G検定 単語1
解説→テキストページ
問題一覧
1
1956年、アメリカで開催されたダートマス会議において人工知能研究者であるジョン・マッカーシーが初めて使った言葉で、学術的な研究分野の一つ。推論、認識、判断など人間と同じ知的な処理能力を持つ機械（情報処理システム）という点での意見はおおむね一致しているといえる。しかし「人工知能とは何か」については共有されている定義はない。
人工知能
2
人工知能のレベル別分類における以下のレベルは何か。
エアコンの温度調節、洗濯機の水量調整などの単純な振る舞いがあらかじめ決まっている製品で、制御工学やシステム工学の分野の技術。
レベル１：単純な制御プログラム
3
人工知能のレベル別分類における以下のレベルは何か。
掃除ロボットや診断プログラムなど、探索・推論、知識データを利用することで状況に応じてきわめて複雑な振る舞いをする製品。
レベル２：古典的な人工知能
4
人工知能のレベル別分類における以下のレベルは何か。
検索エンジンや交通渋滞予測など、非常に多くのサンプルデータをもとに入力と出力の関係を学習した製品。
2000年代に入りビッグデータの時代を迎え、さらなる進化をした。
レベル３：機械学習を取り入れた人工知能
5
人工知能のレベル別分類における以下のレベルは何か。
特徴量と呼ばれる変数を自動的に学習するサービスや製品。
画像認識や音声認識、自動翻訳などの分野。
レベル４：ディープラーニングを取り入れた人工知能
6
どのような特徴が学習結果に大きく影響するか。
特徴量
7
特徴量を自動的に学習する技術。
ディープラーニング
8
人工知能で新たなことが実現され、その原理がわかってしまうと、「それはただの自動化であり知能とは関係ない」と結論付けてしまう心理的効果。
AI効果
9
次の文はロボットの研究をさしているか、人工知能の研究をさしているか。
「考える（知的な処理能力）」という目に見えないものを中心に扱っている学問。
人工知能
10
1946年、アメリカのペンシルベニア大学で開発された世界初の汎用電子式コンピュータ。17,468本の真空管を使った巨大な電算機の名称。
エアニック
11
エアニックの誕生から１０年後に開催された、人工知能という言葉が初めて使われた会議。
ダートマス会議
12
ニューウェルとサイモンがデモンストレーションした史上初の人工知能。
コンピュータが四則演算しかできなかった時代に数学の基礎的定理を38個証明した。
ロジック・セオリスト
13
次のAIブームは第何次AIブームか。
特定の問題に対して解を提示できるようになったことがブームのきっかけとなった。とくに英語→ロシア語などの機械翻訳が注目された。
ブームが冷めたきっかけは、迷路や数学の定理の証明のような簡単な問題は解けても複雑な現実の問題を解けないことが明らかになったから。
第１次AIブーム（探索と推論の時代：1950年代後半～1960年代）
14
次のAIブームは第何次AIブームか。
データベースに大量の専門知識をため込んだエキスパートシステムと呼ばれる実用的なシステムが多く作られた。
冷めた原因は知識を蓄積・管理することの大変さが明らかになったため。
第２次AIブーム（知識の時代：1980年代）
15
次のAIブームは第何次AIブームか。
ビックデータと呼ばれる大量のデータを用いて人工知能が自ら知識を獲得する機械学習が実用され、知識を定義する要素を人工知能が自ら習得するディープラーニングが登場した。
第３次AIブーム（機械学習と特徴表現学習の時代：2010年～）
16
第２次AIブームに多く作られた、データベースに大量の専門知識をため込んだ実用的なシステム。
エキスパートシステム
17
第２次AIブームに日本で推進された政府による大型プロジェクト。
第五世代コンピュータ
18
迷路や数学の定理の証明などの簡単な問題。
トイ・プロブレム
19
知識を定義する要素を人工知能が自ら習得すること。
ディープラーニング
20
人間を超える「超知性」の誕生のこと。
シンギュラリティー
21
ディープラーニングを駆使して創造的な音楽や画像、文章などを生み出すAI。
生成AI
22
大量の言語データを効率的に学習し、それをもとに自然な文章を生成できる技術。
大規模言語モデル
23
1969年、ジョン・マッカーシーとパトリック・ヘイズが提唱した人工知能における重要な問題。
