問題 No.1756
ディープラーニングにおけるニューラルネットワークの構造を自動的に探索する技術であるNeural Architecture Search (NAS) に関する記述として正しいものはどれか。
【正解の解説】
強化学習や進化アルゴリズム、勾配法などを用いて、人間の専門家が設計するよりも効率的かつ高性能なネットワーク構造を探索する。
料理人が長年の勘でレシピを考えるのではなく、AI自身が何万通りもの隠し味や調理法を自動で試し、最高のレシピを発見するようなものです。人間の思い込みや経験則に縛られず、ディープラーニングの性能を極限まで引き出す画期的なアプローチとして注目されています。
スポンサーリンク
【その他の選択肢の解説】
教師なし学習や自己符号化器などを用いて、大量の未ラベルデータから特徴量を抽出しながら最適なネットワーク構造を自動生成する。
データの効率的な圧縮や特徴抽出を行う「自己符号化器（オートエンコーダー）」の役割と混同させるための罠です。NASは構造の設計図を自動で作る技術であり、データそのものから特徴を学ぶ教師なし学習の手法とは目的が異なります。
ベイジアン最適化やモンテカルロ木探索などを用いて、手動チューニングでは見つからない極小のハイパーパラメータ空間を網羅的に探索する。
学習率やバッチサイズといった「設定値（ハイパーパラメータ）」のチューニング手法と、「ネットワークの形（何層にするかなど）」を自動探索するNASを混同させるための引っかけです。パラメータ調整と構造探索はAI開発においてアプローチが異なる工程です。
転移学習やファインチューニングなどを用いて、既存の大規模事前学習モデルの重みパラメータを自動的に再構築して精度を最適化する。
すでに完成している優秀なAIの頭脳を流用する「転移学習やファインチューニング」の仕組みを説明しており、NASの定義とは異なります。NASはゼロから最適なネットワークの骨組み自体をデザインする技術であり、既存モデルの流用とは根本的に異なります。