G検定 大項目2 人工知能をめぐる動向 予想問題と解説

正解は幅優先探索。出発点に近い順に同じ深さのノードをすべて展開してから次の深さへ進むため、最短経路を必ず発見できるが、展開待ちのノードを多数保持するためメモリ消費が大きくなる。アルファ・ベータ法はMini-Max法によるゲーム木探索で、勝敗の評価に影響しない枝を刈り込む手法であり、深さごとに全ノードを展開する探索順序の方式ではない。モンテカルロ法はランダムな試行を多数回行い、その勝敗の統計から手を評価する手法であり、ノードを体系的に展開する探索方式ではない。深さ優先探索は一つの経路を行き止まりまで深くたどってから後戻りする方式で、幅優先探索とは対照的に記憶量は少ないが最短経路の発見は保証しない。問題文の「同じ深さのノードをすべて調べてから一つ深い階層へ進む」という展開順序に一致するのは幅優先探索だけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

Mini-Max法は、自分の手番では評価値を最大化し、相手の手番では評価値を最小化する行動を仮定して、双方が最善を尽くした場合の結果から現在の手を決める探索である。アルファ・ベータ法は、この探索の途中で「これ以上調べても最終的な評価は変わらない」と判断できた枝を打ち切ることで、同じ結論をより少ない計算量で導く点に特徴がある。判断の軸は、探索する対象や順序そのものを表す語か、評価の見込みから枝を刈り込む工夫を表す語かにある。トイ・プロブレムは単純化された問題群の総称、ハノイの塔はその一例となる題材、幅優先探索は展開順序の方式であり、いずれも評価の見込みで探索を打ち切る発想そのものではない。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

正解はモンテカルロ法。ある局面から先の手をランダムに何度も終局までシミュレーション（プレイアウト）し、その勝敗の統計から各手の有望さを評価する手法で、囲碁AIなどで成果を上げた。アルファ・ベータ法はMini-Max法の探索で評価が変わらない枝を刈り込む手法であり、ランダムな試行を繰り返して統計を取る手法ではない。幅優先探索は同じ深さのノードをすべて調べてから次の深さへ進む展開順序の方式であり、深さ優先探索は一つの経路を深くたどってから後戻りする方式であって、いずれもランダムなシミュレーションで手を評価するものではない。問題文の「先の手をランダムに何度も終局までシミュレーションし、その勝敗の統計」という条件に一致するのはモンテカルロ法だけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

エキスパートシステムは、専門家の知識をif-then形式の規則として蓄え、特定分野の診断や判断を推論によって支援する仕組みである。マイシン（MYCIN）が正解となるのは、その規則群の対象が血液中の細菌による感染症の診断と抗生物質の選択という医療分野に絞られている点にある。判断の軸は、規則を使って特定分野の診断を支援する仕組みそのものか、それとも対話・常識蓄積・知識の表現形式といった別の役割を担う仕組みかという違いである。イライザ（ELIZA）、Cyc（サイク）プロジェクト、意味ネットワークはいずれも知識やパターンを扱う点で似て見えるが、専門家の規則を使って感染症の診断を支援するという具体的な適用対象を持たない。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

利用者に人間との対話を疑似的に体験させた初期のプログラムとして知られるのがイライザ（ELIZA）であり、これが正解である。入力文の単語やパターンをきっかけに定型的な応答を返す仕組みでありながら、あたかも人間のカウンセラーと話しているかのような印象を利用者に与えた点が、当時注目された理由になる。Cyc（サイク）プロジェクトとオントロジーは、いずれも知識や概念を体系的に整理する取り組み・枠組みであって、利用者に対話の応答を返すプログラムそのものではない。マイシン（MYCIN）は感染症の診断を支援するエキスパートシステムであり、対話の相手を演じる目的の仕組みではないため、対話プログラムを問う設問の条件からはいずれも外れる。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