「今しようとしていることに関係のある事柄だけを選び出すことは、実は非常に難しい」という問題。
フレーム問題
24
イギリスの数学者、アラン・チューリングが提唱した、別の場所にいる人間がコンピュータと会話をし、相手がコンピュータだと見抜けなければコンピュータに知能があるとするもの。
チューリングテスト
25
1966年、ジョセフ・ワイゼンバウムによって開発された、精神科セラピストの役割を演じるプログラム。
イライザ
26
1991年以降毎年開催される、チューリングテストに合格する会話ソフトウェアを目指すもの。
ローブナーコンテスト
27
アメリカの哲学者、ジョン・サールが1980年に発表した「Minds,Brains,and Programs(心、脳、プログラム)」という論文の中で提示した区分の一つ。
適切にプログラムされたコンピュータは、人間が心を持つのと同じ意味で心を持ち、プログラムそれ自身が人間の認知の説明であるというもの。
強いAI
28
アメリカの哲学者、ジョン・サールが1980年に発表した「Minds,Brains,and Programs(心、脳、プログラム)」という論文の中で提示した区分の一つ。
コンピュータは人間の心を持つ必要はなく、有用な道具であればよいというもの。
弱いAI
29
ある部屋に英語しか話せない人が閉じ込められており、その部屋の中には中国語の質問に対して完璧に答えられるマニュアルがあるとする。中国語の文字をマニュアル通り置き換えることで中国語での受け答えが可能になる。受け答えを繰り返すと、部屋の外にいる人は、部屋の中にいる人のことを中国語を理解していると解釈するだろうが、実際はマニュアル通り変換しているだけで実際には理解していないという思考実験。
チューリングテストに合格して、一見知能があるように見えても本当に知能があるかはわからないというもの。
中国語の部屋
30
既存のコンピュータでは、意識は脳の中にある微細な管に生じる量子効果が絡んでいるため「強いAI」が実現できないと主張した、『皇帝の新しい心－コンピュータ・心・物理法則』という著書を書いた人物。
ロジャー・ペンローズ
31
1990年、認知科学者のスティーブン・ハルナッドにより議論された、記号とその対象がいかにして結びつくかという問題。人工知能の難問とされている。
シンボルグラウンディング問題
32
知能が成立するためには身体が不可欠であるという考え方。人間には身体があるから物事を認知したり嗜好したりできるという考えで、このようなアプローチを何に着目したアプローチというか。
身体性
33
1970年代後半頃一般的であった機械翻訳の仕組み。
ルールベース機械翻訳
34
1990年代以降の主流である機械翻訳。人間が持つ一般常識を駆使して翻訳を行うが、この膨大な一般常識を学習する作業が問題点である。
統計的機械翻訳
35
人間が持つ一般常識を知識としてコンピュータが獲得することの難しさをさす人工知能の分野での呼び方。
知識獲得のボトルネック
36
2010年ごろから登場した、ディープラーニングを応用した機械翻訳。Google翻訳でこの技術が利用され、機械翻訳の品質が格段に向上したことも大きな話題となった。
ニューラル機械翻訳
37
ある迷路があり、スタート地点をSとして、ゴールをGとする。
分岐があるところと行き止まりのところに記号を付け、それらを線でつなぐ、この迷路の枠を取り去り、Sを起点にぶら下げる形で表現される、木のような構造をしたコンピュータが処理できる形式に変換された迷路。
探索木
38
出発点に近いノード順に検索する探索木の探索方法。
最短距離でゴールにたどり着く解が見つかるが、検索途中でのノードを据えて記憶するためメモリ不足になる恐れがある。
幅優先探索
39
あるノードから行けるところまで行って、行き止まりになったら前のノードに戻って探索を行うのを繰り返す探索木の探索方法。
メモリはあまり必要ないが、見つかった解がゴールへの最短距離とは限らない。
深さ優先探索
40
探索木を使って解くことができるパズルで、３本のポールがあり、はじめはすべて左側にあるポールに大きさの異なる複数の円盤があり、小さい円盤に大きな円盤を重ねることはできず、一枚ずつしか移動できないというルールのもと、すべての円盤を右側のポールに移動させるパズル。
ハノイの塔
41
ロボットの行動計画が探索を利用して作成する技術。
プランニング
