ITパスポート 2023年 問74
問題文
ニューラルネットワークに関する記述として、最も適切なものはどれか。
選択肢
ア:PC、携帯電話、情報家電などの様々な情報機器が、社会の至る所に存在し、いつでもどこでもネットワークに接続できる環境
イ:国立情報学研究所が運用している、大学や研究機関などを結ぶ学術研究用途のネットワーク
ウ:全国の自治体が、氏名、生年月日、性別、住所などの情報を居住地以外の自治体から引き出せるようにネットワーク化したシステム
エ:ディープラーニングなどで用いられる、脳神経系の仕組みをコンピュータで模したモデル(正解)
🔒 解説は解答すると表示されます
ニューラルネットワークに関する記述 +【ITパスポート 解説】
正解の理由
選択肢エが正しい理由は、「ニューラルネットワーク」が「脳の神経系の仕組みをコンピュータで模したモデル」を指すからです。
ニューラルネットワーク(neural network:脳の神経細胞を模した計算モデル)は、ディープラーニング(deep learning:層の多いニューラルネットワークを使う機械学習の一手法)などで使われ、画像認識や音声認識、自然言語処理などの分野で広く応用されています。
そのため、選択肢エの説明が問題文の「ニューラルネットワーク」に最も適合します。
ニューラルネットワーク(neural network:脳の神経細胞を模した計算モデル)は、ディープラーニング(deep learning:層の多いニューラルネットワークを使う機械学習の一手法)などで使われ、画像認識や音声認識、自然言語処理などの分野で広く応用されています。
そのため、選択肢エの説明が問題文の「ニューラルネットワーク」に最も適合します。
解法ステップ
- 問題文のキーワードを確認:「ニューラルネットワーク」。
- ここで「ニューラル=神経に関する」と直感的に結びつける。
- 各選択肢の意味を短く把握する。
- ア:機器がどこでもつながる話 → ネットワークの利用環境(例:IoT)。
- イ:学術機関を結ぶネットワーク → 特定の通信網。
- ウ:自治体の住民情報を共有するシステム → 行政のデータ連携。
- エ:脳の仕組みを模したモデル → 計算モデル/機械学習関連。
- 「ニューラル(神経)」の語源と文脈(ディープラーニングの記述)から選ぶ。
- 選択肢エを選択。
選択肢別の誤答解説
-
ア:PC、携帯電話、情報家電などがいつでもどこでもネットワーク接続できる環境
- これは「ユビキタス(ubiquitous:至る所に存在する)」や「IoT(Internet of Things:モノのインターネット、様々な機器がネットにつながる)」に関する説明です。ニューラルネットワークの定義ではありません。
-
イ:国立情報学研究所が運用している、大学や研究機関などを結ぶ学術研究用途のネットワーク
- これは特定の学術用ネットワーク(例:学術情報ネットワーク)に関する説明です。通信網や運営主体について述べており、ニューラルネットワークとは別領域です。
-
ウ:全国の自治体が個人情報をネットワーク化して共有するシステム
- これは住民情報の共有システム(住民基本台帳ネットワーク等)に関する説明です。行政のデータ連携についてであり、計算モデルを指すニューラルネットワークではありません。
-
エ:ディープラーニングなどで用いられる、脳神経系の仕組みをコンピュータで模したモデル(正答の説明)
- 「ニューラル(神経)」という語の通り、脳の神経細胞(ニューロン)を模倣した構造を持つ計算モデルを指します。ディープラーニングはその応用形の一つで、層(layer)を深くしたモデルを使います。
よくある誤解
-
「ネットワーク=通信網」と混同する
- 「ニューラルネットワーク」は「ネットワーク」という語を使いますが、ここでの「ネットワーク」はコンピュータの配線や通信網ではなく、計算要素(ニューロン)がつながった構造を指します。通信網の説明(ア・イ・ウ)と混同しやすいので注意してください。
-
「脳と同じ動きをする」と思う誤解
- ニューラルネットワークは脳の仕組みから着想を得ていますが、人間の脳の全ての細かい仕組みを再現しているわけではありません。あくまで「脳の一部の性質をモデル化した数学的・計算的な仕組み」です。
補足コラム
-
ニューラルネットワークの基本構成(やさしく)
- ニューロン(neurons:情報を受け取り計算する単位)→ 重み(weights:入力をどれだけ重視するか)→ 活性化関数(activation function:出力を決めるルール)という流れで情報を処理します。
- 活性化関数(activation function:ニューロンの出力を決める関数)は、シグモイド関数やReLU(Rectified Linear Unit:0未満を0にする関数)などがあります。
-
実生活での応用例(身近なもの)
- スマホの顔認証(画像認識)、音声アシスタント(音声認識→テキスト化)、ネット通販のレコメンド(購入履歴から好みを推定)などで使われています。
-
簡単なイメージ(コード風)
- ニューラルネットワークの1ニューロンは次のような計算をします(擬似コード)。
# inputs: 入力ベクトル、weights: 重みベクトル、bias: 切片 y = sum(inputs * weights) + bias output = activation_function(y) # これがニューロンの出力
- ニューラルネットワークの1ニューロンは次のような計算をします(擬似コード)。
FAQ
Q1: ニューラルネットワークとAI(Artificial Intelligence:人工知能)の違いは?
A1: AIは「人間の知的な動作をコンピュータで実現する技術の総称」です。ニューラルネットワークはその中の「学習や推論のための一つの技術(モデル)」です。
A1: AIは「人間の知的な動作をコンピュータで実現する技術の総称」です。ニューラルネットワークはその中の「学習や推論のための一つの技術(モデル)」です。
Q2: ディープラーニングって何ですか?
A2: ディープラーニング(deep learning:深い学習)は、層(layer)が多いニューラルネットワークを使う手法です。層を深くすることで複雑な特徴を自動で学習できます。
A2: ディープラーニング(deep learning:深い学習)は、層(layer)が多いニューラルネットワークを使う手法です。層を深くすることで複雑な特徴を自動で学習できます。
Q3: ニューラルネットワークはどうやって学ぶの?
A3: 代表的には「教師あり学習(正解付きデータを使う)」で、出力と正解の差を小さくするように重みを少しずつ調整します。この調整方法を『誤差逆伝播法(バックプロパゲーション)』と言います。
A3: 代表的には「教師あり学習(正解付きデータを使う)」で、出力と正解の差を小さくするように重みを少しずつ調整します。この調整方法を『誤差逆伝播法(バックプロパゲーション)』と言います。
Q4: 初学者が学ぶには何から始めれば良い?
A4: 基本は「線形代数(行列の計算)」「確率・統計」「プログラミング(Pythonが一般的)」の基礎です。入門書やオンライン講座で、簡単な実装と結果を確認するのが近道です。
A4: 基本は「線形代数(行列の計算)」「確率・統計」「プログラミング(Pythonが一般的)」の基礎です。入門書やオンライン講座で、簡単な実装と結果を確認するのが近道です。
関連キーワード: ニューラルネットワーク、ディープラーニング、機械学習、人工知能、ニューラルモデル、活性化関数

\ 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!

