G検定 大項目1 人工知能とは 予想問題と解説

正解はダートマス会議。1956年にジョン・マッカーシーらが開いた会合で「人工知能」という言葉が初めて提案され、研究分野の出発点となった。Cycプロジェクトは一般常識をコンピュータに蓄積する取り組み、ILSVRCは画像認識の精度を競うコンペティション、シンギュラリティはAIが人間の知能を超える技術的特異点を指す概念で、いずれも1956年の分野誕生の出来事ではない。問題文の1956年、用語の初提案、研究分野誕生の契機という三条件を一組で捉えると、後年のプロジェクト・競技・未来概念を除外できる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はAI効果。実現された技術の原理が理解されると「これは知能ではない」と見なされ、AIの成果と認められなくなる現象を指す。フレーム問題は今関係のある事柄だけを選び出す難しさ、知識獲得のボトルネックは知識を人手で入力する負担、シンボルグラウンディング問題は記号と実世界の意味の結びつきの難しさで、いずれも心理的な捉え直しの現象ではない。技術上の処理困難ではなく、人々が成果をどう評価し直すかを問うている点が決め手になる。成果の仕組みが解明された後の見方に注目する。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は「人工知能はロボットの頭脳にあたる知的な情報処理を担う分野であり、身体を必ずしも必要としない。」。判断の軸は、AIが「頭脳」(知的な情報処理)を担い、ロボットが「身体」を担うという役割分担で、身体の有無はAIの必須条件ではない点である。誤答はこの役割分担のどこを取り違えているかで異なる。「駆動機構の設計を専門に扱う」とする説明はAIを身体側の設計に矮小化している。「完全に同義」とする説明はAIとロボットを同一視し、身体の有無をAIの必須条件として誤って課している。「外装のデザインを指す言葉」とする説明は頭脳と外装を取り違え、知能を担う仕組みと物理的な機械の関係を逆転させている。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はディープラーニングを取り入れた人工知能。AIを能力段階で4つに分けると、単純な制御プログラム、古典的な人工知能、機械学習を取り入れた人工知能、ディープラーニングを取り入れた人工知能の順に高度になり、最上位がディープラーニングを取り入れたものとされる。他の3つはより低い段階に位置づけられる。この問題は各方式の定義ではなく、示された四段階の順序を問う。制御、古典的AI、機械学習、ディープラーニングの順を再現できれば最上位を判断できる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はエージェント。環境を認識し、目標達成に向けて自律的に判断・行動する主体を指す。単純な制御プログラムはあらかじめ決められた動作を行うだけで自律的な判断はしない。オントロジーは概念や用語の関係を体系的に記述したもの、特化型AIは特定領域に限って能力を発揮するAIであり、いずれも「自律的に行動する主体」を表す語ではない。環境認識、目標、自律判断、行動という流れを持つ主体かどうかを確認すると、知識表現や能力範囲を表す語と分けられる。主体を問う点も手掛かりである。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はチューリングテスト。問題文では、人間の審査員が機械と文章で対話し、相手を人間と区別できるかという外から観察できる振る舞いを知能の判定基準にしている。この条件がチューリングテストに対応する。中国語の部屋は、規則どおりの記号操作だけでは意味を理解したことにならないとして、振る舞いと理解を分ける思考実験である。AI効果は実現した技術が知能と見なされにくくなる現象、シンギュラリティはAIが人間の知能を超えるとされる転換点である。対話、審査員、見分けられないという判定手順がそろうかで選ぶ。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はローブナーコンテスト。チューリングテストの考え方を土台に、人間の審査員と対話して最も人間らしく受け答えできるプログラムを選ぶ競技として開催された。問題文の決め手は、知能判定の考え方そのものではなく、実際に開催された競技の名称を求めている点である。チューリングテストは対話によって知能を判定する考え方、ダートマス会議は人工知能という言葉が提案された研究者の会合、ILSVRCは画像認識の精度を競うコンペティションである。対話の人間らしさ、競技、プログラム選出の3条件で見分ける。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は中国語の部屋（ジョン・サール）。規則の一覧に従って記号を対応させれば、外部から適切に返答しているように見えても、仕組み自体が記号の意味を理解しているとは限らない。この設定によって、観察できる振る舞いと本当の意味理解は別だと主張する思考実験である。チューリングテストは対話の振る舞いを知能判定に使う側、シンボルグラウンディング問題は記号を実世界の対象や意味へどう結び付けるかという論点、知識獲得のボトルネックは専門知識を規則としてまとめる難しさである。「部屋の設定」と「理解への反論」がそろうものを選ぶ。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は身体性。対象に実際に触れる、動き回る、外界と物理的に相互作用するという経験を通じて、概念や意味を獲得する過程が知能の成立に重要だとする考え方である。問題文では単に記号と意味の関係を問うのではなく、身体を通じた経験を不可欠としている点が決め手になる。シンボルグラウンディング問題は記号と実世界の意味をどう結び付けるか、フレーム問題は行動の影響範囲をどう切り分けるか、中国語の部屋は記号操作と意味理解の違いを問う。物理的な行為と経験を重視するものだけを残す。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