42
〈前提条件〉、〈行動〉、〈結果〉という３つの組み合わせで記述するプランニングの研究で有名なもの。
STRIPS
43
1968年から1970年にかけてテリー・ウィノクラードによって開発されたシステム。英語による指示を受けつけ、コンピュータ画面に描かれる「積み木の世界」に存在する様々な物体を動かすことができる。
SHRDLU
44
囲碁の世界でトップレベルの実力者である韓国のプロ棋士に勝利した、DeepMind社が開発した人工知能プログラム。
AlphaGo
45
次の組み合わせはどのボードゲームか。
約10の60乗通り。
オセロ
46
次の組み合わせはどのボードゲームか。
約10の120乗通り。
チェス
47
次の組み合わせはどのボードゲームか。
約10の220乗通り。
将棋
48
次の組み合わせはどのボードゲームか。
約10の360乗通り。
囲碁
49
探索を効率化するのに有効な、という意味で探索に利用する経験的な知識のこと。人工知能で扱う問題の多くが組み合わせの数が多すぎて歯が立たないので、これの利用が重要となる。
ヒューリスティックな知識
50
自分の番では自分が有利になるように手を打つべきで、相手の番では相手が有利になるように相手は手を打つはずだということを前提とする、ゲーム戦略を立てる手法。
Min-Max法
51
論理的に考えて無駄な探索を省くゲーム戦略の立てかたの手法。スコアの計算する必要のないノードを探索対象から外すもの。
αβ法
52
スコアが最小となる局面において探索する必要のない自分の枝を切り落とす行為。
βカット
53
スコアが最大となるものを選択する局面で、探索する必要のない相手の枝を切り落とす行為。
αカット
54
ゲームがある局面まで進んだらあらかじめ決められた方法でゲームの局面のスコアを評価するという方法を放棄する代わりに、コンピュータが二人の仮想的なプレイヤーを演じて完全ランダムで手をさし続け終局に持っていく確率を計算してスコアを評価するゲーム戦略の手法。
モンテカルロ法
55
モンテカルロ法においてコンピュータが二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さし続けとにかく終局させること。
プレイアウト
56
チャットボットやおしゃべりボットなどと呼ばれているプログラム。特定のルールや手順に沿って会話を機械的に処理するだけで実際は会話の内容を理解していないためこのように呼ばれる。
人工無脳
57
人工無脳の元祖。ジョセフ・ワイゼンバウムによって開発された。基本的におうむ返しに相手の発言を再利用して発言する。
イライザ
58
イライザが自分の発言を理解して応答してくれていると思い込み、本物の人間と話しているように感じる錯覚。
イライザ効果
59
専門分野の知識を取り込み、その分野のエキスパートのようにふるまうプログラム。
エキスパートシステム
60
初期のエキスパートシステムとして最も影響の大きかった、1970年代にスタンフォード大学で開発されたシステム。血液中のバクテリアの診断支援し、それに合った抗生物質を処方できるプログラム。69％で正しい処方を行い、専門医師には及ばないものの、そうでない医師よりは正確だった。
マイシン
61
スタンフォード大学のエドワード・ファイゲンバウムによって開発された未知の有機化合物を特定するエキスパートシステム。
DENDRAL
62
「概念」をラベルの付いたノードで表し、概念間の関係をラベルの付いたリンク（矢印）で結んだネットワーク。もともとは認知心理学での用語だった。
意味ネットワーク
63
意味ネットワークにおける継承関係。「動物は生物である」や「哺乳類は動物である」などを表現する。矢印が向いている側が上位概念で、矢印の始点が下位概念となる。
「is-a」の関係
64
意味ネットワークにおける属性を表す。「目は頭部の一部である」や「肉球は足の一部である」などを表す。矢印の向いている側が上位概念、始点が下位概念である。
「part-of」の関係
65
1984年にダグラス・レナートによってスタートした、エキスパートシステムのような知識ベースのシステムが柔軟な能力を発揮するには膨大な知識が必要で、柔軟な知的能力を実現するには広い範囲に及ぶ常識が必要になる。この課題に挑戦するためのプロジェクト。
Cycプロジェクト
66