正解はAlexNet。大規模な画像認識の精度を競う国際コンペティション（ILSVRC）で、ディープラーニング（畳み込みニューラルネットワーク）を用いた手法が従来の機械学習を大差で上回る成績を初めて示し、第三次AIブームを決定づけたモデルである。ResNetはスキップ結合（残差接続）を導入し、AlexNetより後のILSVRCで層をさらに深くして精度を高めたモデルであり、従来手法を初めて大差で上回ったモデルではない。GoogLeNetはInceptionと呼ばれる構造を用い、AlexNetより後のILSVRCで登場して精度を更新したモデルであり、こちらも最初に大差をつけたモデルではない。VGGはAlexNetより後のILSVRCで発表され、精度をさらに更新したモデルの一つであり、従来の機械学習を初めて大差で上回ったモデルではない。問題文の「従来の機械学習を大差で上回る成績を初めて示し、第三次AIブームを決定づけた」という条件に一致するのはAlexNetだけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

正解はシンギュラリティ（技術的特異点）。未来学者レイ・カーツワイルらが論じた、人工知能が人類の知能を超え、技術の進歩が予測できないほど急激に加速するとされる転換点を指す概念である。ムーアの法則は半導体の集積度が一定期間ごとに倍増するという経験則であり、AIが人間の知能を超える転換点を指す概念ではない。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難問であり、技術進歩の加速を論じる概念ではない。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に手間がかかるという問題であり、こちらも技術進歩の加速する転換点を指す概念ではない。問題文の「人工知能が人類の知能を超え、技術の進歩が予測できないほど急激に加速するとされる転換点」という条件に一致するのはシンギュラリティ（技術的特異点）だけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

正解はA*アルゴリズム。出発点から現在のノードまでに実際にかかったコストと、そのノードからゴールまでに必要と見積もったコスト（ヒューリスティック）との和を評価値とし、値の小さいノードを優先的に展開することで、無駄な探索を抑えながら効率よく最短経路を求める手法である。幅優先探索は出発点に近い順に同じ深さのノードをすべて展開する方式であり、ゴールまでの見積もりコストを評価値に使わない。深さ優先探索は一つの経路を行き止まりまで深くたどる方式であり、こちらもゴールまでの見積もりコストで優先順位をつけるものではない。ブルートフォース（力任せ探索）はあらゆる可能性をしらみつぶしに調べる方式であり、コストの見積もりによってノードを優先的に展開する仕組みを持たない。問題文の「実際にかかったコストと、ゴールまでに必要と見積もったコストとの和を評価値として用い」という条件に一致するのはA*アルゴリズムだけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

プランニングと呼ばれる分野では、目標に至るまでの行動の並びをどう自動的に組み立てるかが課題になる。STRIPSが正解となるのは、世界の状態を「ある事柄が成り立っているか否か」の集まりとして表し、各行動に「実行できる前提条件」と「実行によって変化する事柄」を対応づけておくことで、初期状態から目標状態までの手順を機械的に導けるようにした点にある。判断の軸は、行動の前提条件と効果を記述して手順を自動的に組み立てる仕組みかどうかである。Cyc（サイク）プロジェクトは常識の知識ベース化、SHRDLUは積み木の世界での指示理解、イライザ（ELIZA）はパターンに応じた対話であり、いずれも前提条件と効果の記述から手順を組み立てる枠組みを持たない。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

自然言語理解と物体操作を結び付けた初期の研究として位置づけられるのがSHRDLUであり、これが正解である。『積み木の世界』という単純化された仮想空間を対象に、英語の指示文を解釈して指定された積み木をつかんで動かす操作へ結び付けた点に、当時の自然言語理解研究として注目された理由がある。DENDRALは化学の分野で構造推定を支援するエキスパートシステム、イライザ（ELIZA）は入力パターンに反応するだけで実世界の対象を操作しない対話プログラム、マイシン（MYCIN）は感染症診断を支援する医療分野のエキスパートシステムであり、他の選択肢はいずれも『仮想空間の物体を指示文で操作する』という設問の条件には当てはまらない、対象領域や機能が異なるシステムである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