エキスパートシステムの開発・保守で生じる作業コストの問題を指す語として、正解は知識獲得のボトルネックである。専門家の暗黙知を聞き出し計算機が扱える規則の形にまとめる作業に多大な手間がかかり、開発や保守の妨げとなるという工学上の課題を表す語であることが、設問文の記述と直接対応する。シンボルグラウンディング問題とフレーム問題は、いずれも知識を聞き出し規則化する作業そのものではなく、記号と実世界の意味の結び付け方や、行動に伴う変化の範囲をどう区別するかという別種の難問であり、論点が異なる。トイ・プロブレムはそもそも課題の名称ではなく単純化して扱える問題群を指す語であるため、開発・保守の手間を表す設問の条件には当てはまらない。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はフレーム問題。ある行動を実行したときに変化する事柄と変化しない事柄を、起こりうるすべての可能性の中から適切に区別して考慮することが難しいという、人工知能における本質的な難問である。知識獲得のボトルネックは専門家が持つ知識を聞き出して規則の形にまとめる作業に手間がかかるという問題であり、行動の影響範囲を区別する話ではない。推移律は「AはB、BはC、ゆえにAはC」と関係を連鎖させてよいとする論理規則そのものであり、行動によって何が変化するかを判断する難問ではない。シンボルグラウンディング問題は記号とその記号が指し示す実世界の意味とを結びつける問題であり、行動の影響範囲を区別する難問ではない。問題文の「変化する事柄と変化しない事柄を、起こりうるすべての可能性の中から適切に区別」という条件に一致するのはフレーム問題だけである。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はシンボルグラウンディング問題。コンピュータが扱う記号（言葉や文字）を、それが実際に指し示す現実世界の物事の意味や概念と結びつけられるか、という人工知能の難問である。推移律は「AはB、BはC、ゆえにAはC」と関係を連鎖させてよいとする論理規則そのものであり、記号と意味の結びつきを問う難問ではない。知識獲得のボトルネックは専門家が持つ知識を規則の形にまとめる作業に手間がかかるという問題であり、記号接地の話ではない。フレーム問題はある行動によって変化する事柄と変化しない事柄を区別することが難しいという難問であり、記号と実世界の意味の結びつけを扱う問題ではない。問題文の「記号を、それが実際に指し示す現実世界の物事の意味や概念と結びつけられるか」という条件に一致するのはシンボルグラウンディング問題だけである。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は「特化型AI」である。問題文の分類軸は、人工知能が対応できる課題や領域の広さである。特定の決められた課題に限定して能力を発揮するものが特化型AIで、領域を限定せず多様な課題へ柔軟に対応する汎用AIと対比される。強いAIは人間と同等以上の知能を持つとされる概念であり、単に課題範囲が限定されるかを表す語ではない。身体性AIも、外界との身体的経験を重視する身体性の論点と混同した選択肢である。「特定」「限定」という範囲条件を、特化型と汎用型の対比へ結び付ける。