本来は哲学用語であり、存在論という意味の言葉。人工知能の用語としては「概念化の明示的な仕様」という定義が広く受け入れられている。特定の領域の言葉の定義やその関連性を形式化し、それを用いて新たな知識の創出、共有の様々な局面に役立てようという試み。
オントロジー
67
構成要素や意味的関係の正当性について哲学的な考察が必要なため、どうしても人間がかかわることとなる傾向が強く、時間とコストがかかるオントロジー。
ヘビーウェイトオントロジー
68
効率を重視し、完全に正しいものでなくても使えればよいという考えから、構成要素の分類関係の正当性への深い考察をしない傾向にある。ウェブマイニングやデータマイニングで利用されている。
ライトウェイトオントロジー
69
Webサイトが持つ意味をコンピュータに理解させ、コンピュータ同士で処理を行わせるための技術。
セマンティックWeb
70
コンピュータ処理に適したデータを公開・共有するための技術。
LOD
71
IBMが開発した、2011年にアメリカのクイズ番組に出演し冷気大チャンピョンと対戦して勝利したことで有名となった。QestionーAnsweringという研究分野の成果。ウィキペディアの情報をもとにライトウェイトオントロジーを生成して解答に使っていた。
ワトソン
72
東大入試合格を目指す人工知能。2011年から2016年まで続いた。質問の意味を理解しているわけではなく、読解力に問題があるため東大合格は不可能という理由から凍結された。
東ロボくん
73
ユーザーの好みを推測するアプリケーション。膨大なサンプルデータを利用できるようになった機械学習によって実用化されたアプリケーション。
レコメンデーションエンジン
74
迷惑メールを検出するアプリケーション。膨大なサンプルデータを利用できるようになった機械学習によって実用化されたアプリケーション。
スパムフィルタ
75
複数の単語をひとまとまりにした単位で用意された膨大な量の対訳データをもとに、最も正解である確率が高い訳を選択する翻訳。
統計的自然言語処理
76
自然言語の文章や使い方を大規模に収集し、コンピュータで検索できるデータベース。
コーパス
77
人間が特徴量を見つけ出すのが難しい場合、特徴を機械学習自身に発見させればよいというアプローチ。
特徴表現学習
78
機械学習の一つ。生物の神経回路をマネすることで学習を実現しようとするもの。
ニューラルネットワーク
79
一つの神経細胞を単純化したモデル。ニューロンに接続している各入力の「重み」を調整することで２つの対象を分離する直線を見つけることができた。
パーセプトロン
80
出力の精度向上のために用いられる学習手法の一つ。実際の出力をお手本の出力と比較し、それをもとに重みやバイアスを修正する方法。
誤差逆伝播法
81
入力したものと同じものを出力するように学習するニューラルネットワークの一種。
オートエンコーダ
後期中間
後期中間
麦藁菊 · 6問 · 2年前後期中間
後期中間
6問 • 2年前英コミ(単語)
英コミ(単語)
麦藁菊 · 8問 · 2年前英コミ(単語)
英コミ(単語)
8問 • 2年前前期中間考査（第一回考査）
前期中間考査（第一回考査）
麦藁菊 · 65問 · 1年前前期中間考査（第一回考査）
前期中間考査（第一回考査）
65問 • 1年前全商情報処理検定１級（関数）
全商情報処理検定１級（関数）
麦藁菊 · 14問 · 1年前全商情報処理検定１級（関数）
全商情報処理検定１級（関数）
14問 • 1年前前期中間考査（第一回考査）２
前期中間考査（第一回考査）２
麦藁菊 · 53問 · 1年前前期中間考査（第一回考査）２
前期中間考査（第一回考査）２
53問 • 1年前前期期末考査（第二回考査）
前期期末考査（第二回考査）
麦藁菊 · 87問 · 1年前前期期末考査（第二回考査）
前期期末考査（第二回考査）
87問 • 1年前全商情報処理検定プログラミング(語句)
全商情報処理検定プログラミング(語句)
麦藁菊 · 20問 · 1年前全商情報処理検定プログラミング(語句)
全商情報処理検定プログラミング(語句)
20問 • 1年前後期中間考査（第三回考査）
後期中間考査（第三回考査）
麦藁菊 · 100問 · 1年前後期中間考査（第三回考査）
後期中間考査（第三回考査）
100問 • 1年前後期中間考査
後期中間考査
麦藁菊 · 29問 · 1年前後期中間考査