正解はis-a関係。「ネコは哺乳類である」のように、ある概念がより上位の概念に包含され、その上位概念がもつ性質を引き継ぐことを表す関係である。推移律は「AはB、BはC、ゆえにAはC」のように関係を連鎖させてよいとする論理規則そのものであり、上位概念への包含と性質の継承を表す関係の種類を指す語ではない。意味ネットワークは概念をノード、関係をリンクとして表す知識表現の枠組み全体を指す語であり、is-a関係のような特定の関係の種類そのものを指す語ではない。part-of関係は「タイヤは自動車の一部である」のように全体と部分の関係を表すものであり、上位概念への包含と性質の継承を表す関係ではない。問題文の「ある概念がより上位の概念に包含され、その上位概念がもつ性質を引き継ぐことを表す関係」という条件に一致するのはis-a関係だけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

人工知能が特定分野で人間の専門家を上回れることを世に示した出来事はいくつかあるが、対象となる分野と勝利の形はそれぞれ異なる。ディープブルー（Deep Blue）が正解となるのは、チェス専用に開発され、チェスの対局で当時の世界チャンピオンに勝利したという組み合わせに一致する点にある。判断の軸は、対象分野と、そこで人間に勝利したという事実の組み合わせを正確に見分けられるかである。東ロボくんは大学入試の突破を目標とした国内のプロジェクトで世界チャンピオンへの勝利とは無関係、ワトソン（Watson）はクイズ形式で人間に勝利した質問応答システムであってチェス専用ではなく、イライザ（ELIZA）は対局ではなく対話のためのプログラムであり、いずれもチェスで世界チャンピオンに勝利したという条件からは外れる。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

正解はデータマイニング。小売店の購買履歴やセンサーの記録など、大量に蓄積されたデータの中から、それまで気づかれていなかった有用な規則性や傾向、関連性を見つけ出すこと全般を指す用語である。統計的自然言語処理は言語データを統計的な手法で処理して解析する分野であり、対象を言語データに限った技術であって、あらゆるデータから未知の規則性を見つけ出すこと全般を指す語ではない。機械学習はデータからパターンや規則を自動的に学習してモデルをつくる技術の総称であり、学習してモデルを構築する営み自体を指す語であって、蓄積データから未知の規則性を発見すること全般を指す語ではない。パターン認識は観測されたデータがあらかじめ定めたどのクラスに属するかを判別する技術であり、既知のクラスへの分類が目的であって、未知の規則性や関連性を見つけ出すこと全般を指す語ではない。問題文の「大量に蓄積されたデータの中から、それまで気づかれていなかった有用な規則性や傾向、関連性を見つけ出すこと全般」という条件に一致するのはデータマイニングだけである。

https://www.jdla.org/certificate/general/ （大項目2 人工知能をめぐる動向）

この設問は、各選択肢がAIブームのどの時期の出来事を指しているかを取り違えさせる作りになっている。正解となるのは、ビッグデータの利用拡大と機械学習・ディープラーニングの発展を関連づけて特徴量の学習やパターン認識の実用化を説明する選択肢であり、これが第三次AIブームの技術的背景に対応する。判断の軸は、知識獲得のボトルネック（第二次AIブームの課題）や探索と推論（第一次AIブームの中心技術）を第三次AIブームの要因と取り違えていないか、またデータ活用の流れを逆向きに述べていないかである。誤りの選択肢は、いずれも別の時期の話題を混同するか、実際の技術発展の方向と反対のことを述べている。

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

正解は「幅優先探索」である。幅優先探索は、出発点に近い順に同じ深さの候補をすべて調べてから次の深さへ進む探索方法である。深さ優先探索は一つの経路を行き止まりまで深くたどってから後戻りする方式であり、幅優先探索とは展開順序が逆になる。Mini-Max法はゲーム木で手を選ぶ際の評価値を決める考え方であり、アルファ・ベータ法はMini-Max法による探索で評価が変わらない枝を刈り込む手法である。どちらも探索木を深さの順で広げるか枝の順で進めるかという展開順序そのものを表す語ではない。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版・2026-07-12照合）

