G検定

89問 • 1年前

jihen onbu

通報

問題一覧

人口知能の定義は専門家の間ですら異なる。その説明として適切なものを１つ選べ。

「知性」や「知能」の解釈が研究者によって異なるから。

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。

機械学習を取り入れた人口知能に関する説明として、最も適しているものを１つ選べ。

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。

AI効果の例として、最も適切なものを１つ選べ。

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。

人口知能とロボットの研究に関する説明として、不適切なものを１つ選べ。

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。

人口知能が持つ知的な処理能力として、最も不適切なものを１つ選べ。

モノを高速に移動させる運動能力

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。 1980年代に起こった第2次AIブームにおいては、（　）によって問題を解決する古典的な人口知能が台頭した。

エキスパートシステム

1956年に開催されたダートマス会議についての説明として、最も不適切なものを１つ選べ。

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。

「人口知能研究50年来のブレイクスルー」と称されるディープラーニングだが、その手法自体は第3次AIブームが盛り上がる以前から提案されていた。ここ数年になって急速な盛り上がりを見せているのにはいくつかの理由がある。その内容として最も不適切なものを１つ選べ。

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。

トイ・プロブレムに関する説明として、最も不適切なものを１つ選べ。

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。

人口知能研究の歴史と注目されてきた技術に関する説明として、最も適切なものを１つ選べ。

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。

第2次AIブームは、いかにして機械に知識を与えるかが大きなテーマになった。例えば自然言語処理の研究では、言葉同志の意味関係を定義する手法が提案された。しかし仮に言葉同志の意味関係がわかったとしても現実の概念と結び付けられるかどうかという問題が待ち受けている。この問題の語句として、最も適切なものを１つ選べ。

シンボルグラウンディング問題

異なる部屋にいる人間とコンピュータと対話をし、話し相手がコンピュータであることを人間が見抜けなければ、コンピュータには知識があるとする判定方法を使ったテストに合格しても、「本当に知能があるかは分からない」という議論として最も適切なものを１つ選べ。

中国語の部屋

フレーム問題についての説明として、最も適切なものを１つ選べ。

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。

ルールベース機械翻訳の説明として、最も不適切なものを１つ選べ。

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。

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

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。

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。

強いAIと弱いAIに関する説明として、不適切なものを１つ選べ。

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。

シンボルグラウンディング問題に関する説明として、不適切なものを１つ選べ。

人間の場合もシンボルグラウンディング問題は起きる。

知的獲得のボトルネックに関する説明として、不適切なものを１つ選べ。

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。

特徴量に関する説明として、不適切なものを１つ選べ。

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。

ある店舗のある日の午後のビールの売り上げ予想のために用いる特徴量として適切ではないと考えられるものを１つ選べ。

前日の購買者の平均年齢

未来学者レイ・カーツワイルが主張する「シンギュラリティー（技術的特異点）」に関する説明として、不適切なものを１つ選べ。

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。

以下の文章を読み、空欄に当てはまる言葉の組み合わせとして、最も適切なものを１つ選べ。迷路をコンピュータに理解できる構造で表現する方法の１つに（ア）がある。これは枝分かれする木のような構造をしており、それぞれの枝が条件の異なる場合分けに対応している。これは、場合わけ（枝）を追って行けばいつか目的の条件に合致するものが見つかるという単純な考えを基礎にしている。枝を探索する方法には（イ）と（ウ）があり、（イ）であれば最短距離でゴールにたどり着く解を必ず見つけることができるが、探索中にメモリ不足となる可能性がある。一方、（ウ）では、探索に大量のメモリを必要としないが、解が見つかったとしても最短距離でゴールにたどり着く解とは限らない。

（ア）探索木　（イ）幅優先探索　（ウ）深さ優先探索

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

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。ボードゲームをコンピュータで解く基本は探索である。代表的なボードゲームでは探索の組み合わせの数は（　）の順に大きくなるが、その組み合わせは天文学的な数であるため、事実上全てを探索することはできない。

オセロ　＜　チェス　＜　将棋　＜　囲碁

探索空間が大きすぎて事実上すべてを探索できないという問題に対処する方法に関する説明として、不適切なものを１つ選べ。

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。

オントロジーに関する説明として、不適切なものを１つ選べ。

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。

意味ネットワークに関する説明として、適切なものを１つ選べ。

（ア）is-a　（イ）part-of

「is-a」の関係と「part-of」の関係に関する説明として、不適切なものを１つ選べ。

「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。

オントロジーの構築に関する説明として、不適切なものを１つ選べ。

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。

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。

画像認識に関する説明として、不適切なものを１つ選べ。

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。

第1次AIブームにおける「探索」に関する説明として、最も不適切なものを1つ選べ。

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。

ビッグデータについて述べたものとして、最も適切なものを１つ選べ。

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。

Mini-Max法を改良し、効率よく同じ結果が得られるようにしたアルゴリズムの呼称として、最も適切なものを１つ選べ。

αβ法

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。（　）はロボットの行動計画などのプランニングのための手法であり、前提条件・行動・結果の３つで記述する。