後期中間考査
29問 • 1年前後期中間考査（第三回考査）２
後期中間考査（第三回考査）２
麦藁菊 · 14問 · 1年前後期中間考査（第三回考査）２
後期中間考査（第三回考査）２
14問 • 1年前後期中間考査（第三回考査）選択
後期中間考査（第三回考査）選択
麦藁菊 · 7問 · 1年前後期中間考査（第三回考査）選択
後期中間考査（第三回考査）選択
7問 • 1年前後期中間考査（第三回考査）記述
後期中間考査（第三回考査）記述
麦藁菊 · 7問 · 1年前後期中間考査（第三回考査）記述
後期中間考査（第三回考査）記述
7問 • 1年前後期中間考査（第三回考査）記述
後期中間考査（第三回考査）記述
麦藁菊 · 100問 · 1年前後期中間考査（第三回考査）記述
後期中間考査（第三回考査）記述
100問 • 1年前後期中間考査（第三回考査）
後期中間考査（第三回考査）
麦藁菊 · 82問 · 1年前後期中間考査（第三回考査）
後期中間考査（第三回考査）
82問 • 1年前後期期末考査（第4回考査）
後期期末考査（第4回考査）
麦藁菊 · 53問 · 1年前後期期末考査（第4回考査）
後期期末考査（第4回考査）
53問 • 1年前ITパスポート用語
ITパスポート用語
麦藁菊 · 100問 · 1年前ITパスポート用語
ITパスポート用語
100問 • 1年前ITパスポート用語２
ITパスポート用語２
麦藁菊 · 48問 · 1年前ITパスポート用語２
ITパスポート用語２
48問 • 1年前問題一覧
1
1956年、アメリカで開催されたダートマス会議において人工知能研究者であるジョン・マッカーシーが初めて使った言葉で、学術的な研究分野の一つ。推論、認識、判断など人間と同じ知的な処理能力を持つ機械（情報処理システム）という点での意見はおおむね一致しているといえる。しかし「人工知能とは何か」については共有されている定義はない。
人工知能
2
人工知能のレベル別分類における以下のレベルは何か。
エアコンの温度調節、洗濯機の水量調整などの単純な振る舞いがあらかじめ決まっている製品で、制御工学やシステム工学の分野の技術。
レベル１：単純な制御プログラム
3
人工知能のレベル別分類における以下のレベルは何か。
掃除ロボットや診断プログラムなど、探索・推論、知識データを利用することで状況に応じてきわめて複雑な振る舞いをする製品。
レベル２：古典的な人工知能
4
人工知能のレベル別分類における以下のレベルは何か。
検索エンジンや交通渋滞予測など、非常に多くのサンプルデータをもとに入力と出力の関係を学習した製品。
2000年代に入りビッグデータの時代を迎え、さらなる進化をした。
レベル３：機械学習を取り入れた人工知能
5
人工知能のレベル別分類における以下のレベルは何か。
特徴量と呼ばれる変数を自動的に学習するサービスや製品。
画像認識や音声認識、自動翻訳などの分野。
レベル４：ディープラーニングを取り入れた人工知能
6
どのような特徴が学習結果に大きく影響するか。
特徴量
7
特徴量を自動的に学習する技術。
ディープラーニング
8
人工知能で新たなことが実現され、その原理がわかってしまうと、「それはただの自動化であり知能とは関係ない」と結論付けてしまう心理的効果。
AI効果
9
次の文はロボットの研究をさしているか、人工知能の研究をさしているか。
「考える（知的な処理能力）」という目に見えないものを中心に扱っている学問。
人工知能
10
1946年、アメリカのペンシルベニア大学で開発された世界初の汎用電子式コンピュータ。17,468本の真空管を使った巨大な電算機の名称。
エアニック
11
エアニックの誕生から１０年後に開催された、人工知能という言葉が初めて使われた会議。
ダートマス会議
12
ニューウェルとサイモンがデモンストレーションした史上初の人工知能。
コンピュータが四則演算しかできなかった時代に数学の基礎的定理を38個証明した。
ロジック・セオリスト
13
次のAIブームは第何次AIブームか。
特定の問題に対して解を提示できるようになったことがブームのきっかけとなった。とくに英語→ロシア語などの機械翻訳が注目された。
ブームが冷めたきっかけは、迷路や数学の定理の証明のような簡単な問題は解けても複雑な現実の問題を解けないことが明らかになったから。
第１次AIブーム（探索と推論の時代：1950年代後半～1960年代）
