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）