G検定 用語解説
ELMoとは
同じ単語でも文中の前後の文脈に応じて異なるベクトル表現が得られるようにした、文脈を考慮した分散表現の手法。word2vecのような静的な手法とは異なる。
まず押さえる結論
ELMoは、G検定の「大項目6 ディープラーニングの応用例」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×物体検出（R-CNN系/YOLO/SSD）とセグメンテーション（セマンティック＝画素単位の塗り分け、インスタンス＝個体ごとに区別）の混同。
×word2vec・BERT・GPTの違い（BERT＝前後両方向、GPT＝一方向・自己回帰）。
×強化学習の応用（DQN、AlphaGo）と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 自然言語処理
単語を1種類の固定したベクトルで表すのではなく、同じ単語であっても文中の前後の文脈に応じて異なるベクトル表現が得られるようにした、文脈を考慮した分散表現の手法はどれか。
正解はELMo。同じ単語でも文中の前後の文脈に応じて異なるベクトル表現が得られる、文脈を考慮した分散表現を与える手法である。word2vecは1つの単語につねに同じ固定のベクトルを割り当てる静的な手法で文脈を反映しない。形態素解析は文を単語に分割する処理、Transformerは自己注意を用いるネットワーク構造そのものであり、いずれも文脈に応じて変化する単語の分散表現を与える手法を指すものではない。 単語表現が固定か文脈依存かを見る。word2vecは語ごとに一つの静的ベクトル、形態素解析は文の分割、Transformerは汎用ネットワーク構造である。前後方向の言語モデルから文脈依存表現を作る手法名はELMoである。
大項目6 ディープラーニングの応用例 / 音声・強化学習
囲碁で、自己対戦による学習を通じて強化されたシステムとして知られ、AlphaGoの後継として語られることが多いものはどれか。
正解は「AlphaGo Zero」である。AlphaGo Zeroは自己対戦を通じて強化学習を進めた囲碁AIとして知られる。ELMoは自然言語処理の分散表現、Fast R-CNNは物体検出、Cycプロジェクトは知識ベース構築の取り組みであり、囲碁の強化学習システムではない。 固有名は分野と学習方法で対応させる。ELMoは文脈依存の単語表現、Fast R-CNNは物体検出、Cycは常識知識ベース構築である。自己対戦を通じて囲碁を強化学習したシステムはAlphaGo Zeroである。
同じ章で確認したい用語
到達チェック
- ELMoを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、ELMoに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）