https://www.jdla.org/certificate/general/

正解は「単純な制御プログラム」である。エアコンの温度制御のように、あらかじめ定められた単純な条件に応じて動作する仕組みは、人工知能の4段階分類では最も基礎的な単純な制御プログラムに位置づけられる。判別では、条件が事前に固定されているか、推論や探索を行う多数のルールがあるか、データから規則を学ぶか、特徴量まで学ぶかを順に確認する。古典的な人工知能は多数のルールで推論・探索し、機械学習を取り入れた人工知能はデータから規則を学び、ディープラーニングを取り入れた人工知能は特徴量そのものを学習する。

https://www.jdla.org/certificate/general/

正解は「古典的な人工知能」である。問題文の条件は、多数のルールや知識を人があらかじめ与え、その内容を使って推論や探索を行うことである。この組合せが人工知能の4段階分類における古典的な人工知能を示す。単純な制御プログラムも規則は事前に与えられるが、単純な条件分岐による制御にとどまる。機械学習を取り入れた人工知能はデータから規則を学び、ディープラーニングを取り入れた人工知能は特徴量まで学習する。ルールの量と処理方法、規則を人が与えるかデータから学ぶかを分けて読む。

https://www.jdla.org/certificate/general/

正解は「AI効果」である。AI効果は、かつて人工知能的だと考えられていた機能が実現され普及すると、人工知能とは見なされにくくなる現象を指す。強いAIは人間のような理解や意識を持つAIをめぐる考え方、チューリングテストは知能判定の議論、身体性は知能と身体の関係に関する概念である。設問の「実現すると人工知能ではないと見なされがち」という変化に直接対応する語を選ぶと、AI効果に絞り込める。能力の種類や判定方法ではなく、実現・普及の前後で社会的な見方が変わる点が判断の軸になる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

正解は「エージェント」である。AIシステムを、特定の環境を観測し、目的に照らして行動を選ぶ主体として捉えるときに使う語がエージェントである。問題文には、環境という対象、観測という情報取得、目的という判断基準、行動選択という出力が順に示されている。汎用AIは幅広い課題に対応する能力範囲の概念、単純な制御プログラムはあらかじめ定めた条件に従う基礎的な制御、ローブナーコンテストは対話の人間らしさを競う競技である。観測から行動までを担う主体かどうかで判別する。

https://www.jdla.org/certificate/general/

正解は「チューリングテスト」である。人間が会話している相手について、機械か人間かを判定できるかという外から見える振る舞いを通じて、知能を持つように見えるかを考える試験である。似た語は、何を指す名称かで分ける。ローブナーコンテストはチューリングテストの考え方に基づく実際の競技、中国語の部屋は記号操作と本当の意味理解の違いを問う思考実験、ダートマス会議は人工知能という言葉が提案された研究者の会合である。設問が求めるのは競技や反論ではなく、会話による判定試験そのものである。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

正解は「特化型AI」である。特化型AIは、画像分類、翻訳、推薦など特定の目的に特化して性能を発揮するAIである。汎用AIは幅広い課題をこなす概念、強いAIは人間のような理解や意識を持つAIをめぐる考え方、身体性は知能と身体の関係に関する概念である。設問は「特定の目的には高い性能を示すが、任意の知的作業を幅広くこなすわけではない」という性質を聞いており、この条件に直接対応するのは「特化型AI」だけである。適用範囲が限定される点と、その範囲では高性能を示す点を一組で読む。

https://www.jdla.org/certificate/general/

正解は「シンボルグラウンディング問題」である。AIが扱う記号を、現実世界の対象や意味へどのように結び付けるかという論点を指す。問題文の「記号を操作できる」だけでは足りず、「現実世界の意味と結び付いているか」が決め手である。中国語の部屋は、規則に従う記号操作と本当の理解は別だと示す具体的な思考実験であり、意味接地という問題名そのものではない。AI効果は実現済みの機能がAIと見なされにくくなる現象、ロボットとAIの違いは物理的実体と知能機能の区別である。記号と意味の接続関係を問う選択肢を選ぶ。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