AlexNetは、大規模な画像認識の精度を競う国際コンペティションで、ディープラーニングを用いた手法が従来の機械学習を大差で上回る成績を初めて示し、第三次AIブームを決定づけたモデルとして語られる。ILSVRCが正解となるのは、AlexNetがこの成果を上げた舞台そのものが画像認識コンペティションのILSVRCだった点にある。判断の軸は、AlexNetの成果と結び付く出来事が会議・エキスパートシステム・探索の題材のいずれでもなく、画像認識の精度を競う大会であるかどうかである。ダートマス会議は人工知能という研究分野そのものの出発点、マイシン（MYCIN）は第二次AIブームのエキスパートシステム、ハノイの塔は探索アルゴリズムの説明に使われるトイ・プロブレムであり、いずれも画像認識コンペティションとは異なる文脈に属する。

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

一つの枝を行けるところまで深くたどり、行き止まりに達したら手前まで戻って別の枝を調べるという展開順序そのものを指すのが、正解の「深さ優先探索」である。設問文が示す『行けるところまで深くたどる』という記述と、この展開順序の説明が直接対応する。対になる関係にある幅優先探索は、深さ方向ではなく同じ深さの候補を横並びに調べてから次の深さへ進む方式であり、展開順序が逆になる点で両者を対比させて理解しておくと判別しやすい。モンテカルロ法とSTRIPSはいずれも探索木の展開順序そのものを表す語ではなく、前者は乱数試行の統計による評価手法、後者は行動計画を記述する表現形式であって、設問が問う『たどる順序』という論点とは次元が異なる。

https://www.jdla.org/certificate/general/ ／ G検定シラバス2024（第1.4版・2026-07-12照合）

ゴールまでの残りコストを見積もった推定値を探索に組み込むかどうかが、この設問を解く決め手になる。正解のA*アルゴリズムは、それまでに歩いた分の実コストと残りの見積もりコストを足し合わせて枝ごとの有望さを比較し、探索範囲を絞り込みながら進む点に特徴がある。ブルートフォース（力任せ探索）にはこうした見積もりによる絞り込みの発想自体がなく、可能性を端から順に潰していく点でA*アルゴリズムと対照的である。Mini-Max法は手番ごとに評価値を確定させていく考え方、完全情報ゲームは対局者同士が盤面情報を共有できるというゲームの性質を表す語であり、どちらも探索の進め方そのものを指す言葉ではないため、効率化の手法を問う設問の対象にはならない。

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

第三次AIブームを支えた条件面の変化に着目すると、正解は「ビッグデータ」である。機械学習や統計的自然言語処理という手法面の進展だけでなく、それを支える大量データという環境面の広がりを結び付けて捉えられるかどうかが判断の軸になる。知識やルールを人手で整備する方向ではなく、データの量が学習の質を左右する方向へ重心が移った点に、この時代の技術的な位置づけの特徴がある。フレーム問題は知識表現・推論上の課題、DENDRALは専門知識をルールの形で活用する第二次AIブームのエキスパートシステム、ローブナーコンテストは対話の人間らしさを競う枠組みであり、他の選択肢はいずれも大量データの活用という論点そのものからは外れた、別の時期・別の着眼点に属する概念である。

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

知識表現が扱う関係には複数の型があり、上位・下位の分類関係を表すのが正解の「is-a関係」である。『犬は動物である』のように、あるものがより上位の概念に属することを示す関係であり、意味ネットワークのような知識表現でよく使われる基本的な関係の型の一つに当たる。同じく関係を表す語であるpart-of関係は、上位下位ではなく全体と部分という別の軸の関係を表すため、is-a関係とは区別して覚えておく必要がある。推移律は関係の連鎖を許してよいとする論理上の規則そのものであって関係の分類名ではなく、トイ・プロブレムは単純化した問題を指す語で知識表現の分類とは無関係であり、どちらも設問が問う分類関係の名称には当たらない。

