AIにおけるディープラーニング｜科目A-1（応用情報技術者） 令和6年 春期午前試験 問3
出典：令和6年春期 午前 問3
分野：基礎理論（中分類） ／ 情報に関する理論
AIにおけるディープラーニングに関する記述として，最も適切なものはどれか。
- ア：あるデータから結果を求める処理を，人間の脳神経回路のように多層の処理を重ねることによって，複雑な判断をできるようにする。
- イ：大量のデータからまだ知られていない新たな規則や仮説を発見するために，想定値から大きく外れている例外事項を取り除きながら分析を繰り返す手法である。
- ウ：多様なデータや大量のデータに対して，三段論法，統計的手法やパターン認識手法を組み合わせることによって，高度なデータ分析を行う手法である。
- エ：知識がルールに従って表現されており，演繹手法を利用した推論によって有意な結論を導く手法である。
TSUNAGARU-ADVICE
まず押さえたいこと
ディープラーニングは、人間の神経回路を模したニューラルネットワークを多層化し、複雑な特徴やパターンを学習する手法です。画像認識・音声認識・自然言語処理など、複雑な判断が必要な分野で広く利用されています。
迷ったときの判断軸
ポイントは、多層のニューラルネットワークを用いるかどうかです。例外値を除外しながら規則を探す手法や、三段論法による推論、あらかじめ定めたルールに従うルールベースの推論とは異なります。
科目Bにつなげるために
特にプロフェッショナルデジタルスキル（データ・AI）試験合格を目指す方は、ディープラーニングをニューラルネットワーク、特徴量の自動抽出、学習モデルと結び付けて理解しましょう。従来の機械学習との違いや、画像・音声・生成AIでの活用にもつながります。
ディープラーニングは、人間の脳の神経回路を模したニューラルネットワークを多層化し、データから複雑な特徴や規則性を学習する手法です。
画像認識や音声認識、自然言語処理などで利用され、層を重ねることで、単純な特徴からより複雑な特徴まで段階的に学習できる点が特徴です。
したがって、アが適切です。
❌他選択肢が誤りの理由イ：大量のデータからまだ知られていない新たな規則や仮説を発見するために，想定値から大きく外れている例外事項を取り除きながら分析を繰り返す手法である。
⇒データマイニングなどに近い説明です。大量のデータから未知の規則性や傾向を発見することが目的であり、多層ニューラルネットワークを用いるディープラーニングそのものの説明ではありません。
ウ：多様なデータや大量のデータに対して，三段論法，統計的手法やパターン認識手法を組み合わせることによって，高度なデータ分析を行う手法である。
⇒複数の分析手法を組み合わせた高度なデータ分析の説明であり、ディープラーニングの特徴である多層ニューラルネットワークについて述べていません。
エ：知識がルールに従って表現されており，演繹手法を利用した推論によって有意な結論を導く手法である。
⇒エキスパートシステムなどのルールベース型AIに近い説明です。あらかじめ定めた知識やルールを使って推論する方式であり、データから特徴を学習するディープラーニングとは異なります。