G検定 大項目1 人工知能とは 予想問題と解説
G検定「大項目1 人工知能とは」の予想問題を49問収録しています。このページでは代表42問を解説つきで掲載し、全問は演習画面で解けます。公式シラバスの範囲で作成しています。
この章の要点
人工知能の定義・AIのレベルと種類などを扱う分野です。全49問（基礎11問・標準18問・応用20問）を収録しています。
- 人工知能の定義
- AIのレベルと種類
情報源と編集区分
公式範囲を確認し、問題数・難易度・確認点は当サイトが集計・編集。 一次情報確認日: 2026-07-03。
試験概要（公式）確認しておきたいポイント
当サイトの作問時に観察した、取り違えやすい論点です（公式の統計ではありません）。
- チューリングテストと中国語の部屋の取り違え。前者は対話で知能を判定する考え方、後者は「振る舞えても理解しているとは限らない」という反論の思考実験。
- 強いAI（汎用）と弱いAI（特化）の混同。
- AI効果（達成した技術を『知能ではない』とみなす心理傾向）を、技術そのものの名称と取り違える。
この章の関連用語
この分野の問題で扱う用語です。意味があいまいなものは、用語集で定義を確認できます。
よくある質問
Q大項目1 人工知能とはは何問収録されていますか？
現在49問を収録しています。内訳は基礎11問・標準18問・応用20問です。
Q大項目1 人工知能とはの頻出論点は何ですか？
人工知能の定義・AIのレベルと種類などが出題対象です（当サイト収録問題に基づく編集部集計）。
Q間違えた問題はどう復習すればいいですか？
誤答した選択肢のどこがずれていたかを解説で確認し、関連用語がある場合は用語集で定義に戻ってから再演習することをおすすめします。
1956年に開催され、「人工知能（Artificial Intelligence）」という言葉が初めて提案されて、研究分野が誕生する契機になったとされるものはどれか。
答えと解説を見る
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）
人工知能の研究で達成された技術の仕組みが解明されると、人々が「それは単なる自動的な処理であって知能とは呼べない」と捉え直す心理的な現象を指す用語はどれか。
答えと解説を見る
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）
ロボット研究と人工知能研究の関係を説明したものとして最も適切なものはどれか。
答えと解説を見る
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）
人工知能を能力の段階で4つに分類する考え方において、最も高度な段階に位置づけられるものはどれか。
答えと解説を見る
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）
周囲の環境を認識し、目標達成に向けて自らの判断で自律的に行動する主体を、人工知能の分野では何と呼ぶか。
答えと解説を見る
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）
機械が人間の審査員と文章のやり取りを行い、審査員が会話の相手を人間と区別できなければ、その機械は人間と同等の知能を持つとみなしてよい、とする知能の判定についての考え方はどれか。
答えと解説を見る
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）
知能の有無を対話によって判定するという考え方にもとづき、人間の審査員と最も人間らしく受け答えできるプログラムを選ぶ形で、実際に競技として開催されたものはどれか。
答えと解説を見る
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）
意味を理解しないまま、規則の一覧に従って記号を対応させて返答するだけの仕組みであっても、外部からはその言語を理解しているかのように見える。しかしその仕組み自体は記号の意味を理解していない。この設定を用いて、適切に振る舞えることと本当に意味を理解していることは別であると主張した思考実験はどれか。
答えと解説を見る
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）
知能が成立するためには、対象に実際に触れたり動き回ったりして外界と物理的に相互作用し、その経験を通じて概念や意味を獲得していく過程が欠かせないとする考え方を表す語はどれか。
答えと解説を見る
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を構築する際、専門家が持つ知識を聞き出して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問題を一般に何と呼ぶか。
答えと解説を見る
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）
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はどれか。
答えと解説を見る
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）
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はどれか。
答えと解説を見る
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）
特定の決められた課題や領域に限定して能力を発揮する人工知能を指す語はどれか。
答えと解説を見る
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/
人工知能を能力の段階で4つに分類する考え方において、あらかじめ定められた単純な条件に応じて動作する、エアコンの温度制御のような仕組みが位置づけられる段階はどれか。
答えと解説を見る
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/
人工知能の4段階の分類のうち、多数のルールや知識をあらかじめ与え、推論や探索によって判断を行う段階を指すものはどれか。
答えと解説を見る
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/
機械が知的に見える処理を実現すると、その処理はもはや人工知能ではないと見なされがちになる現象を何というか。
答えと解説を見る
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・2026-07-12照合）
特定の環境を観測し、目的に向けて行動を選ぶ主体としてAIシステムを捉えるときに使われる語はどれか。
答えと解説を見る
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/
人間と会話している相手が機械か人間かを判定できるかを通じて、知能を持つように見えるかを考える試験として知られるものはどれか。
答えと解説を見る
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・2026-07-12照合）
画像分類や翻訳など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AIはどれか。
答えと解説を見る
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/
AIは記号を操作できても、その記号が現実世界の意味と結び付いていなければ本当に理解しているとは言いにくい、という論点はどれか。
答えと解説を見る
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・2026-07-12照合）