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

特徴量の増加とデータ量・判断精度の関係を問う設問であり、正解は「次元の呪い」である。扱う特徴量の数が増えるほど、その空間を埋めるのに必要なデータ量が急増し、距離や密度に基づく判断が効きにくくなるという、次元数とデータ量・判断精度の関係を表す語であることが決め手になる。AI効果は実現した技術の仕組みが分かるとAIと見なされにくくなるという認識上の現象、知識獲得のボトルネックは専門知識を規則化する作業の手間、フレーム問題は行動に伴う変化の範囲を区別する推論上の難しさを表す語であり、いずれも特徴量の次元数が増えること自体を論点にした語ではない。設問文が示す『特徴量が増える、必要なデータ量が急増する』という対応関係に一致するのは次元の呪いだけである。

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

正解は「アルファ碁（AlphaGo）」である。AlphaGoはGoogle DeepMindが開発した囲碁AIで、2016年3月に韓国ソウルでLee Sedolとの五番勝負に4勝1敗で勝利した。ディープブルー（Deep Blue）は囲碁ではなくチェスで知られるシステムである。AlexNetは囲碁AIではなく、ILSVRCで注目された画像認識モデルである。AlphaGo ZeroはAlphaGoの後継として区別されるため、Lee Sedolとの五番勝負という出来事の主体ではない。開発元、競技、対局相手、時期を組み合わせるとAlphaGoに限定できる。

https://deepmind.google/research/highlighted-research/alphago/the-challenge-match

DENDRALとマイシン（MYCIN）はどちらも専門知識を規則化して活用する初期のエキスパートシステムだが、対象領域の違いから正解は「DENDRAL」に絞られる。DENDRALは、化学物質の質量分析データを手がかりに専門家の知識を使って分子構造の候補を絞り込む、化学分野のエキスパートシステムである。マイシン（MYCIN）は同じ枠組みのエキスパートシステムでありながら対象は医療（感染症の診断と抗生物質の選択）であり、化学と分子構造という設問の条件には対応しない。イライザ（ELIZA）は専門知識による推定を行わずパターンに応答するだけの対話プログラム、SHRDLUは積み木の世界で指示文を解釈して操作するシステムであり、どちらも化学物質の構造推定という設問の対象領域からは外れている。

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

正解は「part-of関係」である。part-of関係は、タイヤと自動車のように部分と全体の関係を表す。is-a関係は「犬は動物である」のような下位概念と上位概念の分類関係であり、部品と全体の関係ではない。意味ネットワークは概念をノード、概念間の関係をリンクで表す知識表現の枠組みで、特定の関係名そのものではない。オントロジーは対象領域の概念と関係を体系的に整理する考え方であり、これも部分関係だけを指す名称ではない。「一部である」という文の向きに着目するとpart-of関係を選べる。

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

知識表現の取り組みには、特定分野の専門知識を規則化するものと、分野を限定しない日常の常識を扱うものとがある。Cycプロジェクトが正解となるのは後者に当たり、人間が意識せず使っている一般常識そのものを大規模な知識ベースとして蓄積し、推論に利用できるようにする点で、マイシン（MYCIN）のような特定分野向けのエキスパートシステムとは対象の広さが異なる。判断の軸は、対象が特定分野の専門知識か、分野を限定しない一般常識かという広がりの違いである。STRIPSは前提条件と効果から行動手順を組み立てるプランニング手法、データマイニングは蓄積データから規則性を見つける活動、イライザ（ELIZA）は入力パターンに応じた対話プログラムであり、いずれも一般常識を蓄積する取り組みという論点そのものからは外れる。

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

知識表現には、概念同士の関係を表す個別の形式と、対象領域全体を体系立てて捉える考え方という異なる階層がある。オントロジーが正解となるのは、ある対象領域に存在する概念、概念の属性、概念間の関係を体系的に定義し、知識の共有や再利用をしやすくするという、領域全体を捉える考え方に当たる点にある。判断の軸は、個別の表現形式や関係の名称ではなく、領域全体の概念体系を明示的に定義する考え方かどうかである。意味ネットワークは概念をノード、関係をリンクとして表す個別の表現形式、part-of関係は全体と部分という一つの関係の種類、データマイニングは蓄積データから規則性を発見する活動であり、いずれも領域全体の概念体系を定義する考え方そのものではない。

