応用情報技術者 2021年秋期午前2 問03

問題文

AIにおけるディープラーニングに最も関連が深いものはどれか。

ア：ある特定の分野に特化した知識を基にルールベースの推論を行うことによって、専門家と同じレベルの問題解決を行う。

イ：試行錯誤しながら条件を満たす解に到達する方法であり、場合分けを行い深さ優先で探索し、解が見つからなければ一つ前の場合分けの状態に後戻りする。

ウ：神経回路網を模倣した方法であり、多層に配置された素子とそれらを結ぶ信号線で構成されたモデルにおいて、信号線に付随するパラメタを調整することによって入力に対して適切な解が出力される。（正解）

エ：生物の進化を模倣した方法であり、与えられた問題の解の候補を記号列で表現して、それらを遺伝子に見立てて突然変異、交配、とう汰を繰り返して逐次的により良い解に近づける。

選択肢ウは「神経回路網を模倣し、多層に配置された素子（ニューロン）と信号線（シナプス）で構成され、パラメータ（重み）を調整して入力に対して適切な出力を得る」と説明しています。これはディープラーニングの本質である多層ニューラルネットワークの構造と学習方法を正確に表しています。

ディープラーニングは単なるルールベース推論や探索アルゴリズムではなく、データから特徴を自動抽出し学習するモデルである点を誤解しやすいです。

ディープラーニングは2010年代に画像認識や音声認識で飛躍的な性能向上を実現し、AI技術の中心的存在となりました。多層構造により抽象度の高い特徴を自動で学習できるため、従来の手作業による特徴設計を不要にしました。

Q: ディープラーニングとニューラルネットワークの違いは何ですか？
A: ディープラーニングは多層（ディープ）ニューラルネットワークを用いた学習手法の総称で、単層のニューラルネットワークよりも複雑なモデルです。

Q: ルールベース推論はディープラーニングとどう違いますか？
A: ルールベース推論は人間が作成した明示的なルールに従う推論で、ディープラーニングは大量のデータから自動で特徴を学習します。

関連キーワード: ディープラーニング、ニューラルネットワーク、多層パーセプトロン、機械学習、人工知能

\ せっかくなら /

応用情報技術者を
クイズ形式で学習しませんか？

すぐに利用可能！