14
次のAIブームは第何次AIブームか。
データベースに大量の専門知識をため込んだエキスパートシステムと呼ばれる実用的なシステムが多く作られた。
冷めた原因は知識を蓄積・管理することの大変さが明らかになったため。
第２次AIブーム（知識の時代：1980年代）
15
次のAIブームは第何次AIブームか。
ビックデータと呼ばれる大量のデータを用いて人工知能が自ら知識を獲得する機械学習が実用され、知識を定義する要素を人工知能が自ら習得するディープラーニングが登場した。
第３次AIブーム（機械学習と特徴表現学習の時代：2010年～）
16
第２次AIブームに多く作られた、データベースに大量の専門知識をため込んだ実用的なシステム。
エキスパートシステム
17
第２次AIブームに日本で推進された政府による大型プロジェクト。
第五世代コンピュータ
18
迷路や数学の定理の証明などの簡単な問題。
トイ・プロブレム
19
知識を定義する要素を人工知能が自ら習得すること。
ディープラーニング
20
人間を超える「超知性」の誕生のこと。
シンギュラリティー
21
ディープラーニングを駆使して創造的な音楽や画像、文章などを生み出すAI。
生成AI
22
大量の言語データを効率的に学習し、それをもとに自然な文章を生成できる技術。
大規模言語モデル
23
1969年、ジョン・マッカーシーとパトリック・ヘイズが提唱した人工知能における重要な問題。
「今しようとしていることに関係のある事柄だけを選び出すことは、実は非常に難しい」という問題。
フレーム問題
24
イギリスの数学者、アラン・チューリングが提唱した、別の場所にいる人間がコンピュータと会話をし、相手がコンピュータだと見抜けなければコンピュータに知能があるとするもの。
チューリングテスト
25
1966年、ジョセフ・ワイゼンバウムによって開発された、精神科セラピストの役割を演じるプログラム。
イライザ
26
1991年以降毎年開催される、チューリングテストに合格する会話ソフトウェアを目指すもの。
ローブナーコンテスト
27
アメリカの哲学者、ジョン・サールが1980年に発表した「Minds,Brains,and Programs(心、脳、プログラム)」という論文の中で提示した区分の一つ。
適切にプログラムされたコンピュータは、人間が心を持つのと同じ意味で心を持ち、プログラムそれ自身が人間の認知の説明であるというもの。
強いAI
28
アメリカの哲学者、ジョン・サールが1980年に発表した「Minds,Brains,and Programs(心、脳、プログラム)」という論文の中で提示した区分の一つ。
コンピュータは人間の心を持つ必要はなく、有用な道具であればよいというもの。
弱いAI
29
ある部屋に英語しか話せない人が閉じ込められており、その部屋の中には中国語の質問に対して完璧に答えられるマニュアルがあるとする。中国語の文字をマニュアル通り置き換えることで中国語での受け答えが可能になる。受け答えを繰り返すと、部屋の外にいる人は、部屋の中にいる人のことを中国語を理解していると解釈するだろうが、実際はマニュアル通り変換しているだけで実際には理解していないという思考実験。
チューリングテストに合格して、一見知能があるように見えても本当に知能があるかはわからないというもの。
中国語の部屋
30
既存のコンピュータでは、意識は脳の中にある微細な管に生じる量子効果が絡んでいるため「強いAI」が実現できないと主張した、『皇帝の新しい心－コンピュータ・心・物理法則』という著書を書いた人物。
ロジャー・ペンローズ
31
1990年、認知科学者のスティーブン・ハルナッドにより議論された、記号とその対象がいかにして結びつくかという問題。人工知能の難問とされている。
シンボルグラウンディング問題
32
知能が成立するためには身体が不可欠であるという考え方。人間には身体があるから物事を認知したり嗜好したりできるという考えで、このようなアプローチを何に着目したアプローチというか。
身体性
33
1970年代後半頃一般的であった機械翻訳の仕組み。
ルールベース機械翻訳
34
1990年代以降の主流である機械翻訳。人間が持つ一般常識を駆使して翻訳を行うが、この膨大な一般常識を学習する作業が問題点である。
統計的機械翻訳
35