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

正解は「エキスパートシステム」である。エキスパートシステムは、特定分野の専門家が持つ知識を規則などとして知識ベースに蓄え、推論によって診断や判断を支援する仕組みの総称であり、マイシン（MYCIN）やDENDRALが代表例である。データマイニングは蓄積されたデータから未知の規則性や関連性を発見する活動で、専門家の規則を使うことが前提ではない。意味ネットワークは概念間の関係を表す知識表現の形式であり、診断支援システム全体を指さない。生成AIは新しい文章や画像などを生成するAIで、専門知識を規則化した仕組みの総称ではない。

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

探索や再帰の考え方を説明する際には、複雑な現実の問題ではなく単純化された題材（トイ・プロブレム）がよく使われる。ハノイの塔が正解となるのは、大きさの異なる円盤を3本の棒の間で移し、より大きな円盤を小さな円盤の上に置かないという制約のもとで全円盤を移す手順を求めるという、具体的な問題設定を持つ代表的なトイ・プロブレムである点にある。判断の軸は、円盤・棒・大小制約という設定を持つ題材そのものか、それとも別の対話システム・プランニング手法・表現形式を指す語かである。SHRDLUは積み木の世界で指示文を解釈して操作する対話システム、STRIPSは前提条件と効果を記述するプランニング手法、探索木は候補となる状態や手順を木構造で表したものであり、いずれも円盤を移動させる制約付きの問題そのものではない。

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

正解は「Mini-Max法」である。Mini-Max法は、二人零和ゲームで自分は評価値を最大化し、相手は評価値を最小化する行動を選ぶと仮定し、双方が最善を尽くした場合の結果から現在の手を決める考え方である。αβ法はMini-Max法の結果を変えない枝を探索途中で刈り込み、計算量を減らすための手法であり、評価方針そのものではない。モンテカルロ法はランダムな試行を繰り返した統計から手を評価する。幅優先探索は同じ深さのノードを順に展開する一般的な探索順序である。最大化側と最小化側を交互に置く点が決め手になる。

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

正解は「特徴量」である。特徴量は、機械学習モデルが分類や予測の手がかりとして扱う、対象から取り出した性質や数値化された変数を指す。単語の出現回数や画像の輪郭・色はその具体例である。ビッグデータは量や種類などの面で大規模なデータの集まりを指し、個々の予測入力となる性質の名称ではない。次元の呪いは特徴量が増えすぎることで必要なデータ量が急増し、距離や密度の意味が薄れやすくなる問題である。データマイニングは大量データから規則性や傾向を見つける活動全般である。モデルへ渡す判断材料という役割から特徴量を選ぶ。

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

大量の文章データから統計的な規則性を取り出して言語処理に活かす流れを指すのが、正解の「統計的自然言語処理」である。単語の出現頻度や共起といった統計的な規則性を、言語の解析や予測に利用する研究の流れを表す語であることが、設問文の記述と直接対応する。イライザ（ELIZA）は統計的な規則性ではなく入力文のパターンにあらかじめ定めた応答を対応させる仕組みであり、意味ネットワークは概念と関係を構造として表す知識表現の方法であって、どちらも大量データの統計的規則性を利用する手法の流れそのものを指す語ではない。生成AIは文章や画像などを新たに作り出すAI全般を指す現在の総称であり、統計的自然言語処理という技術発展の歴史的な流れそのものを指す語ではない点で、設問の条件とはかみ合わない。

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

この事例では「モデルが予測の手掛かりとして利用する入力変数か」を確認すると、特徴量に絞れる。正解は「特徴量」である。特徴量は、機械学習モデルが分類や予測の手がかりとして扱う、対象から取り出した性質や数値化された変数を指す。単語の出現回数や画像の輪郭・色はその具体例である。ビッグデータは量や種類などの面で大規模なデータの集まりを指し、個々の予測入力となる性質の名称ではない。次元の呪いは特徴量が増えすぎることで必要なデータ量が急増し、距離や密度の意味が薄れやすくなる問題である。データマイニングは大量データから規則性や傾向を見つける活動全般である。モデルへ渡す判断材料という役割から特徴量を選ぶ。

