぶか。
|
解説
|
| 1397 |
コンピュータが言語の文字列を処理できたとしても、それが現実世界におけるどのような物理的実体や感覚的な経験と結びついているかを理解していないため、真の意味での知能を獲得できていないとされる問題を何というか。
|
解説
|
| 1398 |
第2次人工知能ブームにおける主流システムでは、専門家の知識をルールとして記述することで推論を行っていた。しかし、人間が日常的に用いる常識や暗黙的な知識をすべて明示的なルールとして抽出・記述することには限界があり、システムの発展が停滞した。この限界を示す用語として最も適切なものはどれか。
|
解説
|
| 1399 |
サポートベクターマシンにおいて、入力空間では線形分離が不可能なデータに対して用いられる数学的アプローチについて問う。データをより高次元の特徴空間に写像することで線形分離を可能にする際、高次元空間での内積を元の空間の関数で直接計算することにより、計算量の爆発を防ぐ手法を何と呼ぶか。
|
解説
|
| 1400 |
機械学習モデルの汎化性能を評価するためのデータ分割に関する記述のうち、不適切なものはどれか。
|
解説
|
| 1401 |
教師なし学習におけるディープラーニングの手法に関する穴抜き問題である。「オートエンコーダは、入力データを（ ア ）と呼ばれるネットワークで低次元の潜在変数に圧縮し、そこから（ イ ）と呼ばれるネットワークで元の入力データを復元するように学習を行う。これにより、データに含まれるノイズを除去したり、重要な特徴量を抽出したりすることが可能になる。」（ア）と（イ）に当てはまる語句の組み合わせとして正しいものはどれか。
|
解説
|
| 1402 |
多層ニューラルネットワークにおいて、活性化関数として長らく用いられてきたシグモイド関数は、入力値の絶対値が大きくなると微分の値がほぼゼロになるという数理的性質を持っていた。この性質が原因で、層を遡るごとに誤差の勾配が減衰する勾配消失問題が発生する。この問題を解決するために広く採用された、入力が負の場合はゼロを、正の場合はそのままの値を出力し、正の領域で微分値が常に1となる活性化関数はどれか。
|
解説
|
| 1403 |
ディープラーニングモデルにおける過学習の抑制手法として用いられるドロップアウトについて、その数理的メカニズムと挙動を説明した文章として不適切なものはどれか。
|
解説
|
| 1404 |
ディープラーニングの学習において、各層への入力分布が学習の進行に伴って変化してしまう内部共変量シフトという問題がある。これを防ぐために導入された技術であり、ミニバッチごとに各層の出力を平均0、分散1となるように標準化し、その後学習可能なパラメータを用いてスケーリングとシフトを行う層を何と呼ぶか。
|
解説
|
| 1405 |
自然言語処理の分野で発展したAttentionは、入力系列のどの部分に注目すべきかの重みを動的に計算する機構である。このAttentionの数理的アプローチにおいて、入力から生成される3つのベクトルのうち、現在の処理対象（検索の質問）に相当するベクトルと、入力系列の各要素の特徴（検索のインデックス）に相当するベクトルの内積を計算することで、関連度を算出する。この計算に用いられる2つのベクトルの名称の組み合わせとして適切なものはどれか。
|
解説
|
| 1409 |
深層学習モデルやアンサンブル学習などの複雑なモデルは、高精度である一方で予測の根拠が不透明なブラックボックスになりやすい。この問題に対処するため、協力ゲーム理論における限界貢献度の概念を応用し、ある特定の予測結果に対して「各特徴量がそれぞれどれだけの数値を押し上げたか、または押し下げたか」という貢献度を厳密に計算し、公平に分配して可視化するXAI（説明可能AI）の手法はどれか。
|
解説
|
| 1410 |
日本において、AI開発企業がインターネット上に公開されている大量のイラストや文章をスクレイピングし、機械学習の訓練データとして利用する際の法的解釈について問う。日本の現行法において、この学習目的でのデータ収集・利用が原則として著作権者の許諾なく適法に行えると規定されている、著作権法の特定の条文の要件として最も適切な記述はどれか。
|
解説
|
| 1411 |
企業がグローバルにAIやデータビジネスを展開する際、各国の厳格なデータ保護法規制を遵守する必要がある。2018年に欧州連合（EU）で施行され、個人のデータ保護の権利（忘れられる権利やデータポータビリティの権利など）を強力に保障し、違反した企業に対しては全世界の年間売上高の最大4%などという極めて高額な制裁金を科す可能性がある規則の略称はどれか。
|
解説
|
| 1412 |
1956年に開催され、初めて「人工知能」という用語が提案・使用されたことで知られる、AI研究の出発点となった伝説的な学術会議の名称はどれか。
|
解説
|
| 1413 |
囲碁などの複雑なゲームにおいて、すべての分岐を末端まで計算する代わりに、ランダムな手を選び続けるシミュレーションを多数回実行し、その勝率を統計的に評価することで有望な手を絞り込むアルゴリズムはどれか。
|
解説
|