ITパスポート 2021年 問20
問題文
画像認識システムにおける機械学習の事例として、適切なものはどれか。
選択肢
ア：オフィスのドアの解錠に虹彩の画像による認証の仕組みを導入することによって、セキュリティが強化できるようになった。
イ：果物の写真をコンピュータに大量に入力することで、コンピュータ自身が果物の特徴を自動的に抽出することができるようになった。（正解）
ウ：スマートフォンが他人に利用されるのを防止するために、指紋の画像認識でロック解除できるようになった。
エ：ヘルプデスクの画面に、システムの使い方についての問合せを文字で入力すると、会話形式で応答を得ることができるようになった。
🔒 解説は解答すると表示されます
画像認識システムにおける機械学習の事例【ITパスポート 解説】
正解の理由
問題文で注目すべき語句は「大量に入力することで、コンピュータ自身が特徴を自動的に抽出することができるようになった」です。この「大量のデータを与えてコンピュータが自ら特徴を見つける」仕組みこそ、機械学習（Machine Learning：コンピュータがデータから規則や特徴を学ぶ手法）に当てはまります。したがって、選択肢の中では イ が正解です。
具体的には、果物の写真を大量に与え、正解ラベル（リンゴ・バナナなど）を使って学習させると、コンピュータは見た目の特徴（色、形、テクスチャーなど）を自動で捉え、未知の写真を正しく分類できるようになります。画像認識（image recognition：画像の中にあるものをコンピュータが識別する技術）でこの「自動的に特徴を抽出する」ことが重要で、深層学習の代表的な手法である CNN（Convolutional Neural Network：畳み込みニューラルネットワーク）がこの処理を得意とします。
解法ステップ
- 問題文のキーワードを探す：「大量に入力」「自動的に抽出」「画像認識」など。
- 「自動で特徴を学ぶ＝機械学習」と結びつける。
- 選択肢を一つずつ当てはめて、本当に“学習（自動抽出）”を示すものを選ぶ。
- 結果として イ がキーワードと一致するため正解と判断する。
選択肢別の誤答解説
-
ア: 「虹彩の画像による認証でセキュリティ強化」
→ 虹彩認証は画像を使う例ですが、ここでは「導入によってセキュリティが強化できた」という効果の説明です。機械学習そのもの（大量データから特徴を学ぶ過程）が明示されていないため、問題が問う「機械学習の事例」とは言えません。実際には機械学習を使うこともありますが、文面からはその説明がない点が問題です。 -
イ: 「果物の写真を大量に入力することで、コンピュータ自身が果物の特徴を自動的に抽出」
→ 正解。大量の画像データから特徴を自動で学習し、分類などに活用するのが典型的な機械学習の事例です。 -
ウ: 「指紋の画像認識でロック解除」
→ 指紋認証も画像（または指紋パターン）を使う応用ですが、この文は「利用者がロック解除できるようになった」という機能の説明です。機械学習による学習過程や自動抽出を明確に示していないため、設問の条件に合いません。指紋認証は単純な照合（テンプレートマッチ）で済む場合もあります。 -
エ: 「文字で入力すると会話形式で応答」
→ これは会話型システム（チャットボット）で、主に自然言語処理（NLP：Natural Language Processing）分野の話です。機械学習を使うことはありますが、「画像認識システムにおける」事例ではないため不適切です。
よくある誤解
-
「画像を使っている＝必ず機械学習」ではない
→ 画像を使うシステムでも、単純なテンプレート照合やルールベースで動く場合があります。「大量のデータで自動的に学習する」記述があるかを確認しましょう。 -
「認証（顔・虹彩・指紋）＝機械学習の例」だと思い込みやすい
→ 実際に機械学習を使うことも多いですが、問題文で「学習して特徴を見つける」と明言されていないと機械学習の事例とは言えません。 -
「自動応答（チャット）も画像認識だ」と混同する
→ 会話は自然言語処理で、画像認識とは別領域です（どちらも機械学習を使うことはあるが、問題の対象に合致しない）。
補足コラム
自動的な「特徴抽出」には2種類のイメージが頭に浮かびます。
- 手作業で特徴を設計する方法（例：色のヒストグラム、輪郭の長さなどを人が作る）
- コンピュータがデータから自動で特徴を学ぶ方法（機械学習）
後者は深層学習（ディープラーニング、Deep Learning）の登場で特に進化しました。CNN（Convolutional Neural Network：畳み込みニューラルネットワーク）は画像の局所的なパターン（エッジや形）を自動的に捕まえる「フィルタ」を多数学び、上位層ではより抽象的な特徴（「リンゴらしさ」など）を表現します。身近な例では、スマホの写真アプリが自動で人物や風景を分類したり、商品画像から同じ商品を探したりする機能がこれに当たります。
FAQ
Q. 虹彩や指紋の認証は機械学習を使っていることはないのですか？
A. 場合によります。古典的な照合方式（テンプレートマッチ）だけで済むこともありますが、精度向上や変化に強くするために機械学習を使うケースも増えています。問題文に「学習して自動抽出」といった記述がないと、設問では機械学習の事例とは見なされません。
A. 場合によります。古典的な照合方式（テンプレートマッチ）だけで済むこともありますが、精度向上や変化に強くするために機械学習を使うケースも増えています。問題文に「学習して自動抽出」といった記述がないと、設問では機械学習の事例とは見なされません。
Q. 機械学習と深層学習（ディープラーニング）の違いは？
A. 機械学習は広い概念で、深層学習はその中の一手法です。深層学習は多層のニューラルネットワークを使い、生のデータから高度な特徴を自動で学ぶのが得意です。
A. 機械学習は広い概念で、深層学習はその中の一手法です。深層学習は多層のニューラルネットワークを使い、生のデータから高度な特徴を自動で学ぶのが得意です。
Q. 画像認識で「大量」とはどの程度のデータが必要ですか？
A. 手法や対象によりますが、深層学習では数千〜数万枚、場合によってはそれ以上の画像があると安定して学べることが多いです。少ない場合はデータ拡張や転移学習（既存モデルの再利用）で補います。
A. 手法や対象によりますが、深層学習では数千〜数万枚、場合によってはそれ以上の画像があると安定して学べることが多いです。少ない場合はデータ拡張や転移学習（既存モデルの再利用）で補います。
関連キーワード: 機械学習、画像認識、特徴抽出、畳み込みニューラルネットワーク（CNN）、生体認証、自然言語処理（NLP）
\ せっかくなら /
ITパスポートを
クイズ形式で学習しませんか？
クイズ画面へ遷移する→
すぐに利用可能！