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

この事例では「文章中の統計的規則性を利用して言語を扱うか」を確認すると、統計的自然言語処理に絞れる。大量の文章データから統計的な規則性を取り出して言語処理に活かす流れを指すのが、正解の「統計的自然言語処理」である。単語の出現頻度や共起といった統計的な規則性を、言語の解析や予測に利用する研究の流れを表す語であることが、設問文の記述と直接対応する。イライザ（ELIZA）は統計的な規則性ではなく入力文のパターンにあらかじめ定めた応答を対応させる仕組みであり、意味ネットワークは概念と関係を構造として表す知識表現の方法であって、どちらも大量データの統計的規則性を利用する手法の流れそのものを指す語ではない。生成AIは文章や画像などを新たに作り出すAI全般を指す現在の総称であり、統計的自然言語処理という技術発展の歴史的な流れそのものを指す語ではない点で、設問の条件とはかみ合わない。

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

この事例では「自分の最大化と相手の最小化を交互に仮定するか」を確認すると、Mini-Max法に絞れる。正解は「Mini-Max法」である。Mini-Max法は、二人零和ゲームで自分は評価値を最大化し、相手は評価値を最小化する行動を選ぶと仮定し、双方が最善を尽くした場合の結果から現在の手を決める考え方である。αβ法はMini-Max法の結果を変えない枝を探索途中で刈り込み、計算量を減らすための手法であり、評価方針そのものではない。モンテカルロ法はランダムな試行を繰り返した統計から手を評価する。幅優先探索は同じ深さのノードを順に展開する一般的な探索順序である。最大化側と最小化側を交互に置く点が決め手になる。

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

この事例では「予測時にモデルへ入力する性質や変数か」を確認すると、特徴量に絞れる。正解は「特徴量」である。特徴量は、機械学習モデルが分類や予測の手がかりとして扱う、対象から取り出した性質や数値化された変数を指す。単語の出現回数や画像の輪郭・色はその具体例である。ビッグデータは量や種類などの面で大規模なデータの集まりを指し、個々の予測入力となる性質の名称ではない。次元の呪いは特徴量が増えすぎることで必要なデータ量が急増し、距離や密度の意味が薄れやすくなる問題である。データマイニングは大量データから規則性や傾向を見つける活動全般である。モデルへ渡す判断材料という役割から特徴量を選ぶ。

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

この事例では「対戦相手も最善手を選ぶ前提で評価値を交互に最大化・最小化するか」を確認すると、Mini-Max法に絞れる。正解は「Mini-Max法」である。Mini-Max法は、二人零和ゲームで自分は評価値を最大化し、相手は評価値を最小化する行動を選ぶと仮定し、双方が最善を尽くした場合の結果から現在の手を決める考え方である。αβ法はMini-Max法の結果を変えない枝を探索途中で刈り込み、計算量を減らすための手法であり、評価方針そのものではない。モンテカルロ法はランダムな試行を繰り返した統計から手を評価する。幅優先探索は同じ深さのノードを順に展開する一般的な探索順序である。最大化側と最小化側を交互に置く点が決め手になる。

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

この事例では「予測の入力として使うデータの性質か」を確認すると、特徴量に絞れる。正解は「特徴量」である。特徴量は、機械学習モデルが分類や予測の手がかりとして扱う、対象から取り出した性質や数値化された変数を指す。単語の出現回数や画像の輪郭・色はその具体例である。ビッグデータは量や種類などの面で大規模なデータの集まりを指し、個々の予測入力となる性質の名称ではない。次元の呪いは特徴量が増えすぎることで必要なデータ量が急増し、距離や密度の意味が薄れやすくなる問題である。データマイニングは大量データから規則性や傾向を見つける活動全般である。モデルへ渡す判断材料という役割から特徴量を選ぶ。