正解は「単純な制御プログラム」である。単純な制御プログラムは、あらかじめ決めたルールに従って動くもので、データから学習して性能を改善するわけではない。機械学習を取り入れたAIは与えられた特徴量からパターンを学習し、ディープラーニングを取り入れたAIはその特徴量自体をニューラルネットワークが自動的に獲得しながら学習する点で異なる。エージェントは環境を観測して目的に応じて行動する主体を指す。設問では「決められたルールに従うだけ」と「データから学習しない」の2条件を確認する。学習によって性能を改善する仕組みではない単純な制御プログラムが、この説明に直接対応する。

https://www.jdla.org/certificate/general/

正解は「身体性」である。身体を持ち、環境との相互作用を通じて得られる経験が知能の成立に重要だとする考え方に関係する語が身体性である。弱いAIは意識や真の理解を持たず、知的作業を道具として処理するとみなす立場を指す。AI効果はAIで実現された機能が、実現後にはAIと見なされにくくなる現象である。推論は与えられた知識から結論を導く処理であり、身体や環境との関係そのものを示さない。設問の「身体を持つ」「環境と相互作用する」を一組で捉え、AIの立場・評価現象・知的処理と分ける。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版）

正解は「機械学習を取り入れた人工知能」である。設問は、人が手作業で固定ルールを作る古典的な人工知能と対比し、データからパターンを学ぶことで分類や予測などの判断を改善するAIを尋ねている。これは機械学習を取り入れた人工知能である。単純な制御プログラムはあらかじめ定めた固定ルールに従い、データから判断規則を学ばない。汎用AIは幅広い課題に対応できるかという能力範囲の概念で、規則をどう獲得するかとは別軸である。「ロボットとAIの違い」は物理的な機械と知能機能の区別を表す論点である。判断規則を人が書くのかデータから学ぶのかで選ぶ。

https://www.jdla.org/certificate/general/

正解は「弱いAI」である。意識や真の理解を持つ存在ではなく、特定の知的作業を道具として遂行しているにすぎないとみなす立場が弱いAIである。強いAIは、人間のような意識や理解を備えたAIがありうるとする反対側の立場である。一方、汎用AIと特化型AIは対応できる課題の広さによる区分である。汎用AIは領域を限定せず幅広い課題へ対応し、特化型AIは特定課題で能力を発揮する。したがって、設問が問う意識・真の理解の有無と、課題範囲の広狭を混同しない。能力範囲ではなく、AIを理解主体とみなすか道具とみなすかで弱いAIを選ぶ。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は「知能について確立した唯一の定義はなく、研究者によって捉え方が異なるのが現状である」。判断の軸は、人工知能研究における「知能」の定義がそもそも未確立という事実である。誤答はいずれもこの未確立という事実に反する断定を含み、断定の方向がそれぞれ異なる。「合意された唯一の定義があり、それに基づいて設計されている」とする説明は、定義未確立の事実と逆方向に断定している。「計算速度の速さのみを指す」とする説明は、知能を構成する要素を一つに絞りすぎている。「機械が知能的にふるまう可能性は完全に否定されている」とする説明は、チューリングテストのように行動から知能を判定しようとする試み自体と矛盾する。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は「身体性」である。身体性の観点では、知能や認知を脳内の計算だけで完結するものとは考えず、身体が環境を知覚し、行動し、その結果を再び受け取る相互作用の中で成立するものとして捉える。弱いAIは特定の課題に限定して能力を発揮するAIを指し、知能の成立に身体がどう関わるかを説明する概念ではない。AI効果は実現した技術が仕組みを理解されるとAIと見なされにくくなる現象である。シンボルグラウンディング問題は記号を実世界の意味とどう結び付けるかという課題で、身体性と関連するが同じ名称ではない。