STRIPS

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。大規模言語モデルは与えられた大量の文章を学習することで、一般的な言語の構造、文法、語彙などの基本を学ぶが、それだけでは人間が望ましいと考える怪盗を生成できないため（　）と呼ばれる学習も行う。

ファインチューニング

トランスフォーマーとそれを用いた大規模言語モデル（LLM）に関する説明として、最も不適切なものを１つ選べ。

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。

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

迷路の問題を解く際に用いる探索木の探索において、深さ優先探索の説明として、最も適切なものを１つ選べ。ここで迷路のスラーとを探索木のルートとし、探索木の終端は行き止まりまたはゴールとする。

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。

第3次AIブーム以降、ディープラーニングの活用が進んだ理由として、最も不適切なものを１つ選べ。

実ビジネスでルールベースAIの有益性が低下したため。

意味ネットワークを構築する上で重要となる概念間の関係性として、最も適切なものを１つ選べ。

「is-a」の関係

1964年から1966年にかけてジョゼフ＝ワイゼンバウムによって開発されたイライザ（ELIZA）の説明として、最も不適切なものを１つ選べ。

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。

ウェブマイニングやデータマイニングにおいて知識を取り出す取り組みとして、最も適切なものを１つ選べ。

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。

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。（　）は、血液中のバクテリアの診断支援をするプログラムで、「もし（if）以下の条件が成立すると、そうしたら（then）、その微生物は〇〇である」のルールに基づいて判定を行う。

マイシン（MYCIN）

知的獲得のボトルネックの説明として、最も適切なものを１つ選べ。

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。

ディープラーニングによる機械学習が注目されるきっかけとなった2002年の出来事として、最も適切なものを１つ選べ。

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。

次元の呪いに関する説明として、最も不適切なものを１つ選べ。

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。

次元の呪いについて、空欄（A）（B）に最もよく当てはまるものを１つ選べ。次元の呪いは、特徴量が多くなりすぎると（A）の向上が困難となる現象のことをいう。どれを避けるためには特徴量に見合った膨大な量のデータを用意するか、現実的には特徴量の中から必要なものを選び出す（B）や、できるだけ元の情報量を損なわないように低次元のデータに変換する次元削減といった手法が取られている。

（A）汎化性能　（B)特徴選択

特徴抽出の説明として、最も適切なものを１つ選べ。

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。

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。ブースティングは複数の弱分機器を組み合わせて１つの分類を構築する（　）の手法の１つである。

アンサンブル学習

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。サポートベクターマシン（SVM）において、データを（A）空間に写像することで、写像後の空間で線形分類を追超えるようにするという方法が取られる。その際に用いられる関数のことを（B）関数という。

（A）高次元　（B）カーネル

バギングに関する説明として、最も適切なものを１つ選べ。

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。

複数の決定木を用意し、訓練データをランダムに振り分けて、アンサンブル学習を行う学習手法として、最も適切なものを１つ選べ。

ランダムフォレスト

回帰問題や分類問題に関する説明として、最も適切なものを１つ選べ。

多クラス分類には、ソフトマックス関数が用いられる。

自己回帰モデル（AR）による分析対象例として、最も適切なものを１つ選べ。

株価予測

教師なし楽手の手法の中で、入力データの構造や特徴をつかむためにクラスタごとに重心を求め、各データを最も近いクラスタに紐づける作業を繰り返しあらかじめ決められた数のクラスタにデータを分類する手法の名称として最も適切なものを１つ選べ。

k-means法

サンプル同志の類似度をもとに、それらを複数のグループに分割する手法がある。この手法の特徴は、正解ラベルが付与されていないデータでも利用することができ、ビジネスにおける顧客のセグメンテーションなど、データマイニングの領域で広く利用される。サンプル同志の類似度をもとに、それらを複数のグループに分割する手法の名称として、最も適切なものを１つ選べ。

クラスタリング

階層的クラスタリングにおいて、クラスタが形成されていく様子を木構造で表現した図の名称として、最も適切なものを１つ選べ。

デンドログラム

レコメンデーションに関する以下の文章を読み、空欄（A）～（C）に最もよく当てはまるものを１つ選べ。（A）は、ECサイト等でユーザーの購買履歴をもとに好みを分析し、興味がありそうな商品をおすすめする手法である。（A）は、事前にある程度の参考になるデータがない場合に推薦を行うことができない。これを（Ｂ）と言う。（Ｃ）は、ユーザーではなく、商品側に何かしらの特徴量を付与し、特徴が似ている商品を推奨する。（Ｃ）は対象ユーザーのデータさえあれば推薦を行うことができるので、（Ｂ）を回避することができる。