人間が持つ一般常識を知識としてコンピュータが獲得することの難しさをさす人工知能の分野での呼び方。
知識獲得のボトルネック
36
2010年ごろから登場した、ディープラーニングを応用した機械翻訳。Google翻訳でこの技術が利用され、機械翻訳の品質が格段に向上したことも大きな話題となった。
ニューラル機械翻訳
37
ある迷路があり、スタート地点をSとして、ゴールをGとする。
分岐があるところと行き止まりのところに記号を付け、それらを線でつなぐ、この迷路の枠を取り去り、Sを起点にぶら下げる形で表現される、木のような構造をしたコンピュータが処理できる形式に変換された迷路。
探索木
38
出発点に近いノード順に検索する探索木の探索方法。
最短距離でゴールにたどり着く解が見つかるが、検索途中でのノードを据えて記憶するためメモリ不足になる恐れがある。
幅優先探索
39
あるノードから行けるところまで行って、行き止まりになったら前のノードに戻って探索を行うのを繰り返す探索木の探索方法。
メモリはあまり必要ないが、見つかった解がゴールへの最短距離とは限らない。
深さ優先探索
40
探索木を使って解くことができるパズルで、３本のポールがあり、はじめはすべて左側にあるポールに大きさの異なる複数の円盤があり、小さい円盤に大きな円盤を重ねることはできず、一枚ずつしか移動できないというルールのもと、すべての円盤を右側のポールに移動させるパズル。
ハノイの塔
41
ロボットの行動計画が探索を利用して作成する技術。
プランニング
42
〈前提条件〉、〈行動〉、〈結果〉という３つの組み合わせで記述するプランニングの研究で有名なもの。
STRIPS
43
1968年から1970年にかけてテリー・ウィノクラードによって開発されたシステム。英語による指示を受けつけ、コンピュータ画面に描かれる「積み木の世界」に存在する様々な物体を動かすことができる。
SHRDLU
44
囲碁の世界でトップレベルの実力者である韓国のプロ棋士に勝利した、DeepMind社が開発した人工知能プログラム。
AlphaGo
45
次の組み合わせはどのボードゲームか。
約10の60乗通り。
オセロ
46
次の組み合わせはどのボードゲームか。
約10の120乗通り。
チェス
47
次の組み合わせはどのボードゲームか。
約10の220乗通り。
将棋
48
次の組み合わせはどのボードゲームか。
約10の360乗通り。
囲碁
49
探索を効率化するのに有効な、という意味で探索に利用する経験的な知識のこと。人工知能で扱う問題の多くが組み合わせの数が多すぎて歯が立たないので、これの利用が重要となる。
ヒューリスティックな知識
50
自分の番では自分が有利になるように手を打つべきで、相手の番では相手が有利になるように相手は手を打つはずだということを前提とする、ゲーム戦略を立てる手法。
Min-Max法
51
論理的に考えて無駄な探索を省くゲーム戦略の立てかたの手法。スコアの計算する必要のないノードを探索対象から外すもの。
αβ法
52
スコアが最小となる局面において探索する必要のない自分の枝を切り落とす行為。
βカット
53
スコアが最大となるものを選択する局面で、探索する必要のない相手の枝を切り落とす行為。
αカット
54
ゲームがある局面まで進んだらあらかじめ決められた方法でゲームの局面のスコアを評価するという方法を放棄する代わりに、コンピュータが二人の仮想的なプレイヤーを演じて完全ランダムで手をさし続け終局に持っていく確率を計算してスコアを評価するゲーム戦略の手法。
モンテカルロ法
55
モンテカルロ法においてコンピュータが二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さし続けとにかく終局させること。
プレイアウト
56
チャットボットやおしゃべりボットなどと呼ばれているプログラム。特定のルールや手順に沿って会話を機械的に処理するだけで実際は会話の内容を理解していないためこのように呼ばれる。
人工無脳
57
人工無脳の元祖。ジョセフ・ワイゼンバウムによって開発された。基本的におうむ返しに相手の発言を再利用して発言する。
イライザ
58
イライザが自分の発言を理解して応答してくれていると思い込み、本物の人間と話しているように感じる錯覚。
イライザ効果
59
専門分野の知識を取り込み、その分野のエキスパートのようにふるまうプログラム。
