問題一覧
1
「知性」や「知能」の解釈が研究者によって異なるから。
2
人口知能の定義に関する説明として、不適切なものを１つ選べ。
知的な処理能力を持つ機械（情報処理システム）であれば、誰もがそれを人口知能でると認めることができる。
3
パターン認識という古くからの研究をベースにしている。
4
検索エンジンにはAIが使われているが、その原理が人々に認知されるとAIとは呼ばれなくなった。
5
物理的な身体を必要としない将棋や囲碁のようなゲームもロボット研究の重要な研究対象である。
6
モノを高速に移動させる運動能力
7
エキスパートシステム
8
圧倒的な計算力を持つエニアック（ENIAC）が紹介され、コンピュータが人間の能力を凌駕する可能性について議論された。
9
政府によって「第五世代コンピュータ」と名付けられた大型プロジェクトが推進されたから。
10
チェスや将棋などのトイ・プロブレムとは異なり、「ハノイの塔」は非常に複雑な問題であった。
11
第1次AIブームで盛んに研究された探索ベースの手法は、人間が問題を適切に定義できればAIが問題をとくことができた。
12
シンボルグラウンディング問題
13
中国語の部屋
14
人口知能が判断を行う際に、それに関連することのみを抽出することが困難であるということ。
15
大量のコーパスを学習させて翻訳モデルを構築するため、人手がかからず、高度な言語知識も不要である。
16
以下の文章を読み、空欄（A)（B)に最もよく当てはまるものを１つ選べ。 1990年代以降、（A)と呼ばれる機械翻訳が一般的に用いられるようになった。（A)は以前の翻訳手法と比較して、性能は飛躍的に向上したが、文法的には正しいものの人間には不自然に感じられる訳を出力することがあり、実用レベルとはいえなかった。この理由の１つとして、人間が持っている一般常識を人口知能に習得させることは困難である（B)が挙げられる。
（A)統計的機械翻訳 （B)知識獲得のボトルネック
17
フレーム問題に関する説明として、不適切なものを１つ選べ。
フレーム問題は人口知能、特有の問題であり人間には起きないと考えられる。
18
チューリングテストに関する説明として、不適切なものを１つ選べ。
チューリングテストは、人口知能の会話能力レベルを判定する方法の１つとして、イギリスの数学者アラン·チューリングが提唱したものである。
19
ジョン・サールは「強いAI」は実現可能だと主張し、「中国語の部屋」という思考実験を提案した。
20
人間の場合もシンボルグラウンディング問題は起きる。
21
統計的機械翻訳は、膨大な対訳データ（コーパス）を利用して文単位のレベルで翻訳できたので、一般常識がなくても制度の高い翻訳ができた。
22
機械学習は人間にはできない特徴量を自動的に抽出してしまうので「判断理由を説明できないブラックボックス型の人口知能」だといわれている。
23
前日の購買者の平均年齢
24
シンギュラリティーとは「人口知能が人間よりも賢くなること」でそれが起きるのは2029年頃であると予想してる。
25
（ア）探索木 （イ）幅優先探索 （ウ）深さ優先探索
26
下図のような木構造で表された迷路において、スタート（S)からゴール（G）までたどり着くパスを探索する場合、最も適切なものを１つ選べ。
深さ優先探索で4回
27
オセロ ＜ チェス ＜ 将棋 ＜ 囲碁
28
ブルートフォース法は、コンピュータが2人の仮想的なプレイヤーを演じて、完全にランダムに手を指し続ける方法でゲームをシミュレーションする方法である。
29
Cyc（サイク）プロジェクトは一般常識を全てデータベース化しようとしたプロジェクトで、ダグラス・レナートにより1984年からスタートし2014年まで30年間続いた。
30
（ア）is-a （イ）part-of
31
「part-of」の関係には最低5つの関係があることが分かっており、コンピュータにこれを理解させるのは大変難しい。これら全ての関係を正しくモデル化できるツールはまだ存在していない。
32
Webデータを解析して知識を取り出すウェブマイニングやビッグデータを解析して知識を取り出すデータマイニングは、ヘビーウェイトオントロジーと相性が良い。
33
機械学習とデータに関する説明として、不適切なものを１つ選べ。
ディープラーニングが登場する前から利用されていたレコメンデーションエンジンやスパムフィルタは、高度な機械学習アルゴリズムを利用することで、ビッグデータを利用せずに実用化に成功したアプリケーションである。
34