（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

学習について述べたものとして、最も適切なものを１つ選べ。

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。

強化学習は、マルコフ決定過程として定式化される。この場合のマルコフ性とは、どのような意味で用いられるか。過去、現在、未来の各状態の関係を記述した選択肢の中から、マルコフ決定過程を適切に記述していると考えられる最も適切なものを１つ選べ。

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。

機械学習における検証手法の１つであるk-分割交差検証は、どのようなときに用いると効果的か。最も適切なものを１つ選べ。

データセットに含まれるデータの件数が少ないとき。

ディープラーニングの説明として、最も不適切なものを１つ選べ。

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。

勾配消失問題の対策として、最も不適切なものを１つ選べ。

ドロップアウトを行う。

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。

隠れ層

誤差逆伝播法に関する説明として、最も適切なものを１つ選べ。

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。

ディープラーニングの膨大な計算量を処理する演算装置に関する説明として、最も不適切なものを１つ選べ。

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。

畳み込みニューラルネットワーク（CNN）を用いた学習を行う際、必要なデータについて述べたものとして、最も適切なものを１つ選べ。

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。

以下の説明に当てはまる活性化関数として、最も適切なものを１つ選べ。多層ニューラルネットワークの学習における勾配消失問題とは、出力層から誤差を伝播する過程で勾配が減衰してしまい、入力層に近い層の重み成分の学習が進まなくなってしまう現象である。この勾配消失問題に対しては、関数への入力値が0以下の場合には出力値が0となる入力値が0より大きい場合には、出力値として入力値と同じ値となる活性化関数を適用することが有効であると言われている。

ReLU関数

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。どんな値を入力しても0から1の間に変換されるため、最終的に確立を出力する際に有用な活性化関数は（　）である。

シグモイド関数

テストデータの一部が訓練データに紛れ込んだ場合に起り得る問題として、最も適切なものを１つ選べ。

モデルの性能が不当に高く評価される。

勾配降下法において、誤差関数を最小化する際には学習データを用いて計算を行い、それによりパラメータを更新することを繰り返す。その更新の各回を表す語句として、最も適切なものを１つ選べ。

イテレーション

勾配降下法などを用いてモデルを訓練する場合、オンライン学習、バッチ学習、ミニバッチ学習の3者の関係を記述する上で、最も適切なものを１つ選べ。ただし、全訓練データ数をNとする。

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。

ディープラーニングに限らず、機会学習の手法ではハイパーパラメータの地道なチューニングが必要になる。ハイパーパラメータの説明として、最も適切なものを1つ選べ。

モデルの学習の過程で決定されないパラメータである。

以下の文章を読み、空欄に最もよく当てはまるものを１つ選べ。（　）は２つの確立分布の差を表す尺度である。誤差関数として利用する場合、学習中のモデルの予測が、正解データと一致する割合が高いほど（　）の値は0に近づき、低いほど大きな値をとる。

交差エントロピー

確率的勾配降下法の説明として、最も適切なものを１つ選べ。

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。

ノーフリーランチの定理が示す内容として、最も適切なものを１つ選べ。

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。

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。（A）は誤差関数が増加し始めた段階で学習を停止する手法である。誤差関数が増加に転じた後、再び減少する（B）が起こりうるため、学習を停止するタイミングについては慎重な検討が必要な場合がある。

（A）早期終了　（B）二重降下現象

ディープラーニングにおいて過学習を防ぐ方法としてドロップアウトがある。ドロップアウトの説明として、最も適切なものを１つ選べ。

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。

Random Erasing についての説明として、最も適切なものを1つ選べ。

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。

ResNetにおいて、１つ下の層だけでなく、層をまたぐ結合の構造が導入されており、これにより誤差の逆伝播を行いやすくなるという特徴がある。この結合の名称として、最も適切なもの1つ選べ。

スキップ結合

畳み込みニューラルネットワーク（CNN）において、フィルタを移動させる幅の呼称として、最も適切なものを1つ選べ。

ストライド

データ拡張の目的として、最も不適切なものを1つ選べ。

学習時間の短縮

畳み込みニューラルネットワーク（CNN）において畳み込み層の処理を行う前に、入力データの周囲に0など固定のデータを埋める処理の名称として、最も適切なものを1つ選べ。

バディング

以下の文章を読み、空欄（A）（B）によく当てはまるものを１つ選べ。畳み込みニューラルネットワーク（CNN）の畳み込み層においては、（A）と呼ばれる小領域を１画素または複数画素ずつ動かしながら、画像と重なった領域において演算を行う。このとき動かす画素数のことを（B）といい、この処理のことを畳み込み処理という。

（A）フィルタ　（B）ストライド

畳み込みニューラルネットワーク（CNN）に関する説明として、最も適切なものを１つ選べ。

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。