https://cir.nii.ac.jp/crid/1520307269592624512

正解は「統計的機械翻訳とは、言語の文法規則や単語の対応関係を人間があらかじめ定義し、それに基づいて翻訳を行う方式である」（誤り）である。この説明はルールベース機械翻訳の定義であり、統計的機械翻訳は文章を区切り、前後の単語の結びつきから統計的に最も確からしい対訳をあてはめて翻訳する方式である。設問の説明はルールベース機械翻訳の定義を統計的機械翻訳に誤って当てはめている。選択肢が示す「統計的機械翻訳は1990年代にルールベース機械翻訳に代わって主流となった」という時期の記述、および「ルールベース機械翻訳は翻訳ルールの追加に手間がかかり精度が低下する問題があった」という課題の記述は、いずれも選択肢の範囲で正しい。誤りは方式名と定義の組合せ1か所に絞られる。

https://www.jdla.org/certificate/general/

正解は「エージェント」である。JDLA公式シラバス2024の大項目1では、人工知能のレベルを「単純な制御プログラム」「古典的な人工知能」「機械学習」「深層学習」の4つに分類して説明できることを目標としており、「エージェント」はこの4つに含まれない。したがって、設問が求める4分類に含まれない語として「エージェント」を選べる。「単純な制御プログラム」「古典的な人工知能」「機械学習」はいずれもこの4分類に含まれる語であり、含まれないものを問う設問の答えにはならない。シラバスが挙げる語の一覧と選択肢を一つずつ照らし合わせて判断する。

JDLA公式シラバス2024（G2024#6）大項目1『人工知能とは』の人工知能の定義の目標が、人工知能のレベルを『単純な制御プログラム』『古典的な人工知能』『機械学習』『深層学習』の4つに分類して説明できることとする（公式PDF） https://www.jdla.org/download/g検定の試験出題範囲-（シラバス）2024/

正解はトイ・プロブレム。迷路やパズルのように、限られたルールの中で完結し、現実の複雑さを持ち込まずに扱える単純化された問題を指し、初期の人工知能研究では探索や推論の手法を検証する題材として頻繁に用いられた。知識獲得のボトルネックは専門家の知識を規則の形にまとめる作業の手間、フレーム問題は行動によって変化する事柄と変化しない事柄を適切に区別する難しさ、シンボルグラウンディング問題は記号と実世界の意味を結びつける難しさであり、いずれも現実の課題に取り組む際に生じる難問である点でトイ・プロブレムとは性質が異なる。単純化された課題そのものを指すか、現実に立ち向かう際の難問を指すかが判断の分かれ目になる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はシンギュラリティ。設問はAIの種類ではなく、性能向上の先に想定される将来の転換点を尋ねている。AI効果は実現した技術への見方の変化、強いAIと弱いAIはAIを理解主体とみなすかという立場の違いである。時間軸が将来の到達点に置かれているため、シンギュラリティを選ぶ。選択肢を、将来の時点、技術への評価、AI観の分類という三つの層に分けるとよい。設問の「人間の知能を超える転換点」に直接対応するのは将来時点を表す用語だけである。時間的な出来事を問う形式自体も手掛かりになる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は探索。問題文の「状態の移り変わりをたどる」「解への道筋を見つける」が判断語である。推論は知識から結論を導く処理、機械学習とディープラーニングはデータから規則や特徴を学ぶ手法を指す。状態空間の候補を順に調べる処理なので探索に当たる。入力から何を得る処理かに注目する。候補状態と遷移をたどって経路を得るなら探索、既存知識から結論を得るなら推論、データから規則を得るなら学習という対応で整理できる。迷路で目標へ至る候補経路を調べる場面が対応する。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解は機械学習。未知データにも使える規則を、与えられたデータから見いだす働きが決め手である。シンギュラリティは将来の転換点、トイ・プロブレムは単純化された問題、AI効果は実現した技術への心理的な評価を表す。技術がデータから判断基準を得るかどうかで区別する。設問の主語は学習する仕組みであり、未来予測、問題の分類、社会的な見方を尋ねてはいない。データを入力として規則を獲得し、未知の例へ適用するという流れが機械学習に対応する。実際の処理方式を表す語かどうかも確認する。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

