ITパスポート 2025年 問86

動物画像から自動で特徴を抽出して種類を識別するAIの技術はどれか【ITパスポート 解説】

正解の理由

解法ステップ

1. 問題文のキーワードを探す：「大量の画像」「特徴を自動的に抽出」「識別（種類を判定）」。
2. 各選択肢が何を指すかを簡単に思い出す：
   • e-ラーニング：学習コンテンツをネットで提供する仕組み（教育分野）。
   • アクティブラーニング：人が能動的に学ぶ教育方法、または機械学習で「モデルが注目するデータだけラベルを欲しがる」手法を指すこともある。
   • アダプティブラーニング：学習者に合わせて教材を変える教育手法（適応学習）。
   • ディープラーニング：多層のニューラルネットワークで特徴を自動学習する機械学習手法。
3. 「画像から自動で特徴抽出」＝機械が特徴を学習することを示すため、ディープラーニングが最も適合する。よってエを選ぶ。

選択肢別の誤答解説

• ア: e-ラーニング
  意味：electronic learning（電子的な学習）。オンラインで学習教材を配信する仕組みです。画像認識の技術そのものではありません。
• イ: アクティブラーニング
  説明：教育法としての「能動学習（学習者が主体的に学ぶ）」や、機械学習分野では「モデルがラベルを効率よく集めるためにどのデータを人にラベル付けさせるか選ぶ手法」を指します。画像から自動的に特徴を抽出して分類する主要手法を指す言葉ではありません。
• ウ: アダプティブラーニング
  意味：学習者一人ひとりに合わせて教材を変える適応学習のことです。こちらも教育分野の手法で、画像識別技術を指す言葉ではありません。
• エ: ディープラーニング
  説明：大量データから特徴を自動で学習し、画像分類などに強い手法です。代表的な成功例にImageNet（大量画像データセット）での成果や、CNNによる猫・犬分類などがあります。

よくある誤解

1. 「アクティブラーニング＝ディープラーニング」と混同する
   • 機械学習の文脈で「アクティブラーニング」はデータラベリングを効率化する手法で、モデル自体が特徴抽出を行うかどうかは別問題です。特徴の自動抽出はディープラーニングの役割です。
2. 「ディープラーニングは何でも自動で解決する」
   • データが少なかったり質が悪いと性能が出ません。大量の学習データと計算資源（GPU：Graphics Processing Unit、並列計算に強いプロセッサ）が重要です。

補足コラム

• CNN（畳み込みニューラルネットワーク）は画像内の局所的なパターン（エッジ、曲線、模様）を捉えるのが得意です。層が深くなるほど「単純なパターン→複雑なパターン→物体全体」という具合に抽象度の高い特徴を自動で組み上げます。
• 歴史的には、2012年のAlexNetというディープラーニングモデルがImageNet（大量のラベル付き画像）で圧倒的な成績を出し、画像認識分野でのディープラーニングのブレイクスルーとなりました。
• 実務では、既に学習済みのモデルを活用する「転移学習（Transfer Learning：別データで学習したモデルを再利用する手法）」がよく使われます。これにより学習データが少ない場面でも有用です。

FAQ