ルールに従って温度や速度を調整するだけで、データから学習して性能を改善するわけではないものはどれか。
答えと解説を見る
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/
身体を持って環境と相互作用することが知能の成立に重要だという考え方に関係する語はどれか。
答えと解説を見る
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・2026-07-12照合）
手作業でルールを作る古典的な人工知能と比べ、データからパターンを学ぶことで判断を改善するAIはどれか。
答えと解説を見る
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/
人間のように意識や真の理解を持つのではなく、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のAIを何と呼ぶか。
答えと解説を見る
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）
人工知能でいう「知能」の定義について、最も適切なものはどれか。
答えと解説を見る
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）
知能を脳内の情報処理だけで完結するものとせず、身体を通じた環境との相互作用の中で成立するものとして捉える考え方はどれか。
答えと解説を見る
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
機械翻訳の方式に関する次の説明のうち、誤っているものはどれか。
答えと解説を見る
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/
AIの活用レベルの分類において、あらかじめ決められた固定的なルールに従って動作し、入力に対して単純な出力を返す段階に該当するものはどれか。
答えと解説を見る
正解は「単純な制御プログラム」である。AIの活用レベルにおける最も基礎的な段階（レベル1）は、あらかじめ決められた固定的なルールに従って動作し、センサーなどの入力に対して単純な出力を返す段階を指す。「古典的な人工知能」は探索・推論やエキスパートシステムを用い、人間が定義した知識やルールに基づいて複雑な判断を行う段階（レベル2）であり、単純な固定ルールのみで動作する段階ではない。「深層学習を取り入れたAI」は、データの背景にある特徴量までもがニューラルネットワークを通じて自動的に獲得される段階（レベル4）であり、あらかじめ人間がルールを決める段階ではない。「エージェント」は自律的に環境を認識し行動を選択するAIシステムの形態を指す概念であり、活用レベルの1段階を指す語ではない。
https://ai-compass.weeybrid.co.jp/using/ai-classification-four-levels/
迷路やパズルのように、明確な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、初期の人工知能研究で頻繁に用いられた課題として何と呼ぶか。
答えと解説を見る
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）
人工知能の性能が向上を続け、将来的に人間の知能を上回るとされる技術的な転換点を指す概念はどれか。
答えと解説を見る
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）
目標とする状態に至るまでの選択肢や状態の移り変わりを順にたどり、解へと至る道筋を見つけ出す処理を、人工知能の基本的な手法として何と呼ぶか。
答えと解説を見る
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）
あらかじめ与えられたデータからパターンや規則性を見いだし、未知のデータに対しても判断できるようにする技術を指す語はどれか。
答えと解説を見る
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）
ニューラルネットワークを用いて学習を行い、データの背景にある特徴量までも人手を介さず自動的に獲得できる点で、従来の機械学習と区別される学習手法はどれか。
答えと解説を見る
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まで移動するため、移動可能な経路を順に調べて到達経路を求める。この処理はどれか。
答えと解説を見る
この事例では「候補状態と遷移をたどって目標までの道筋を求めるか」を確認すると、探索に絞れる。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）
過去の不正取引データから規則性を学び、新しい取引を判定する仕組みを導入した。この技術はどれか。
答えと解説を見る
この事例では「既存データから規則を獲得し未知データへ適用するか」を確認すると、機械学習に絞れる。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）
画像から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も学習する。この手法はどれか。
答えと解説を見る
この事例では「ニューラルネットワークが特徴表現まで自動獲得するか」を確認すると、ディープラーニングに絞れる。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）
配送計画で、候補となる訪問順序を調べながら条件を満たす経路を見つける処理はどれか。
答えと解説を見る
この事例では「複数候補をたどって解へ至る経路を見つけるか」を確認すると、探索に絞れる。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）
過去の購買履歴から顧客の傾向を学び、未購入商品の反応を予測する技術はどれか。
答えと解説を見る
この事例では「データから規則性を学習して未知例を判断するか」を確認すると、機械学習に絞れる。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）
音声データから人が音響特徴を指定せず、ニューラルネットワークが認識に有効な表現を獲得した。この学習手法はどれか。
答えと解説を見る
この事例では「多層ネットワークが特徴量の獲得も担うか」を確認すると、ディープラーニングに絞れる。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）
パズルを解くAIが、現在の配置から実行可能な操作を順に試してゴール配置への手順を見つける。この処理はどれか。
答えと解説を見る
この事例では「状態と操作の候補をたどり解への道筋を探すか」を確認すると、探索に絞れる。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）
過去の検品結果から不良品の特徴を学び、新しい製品を自動判定する技術はどれか。
答えと解説を見る
この事例では「訓練データから規則を獲得し新規データを判断するか」を確認すると、機械学習に絞れる。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）
センサ波形から人手で特徴を定義せず、多層ネットワークが故障判定に必要な表現を学んだ。この手法はどれか。
答えと解説を見る
この事例では「特徴抽出を含めてニューラルネットワークが学習するか」を確認すると、ディープラーニングに絞れる。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）