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

この事例では「言語データの統計的パターンを利用するか」を確認すると、統計的自然言語処理に絞れる。大量の文章データから統計的な規則性を取り出して言語処理に活かす流れを指すのが、正解の「統計的自然言語処理」である。単語の出現頻度や共起といった統計的な規則性を、言語の解析や予測に利用する研究の流れを表す語であることが、設問文の記述と直接対応する。イライザ（ELIZA）は統計的な規則性ではなく入力文のパターンにあらかじめ定めた応答を対応させる仕組みであり、意味ネットワークは概念と関係を構造として表す知識表現の方法であって、どちらも大量データの統計的規則性を利用する手法の流れそのものを指す語ではない。生成AIは文章や画像などを新たに作り出すAI全般を指す現在の総称であり、統計的自然言語処理という技術発展の歴史的な流れそのものを指す語ではない点で、設問の条件とはかみ合わない。

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

この事例では「双方が最善を選ぶゲーム木で最大・最小を交互に評価するか」を確認すると、Mini-Max法に絞れる。正解は「Mini-Max法」である。Mini-Max法は、二人零和ゲームで自分は評価値を最大化し、相手は評価値を最小化する行動を選ぶと仮定し、双方が最善を尽くした場合の結果から現在の手を決める考え方である。αβ法はMini-Max法の結果を変えない枝を探索途中で刈り込み、計算量を減らすための手法であり、評価方針そのものではない。モンテカルロ法はランダムな試行を繰り返した統計から手を評価する。幅優先探索は同じ深さのノードを順に展開する一般的な探索順序である。最大化側と最小化側を交互に置く点が決め手になる。

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

この事例では「円盤の大小制約を持つ代表的なトイ・プロブレムか」を確認すると、ハノイの塔に絞れる。探索や再帰の考え方を説明する際には、複雑な現実の問題ではなく単純化された題材（トイ・プロブレム）がよく使われる。ハノイの塔が正解となるのは、大きさの異なる円盤を3本の棒の間で移し、より大きな円盤を小さな円盤の上に置かないという制約のもとで全円盤を移す手順を求めるという、具体的な問題設定を持つ代表的なトイ・プロブレムである点にある。判断の軸は、円盤・棒・大小制約という設定を持つ題材そのものか、それとも別の対話システム・プランニング手法・表現形式を指す語かである。SHRDLUは積み木の世界で指示文を解釈して操作する対話システム、STRIPSは前提条件と効果を記述するプランニング手法、探索木は候補となる状態や手順を木構造で表したものであり、いずれも円盤を移動させる制約付きの問題そのものではない。

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

この事例では「モデルへ渡す観測項目が予測の手掛かりか」を確認すると、特徴量に絞れる。正解は「特徴量」である。特徴量は、機械学習モデルが分類や予測の手がかりとして扱う、対象から取り出した性質や数値化された変数を指す。単語の出現回数や画像の輪郭・色はその具体例である。ビッグデータは量や種類などの面で大規模なデータの集まりを指し、個々の予測入力となる性質の名称ではない。次元の呪いは特徴量が増えすぎることで必要なデータ量が急増し、距離や密度の意味が薄れやすくなる問題である。データマイニングは大量データから規則性や傾向を見つける活動全般である。モデルへ渡す判断材料という役割から特徴量を選ぶ。

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

この事例では「言葉の出現に関する統計的性質を利用するか」を確認すると、統計的自然言語処理に絞れる。大量の文章データから統計的な規則性を取り出して言語処理に活かす流れを指すのが、正解の「統計的自然言語処理」である。単語の出現頻度や共起といった統計的な規則性を、言語の解析や予測に利用する研究の流れを表す語であることが、設問文の記述と直接対応する。イライザ（ELIZA）は統計的な規則性ではなく入力文のパターンにあらかじめ定めた応答を対応させる仕組みであり、意味ネットワークは概念と関係を構造として表す知識表現の方法であって、どちらも大量データの統計的規則性を利用する手法の流れそのものを指す語ではない。生成AIは文章や画像などを新たに作り出すAI全般を指す現在の総称であり、統計的自然言語処理という技術発展の歴史的な流れそのものを指す語ではない点で、設問の条件とはかみ合わない。

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