基本情報技術者 2018年 春期 午前（科目A） 問03

ディープラーニング【午前解説】

正解の理由

• 多層構造（深さ）が特徴表現を自動的に獲得する点がディープラーニングの核心です。
• 学習は大量データと最適化（例：誤差逆伝播法＋勾配法）に依存します。
• 「人間と同じような認識ができるようにする」という表現は理想化を含むが、本質的にはニューラルネットワークを用いる点で合致します。

解法ステップ

1. 問題文のキーワードを確認：「脳神経回路」「ニューラルネットワーク」「認識」などがあればディープラーニングを指す可能性が高い。
2. 選択肢を分類：ルールベース（専門家システム）、近似解や汎用性を主張するもの、ニューラルネットワークを示すもの、領域限定の説明に分ける。
3. 技術の本質と一致する選択肢を選ぶ：自動特徴学習と多層構造を述べているものが正答。
4. 迷ったら「学習」「多層」「誤差逆伝播」「自己特徴抽出」といった語を優先する。

選択肢別の誤答解説

• ア: “AならばBである”というルールを人間があらかじめ設定して推論する説明は、専門家システムや論理推論（ルールベースAI）の説明でありディープラーニングではない。
• イ: 「厳密でなくても近い解を得る」や「広範囲で汎用的」とする説明はあいまいで、近似解を出す点は一部当てはまるが汎用性を主張しており誤り。ディープラーニングは多くの分野で有効だが、学習データに依存する限定的な適用が多い。
• ウ: 正解。脳神経回路を模したニューラルネットワークを用い、多層で特徴を学習して認識を行う点がディープラーニングの定義に合致する。
• エ: 「医療診断などに限定される」説明は誤り。ディープラーニングは医療にも応用されるが、適用分野は画像・音声・自然言語など幅広く限定されない。

よくある誤解

• ディープラーニングは万能で常に人間と同等の判断をする、という過信。学習データの偏りや領域外データに弱い点がある。
• ルールベース（専門家が論理式やルールを定義する）と混同すること。ディープラーニングはルールを明示的に書く手法ではない。
• 「汎用AI」と同一視する誤り。現実のディープラーニングは特定タスクに強いが汎用性は限定的である。

補足コラム

• CNN（畳み込みニューラルネットワーク）：画像認識・物体検出に強い。
• RNN/LSTM/GRU：時系列データや音声処理、系列予測向け（近年はTransformerが主流）。
• Transformer：自然言語処理で高性能、事前学習（pretraining）と転移学習（fine-tuning）が効果的。
  運用上の注意点：
• 大量の学習データと計算資源を必要とする。過学習やバイアスにも注意が必要。データ前処理や正則化、データ拡張が重要です。

FAQ