エキスパートシステム
60
初期のエキスパートシステムとして最も影響の大きかった、1970年代にスタンフォード大学で開発されたシステム。血液中のバクテリアの診断支援し、それに合った抗生物質を処方できるプログラム。69％で正しい処方を行い、専門医師には及ばないものの、そうでない医師よりは正確だった。
マイシン
61
スタンフォード大学のエドワード・ファイゲンバウムによって開発された未知の有機化合物を特定するエキスパートシステム。
DENDRAL
62
「概念」をラベルの付いたノードで表し、概念間の関係をラベルの付いたリンク（矢印）で結んだネットワーク。もともとは認知心理学での用語だった。
意味ネットワーク
63
意味ネットワークにおける継承関係。「動物は生物である」や「哺乳類は動物である」などを表現する。矢印が向いている側が上位概念で、矢印の始点が下位概念となる。
「is-a」の関係
64
意味ネットワークにおける属性を表す。「目は頭部の一部である」や「肉球は足の一部である」などを表す。矢印の向いている側が上位概念、始点が下位概念である。
「part-of」の関係
65
1984年にダグラス・レナートによってスタートした、エキスパートシステムのような知識ベースのシステムが柔軟な能力を発揮するには膨大な知識が必要で、柔軟な知的能力を実現するには広い範囲に及ぶ常識が必要になる。この課題に挑戦するためのプロジェクト。
Cycプロジェクト
66
本来は哲学用語であり、存在論という意味の言葉。人工知能の用語としては「概念化の明示的な仕様」という定義が広く受け入れられている。特定の領域の言葉の定義やその関連性を形式化し、それを用いて新たな知識の創出、共有の様々な局面に役立てようという試み。
オントロジー
67
構成要素や意味的関係の正当性について哲学的な考察が必要なため、どうしても人間がかかわることとなる傾向が強く、時間とコストがかかるオントロジー。
ヘビーウェイトオントロジー
68
効率を重視し、完全に正しいものでなくても使えればよいという考えから、構成要素の分類関係の正当性への深い考察をしない傾向にある。ウェブマイニングやデータマイニングで利用されている。
ライトウェイトオントロジー
69
Webサイトが持つ意味をコンピュータに理解させ、コンピュータ同士で処理を行わせるための技術。
セマンティックWeb
70
コンピュータ処理に適したデータを公開・共有するための技術。
LOD
71
IBMが開発した、2011年にアメリカのクイズ番組に出演し冷気大チャンピョンと対戦して勝利したことで有名となった。QestionーAnsweringという研究分野の成果。ウィキペディアの情報をもとにライトウェイトオントロジーを生成して解答に使っていた。
ワトソン
72
東大入試合格を目指す人工知能。2011年から2016年まで続いた。質問の意味を理解しているわけではなく、読解力に問題があるため東大合格は不可能という理由から凍結された。
東ロボくん
73
ユーザーの好みを推測するアプリケーション。膨大なサンプルデータを利用できるようになった機械学習によって実用化されたアプリケーション。
レコメンデーションエンジン
74
迷惑メールを検出するアプリケーション。膨大なサンプルデータを利用できるようになった機械学習によって実用化されたアプリケーション。
スパムフィルタ
75
複数の単語をひとまとまりにした単位で用意された膨大な量の対訳データをもとに、最も正解である確率が高い訳を選択する翻訳。
統計的自然言語処理
76
自然言語の文章や使い方を大規模に収集し、コンピュータで検索できるデータベース。
コーパス
77
人間が特徴量を見つけ出すのが難しい場合、特徴を機械学習自身に発見させればよいというアプローチ。
特徴表現学習
78
機械学習の一つ。生物の神経回路をマネすることで学習を実現しようとするもの。
ニューラルネットワーク
79
一つの神経細胞を単純化したモデル。ニューロンに接続している各入力の「重み」を調整することで２つの対象を分離する直線を見つけることができた。
パーセプトロン
80
出力の精度向上のために用いられる学習手法の一つ。実際の出力をお手本の出力と比較し、それをもとに重みやバイアスを修正する方法。
誤差逆伝播法
81
入力したものと同じものを出力するように学習するニューラルネットワークの一種。
オートエンコーダ