正解はディープラーニング。設問では、ニューラルネットワークによる学習に加え、特徴量も自動的に獲得する点が指定されている。機械学習はより広い技術の総称であり、トイ・プロブレムは問題の性質、知識獲得のボトルネックは知識を規則化する際の課題を指す。特徴量獲得まで含むためディープラーニングを選ぶ。上位概念の機械学習だけで止めず、設問にある多層のニューラルネットワークと特徴表現の学習まで照合する。問題類型や知識入力の難しさを表す語は学習手法ではない。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

倉庫ロボットが現在地から目的棚へ向かう場面では、通れる通路の候補を一つずつたどり、目的の棚に着く経路を組み立てる。これは状態(現在地)と遷移(通路の移動)をたどって解を求める探索の働きである。推論は既存の知識から結論を出す処理で、経路の候補を試す作業とは目的が違う。機械学習は過去のデータから規則を身につける手法で、事例には学習に使うデータが出てこない。トイ・プロブレムは迷路やパズルのような単純化された問題の呼び名で、処理の種類ではなく題材の性質を表す。経路を求める設問では、データから学ぶのか、候補をたどって解を得るのかを先に見分ける。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

過去の不正取引データから規則性を学び、まだ見ていない新しい取引を判定する仕組みは、データから判断の基準を獲得する機械学習である。人が不正の条件を一つずつ書くのではなく、データに現れたパターンを規則として使う点が決め手になる。シンギュラリティは人工知能が人間を上回る将来の転換点、トイ・プロブレムは単純化された問題、AI効果は実現した技術を知能と呼ばなくなる心理を指す。いずれも取引を判定する技術ではない。設問が問うのは、判定の基準をどこから得ているかである。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

画像を判別する際に人手で特徴量を設計せず、多層ニューラルネットワークが判別に必要な表現まで学習するという記述は、ディープラーニングの特徴そのものである。機械学習でも学習はするが、多くの場合どの特徴に着目するかは人が設計する。この事例は特徴の設計まで学習に任せている点が違う。トイ・プロブレムは単純化された問題、知識獲得のボトルネックは専門家の知識を規則化する手間を指し、いずれも学習手法の名称ではない。画像の判別では、特徴を人が決めるのか学習が獲得するのかが分かれ目になる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

配送計画で訪問順序の候補を調べながら条件に合う経路を見つける処理は、取り得る順序の候補を順に試して解に近づく探索である。訪問先の数が増えるほど候補が増えるため、どの順で調べるかが探索の工夫になる。推論は知識から結論を導く処理、エキスパートシステムは専門家の知識をルール化して答えを出す仕組みであり、いずれも順序の候補をたどって解を見つけることが中心ではない。機械学習は過去データから規則を学ぶ技術で、事例に学習データは出てこない。配送のような順序の組み合わせを扱う設問では、候補をたどるのか、データから学ぶのかを先に確かめる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

過去の購買履歴から顧客の傾向を学び、まだ買っていない商品への反応を予測する処理は、データから規則性を見いだして未知の例に当てはめる機械学習である。予測の根拠が、人が書いたルールではなく履歴データから得られている点に注目する。エキスパートシステムは専門家の知識をルールとして登録する仕組みで、履歴から傾向を学ぶものではない。フレーム問題は関係する事柄を絞れない課題、探索は候補をたどって解を見つける処理であり、傾向の予測には当たらない。予測の材料が履歴データなら、データから学ぶ技術を選ぶ。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）

音声データから、人が音響特徴を指定しなくても、ニューラルネットワークが認識に役立つ表現を獲得したという事例は、特徴量の獲得まで自動で行うディープラーニングである。機械学習は上位の考え方として正しく見えるが、音響特徴を人が指定する場合も含むため、事例の「指定せず」という条件を満たす選択肢はディープラーニングになる。エキスパートシステムは専門家のルールで答える仕組み、AI効果は技術への見方の変化を指し、音声から表現を学ぶ手法ではない。上位の総称が選択肢にあるときは、事例の条件が範囲を絞っていないかを確かめる。

https://www.jdla.org/certificate/general/ （大項目1 人工知能とは）