生成AIパスポート 用語解説
ノーフリーランチ定理とは
あらゆる問題に対して万能に優れたアルゴリズムは存在せず、あるタスクで高い性能を示す手法も、別のタスクでは平均的な性能にとどまるとする定理。
ノーフリーランチ定理の意味と見分け方
ノーフリーランチ定理は、生成AIパスポートの「第1章 AI（人工知能）」に出てくる用語です。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。
公式シラバス（PDF）（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
「第1章 AI（人工知能）」の問題で、取り違えやすい組み合わせです。
- 教師あり学習・教師なし学習・強化学習の取り違え。クラスタリングや次元削減は「教師なし」、分類や回帰は「教師あり」、報酬を手がかりに学ぶのが「強化学習」。
- 弱いAI（ANI）と強いAI（AGI）の混同。特定の課題に特化するのが弱いAI、人間のように幅広い課題へ汎用的に対応できるとされるのが強いAI。
- AIブームと中心技術の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニングとビッグデータ。
関連する確認問題
第1章 AI（人工知能） / AIに知能をもたらす仕組み
ニューラルネットワークで、前の層から来た各入力の影響度を学習によって変える値を確認したい。この値に関する次の説明のうち、誤っているものはどれか。
この事例では「入力ごとの寄与を調整する学習対象の係数か」がポイントになる。正解は「重みとは、ニューラルネットワークを構成する最小単位で、脳の神経細胞を模して複数の入力を受け取り、それらを処理して次へ出力するものである」（誤り）である。重みは、ある人工ニューロン（ノード）から次のノードへ信号を伝えるときの結合の強さを表し、学習を通じて値が調整されていくものであり、設問の説明は人工ニューロン（ノード）の定義を重みに誤って当てはめている。ニューラルネットワーク・ノーフリーランチ定理・人工ニューロン（ノード）の説明はいずれも正しい。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
画像分類で高成績だったアルゴリズムAを、性質の異なる需要予測にも採用するか検討する。ノーフリーランチ定理を踏まえた判断として適切なのはどれか。
正解は「需要予測のデータと評価指標で複数候補を比較し、その問題の性質に合うアルゴリズムを選ぶ」です。ノーフリーランチ定理は、すべての問題へ一様に平均すれば一つの最適化アルゴリズムだけが常に優れるわけではなく、ある問題群での優位が別の問題群での不利と対応し得ることを示す。したがって、画像分類での成績だけから需要予測でも万能だと断定せず、対象問題のデータ・目的・評価指標へ照らして候補を比較する。個々の問題で常に同じ性能になるという意味でも、問題知識を使えないという意味でもない。
第1章 AI（人工知能） / AIに知能をもたらす仕組み
「あらゆる問題に対して常に最良の性能を発揮する万能の機械学習アルゴリズムは存在しない」という考え方を表すものはどれか。
正解は「ノーフリーランチ定理」である。問題文の核心は、あらゆる問題に対して常に最良となる万能の機械学習アルゴリズムは存在しない、という主張である。これを表すのがノーフリーランチ定理であり、問題に応じて適切な手法を選ぶ必要があることにつながる。AI効果は、AIが実現した成果を仕組みが分かると知能ではないとみなす傾向を指す。2045年問題はシンギュラリティの到来時期に関する話題、転移学習は学習済み知識を別課題へ活かす手法である。設問が心理的傾向・時期・学習方法ではなく、アルゴリズム全般の限界を述べている点から判断する。
同じ章で確認したい用語
到達チェック
- ノーフリーランチ定理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、ノーフリーランチ定理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
用語を体系的に学べる書籍（Amazon）
PR
執筆: AI資格ドリル編集部（運営者情報を見る）