G検定 大項目1 人工知能とは 予想問題（2/2）

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）

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）

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）

この事例では「状態空間から目標までの経路を見つけるか」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）

この事例では「状態と遷移から目的地へ至る候補を調べるか」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）

この事例では「既知のデータから判断規則を学び未知例へ適用するか」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）

この事例では「多層ネットワークが特徴抽出も含めて学習するか」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）

この事例では「構成した状態空間で到達経路を探索するか」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）

この事例では「観測データから規則性を獲得して新しい予測を行うか」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）

この事例では「人手の特徴設計に依存せず階層的表現を学ぶか」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）

正解は「深層学習を取り入れたAI」である。AIの活用レベルの分類でいうレベル4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を指す。古典的な人工知能はレベル2に当たり、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であり、特徴量を自動的に獲得する仕組みではない。単純な制御プログラムはレベル1に当たり、あらかじめ決められた固定的なルールに従って動作し、センサーの入力に対して単純な出力を返すだけで、ニューラルネットワークによる特徴量の獲得は行わない。エージェントは環境を認識し、目標達成に向けて自律的に行動する主体を指す語であり、活用レベルの1段階を表す名称ではない。特徴量そのものをニューラルネットワークが自動的に獲得するという点を確認すると、深層学習を取り入れたAIに絞り込める。

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

正解は「身体性の観点」。身体性の観点では、認知や知能を脳内の情報処理だけで完結するものとはせず、脳・身体・環境の相互作用を通じて成立するものとして捉える。設問では、内部の計算処理に加えて、身体の形状、床面との接触、周囲の環境とのやりとりを挙げているため、この捉え方に対応する。まず、身体と環境を知能の成立条件に含めるかを確認し、その後に内部処理だけへ限定する選択肢を除外すると判断しやすい。他の選択肢は、知能を内部処理だけに限定したり、身体や環境との関係を切り離したりしており、設問の条件と合わない。

https://cir.nii.ac.jp/crid/1520307269592624512 （大項目1 人工知能とは／身体性）