2012年、画像認識の精度を争う協議会「ILSVRC」でジェフリー・ヒントンが率いるトロント大学のチームが開発したニューラルネットワークであるSuperVisionが圧勝した。
35
幅優先探索はメモリがそれほど必要ないが、深さ優先探索は途中ノードを全て記憶するため多くのメモリが必要になる。
36
ビッグデータを利用した機会学習が活性化したことが、第3次AIブームの一因である。
37
αβ法
38
STRIPS
39
ファインチューニング
40
大規模言語モデルの性能は、学習データ量に関係なくニューラルネットワークのパラメータの個数を増やせば増やしただけ向上する。
41
以下の文章を読み、空欄（A）（Ｂ）に最もよく当てはまるものを１つ選べ。 ある問題をコンピュータで解くために、図のような探索木を考えた。これを幅優先探索で解くことを考える。「スタートＳ」から「ゴールＧ」まで左側のノードを優先して探索を行った場合と、右側のノードを優先して探索を行った場合では、（Ａ）の方が探索回数は少なくて済む。また、幅優先探索は深さ優先探索と比較して、一般的に（Ｂ）という特徴がある。
（Ａ）右側優先 （Ｂ）ゴールに最短距離でたどり着く解を必ず見つけられる
42
探索木のルートから先に順にたどっていく。行き止まりにたどり着いたら１つ上のノードに戻って別の経路を探索する。最短距離でゴールにたどり着く経路とは限らない。
43
実ビジネスでルールベースAIの有益性が低下したため。
44
「is-a」の関係
45
過去の膨大な会話ログから、機械が自立的に学習することで自然な応答パターンをルール化できた。
46
知識の関係性は必ず正しいとは限らないので、ライトウェイトオントロジーに属する。
47
マイシン（MYCIN）
48
人間から体系だった知識を引き出して、コンピュータに載せることが困難である。
49
画像認識の精度に関する競技会のILSVRCにおいて、ディープラーニングが既存の手法を大きく上回る制度を達成した。
50
機械学習のモデルを作成する際に、想定できる最大の次元数まで増やさないと制度が出ないことが多い。
51
（A）汎化性能 （B)特徴選択
52
あるデータからディープラーニングによって抽出された特徴量に分類などのタスクに有用である。
53
アンサンブル学習
54
（A）高次元 （B）カーネル
55
複数のモデルをそれぞれ別に学習させ、各モデルの出力を平均もしくは多数決することで決める手法のこと。
56
ランダムフォレスト
57
多クラス分類には、ソフトマックス関数が用いられる。
58
株価予測
59
k-means法
60
クラスタリング
61
デンドログラム
62
（A）協調フィルタリング （B）コールドスタート （C）コンテンツベースフィルタリング
63
公道価値関数を最適化するよう学習を進める手法である。
64
未来の状態は、現在の状態にのみ依存し、過去には依存しない。
65
データセットに含まれるデータの件数が少ないとき。
66
他の多くのアルゴリズムと比べて一般的に計算量は少なくて済む。
67
ドロップアウトを行う。
68
隠れ層
69
勾配消失問題を回避するには、適切な活性化関数を選ぶ必要がある。
70
GPUは画像に関する並列演算処理を得意としており、言語認識や音声のモデルにはCPUを用いる。
71
学習に必要なデータが不足していると思われる場合、データ拡張を行い、不足するデータ量を補うことがある。
72
ReLU関数
73
シグモイド関数
74
モデルの性能が不当に高く評価される。
75
イテレーション
76
オンライン学習では、パラメータ更新時に用いられるデータ数が1であり、バッチ学習ではN、ミニバッチ学習では\(n < N\)である。
77
モデルの学習の過程で決定されないパラメータである。
78
交差エントロピー
79
学習データごとに勾配を求めて修正量を出し、逐次更新する手法である。
80
あらゆる問題で性能の良い汎用最適化戦略は、理論上存在しない。
81
（A）早期終了 （B）二重降下現象
82
学習の繰り返しごとに、確率的に特定のニューロンを予測に用いない手法である。
83
画像処理に用いられるデータ拡張の1手法である。画像の一部分の画素をランダムに決定した値に変更することで、新しい画像を生成する。
84
スキップ結合
85
ストライド
86
学習時間の短縮
87
バディング
88
（A）フィルタ （B）ストライド
89
畳み込み処理は、生物の視覚の情報処理にヒントを得たニューラルネットワークの処理法の１つである。