試験のルールについて
オンライン試験では、受験を始める前に受験規約への同意が求められます(JDLAの受験者向け操作マニュアル)。会場試験では手荷物をロッカーに預け、筆記用具とメモ用紙は会場で渡されて試験の後に回収されます(JDLAのよくある質問)。受験中に何を使えるかは、受験規約と受験者向けの案内で確かめ、そのルールにしたがってください。
また、145問程度を100分で解くオンライン試験では、1問あたり約41秒しかありません。資料を探しながら解く時間はほとんどないので、用語は試験の前に覚えておくことが大切です。
人工知能の定義と動向
AI効果:実用化された技術が知能とみなされなくなる現象。フレーム問題:課題に関係のある事柄だけを選び出す難しさ。シンボルグラウンディング問題:記号と実世界の対象を結び付ける難しさ。知識獲得のボトルネック:専門家の知識をルールにする手間の大きさ。次元の呪い:特徴量の次元が増えると必要なデータが急増すること。
機械学習
適合率:陽性と予測したもののうち実際に陽性だった割合。再現率:実際の陽性のうち陽性と予測できた割合。F値:適合率と再現率の調和平均。交差検証:評価用のデータを入れ替えながら評価する方法。バギング:並列に作った複数のモデルの結果をまとめる方法。ブースティング:前のモデルの誤りを補うようにモデルを順に加える方法。ε-greedy方策:確率εで無作為に行動し、それ以外は最も良い行動を選ぶ方策。
ディープラーニング
勾配消失問題:層をさかのぼるにつれて勾配が小さくなり、学習が進まなくなる問題。ReLU関数:負の入力を0にし、正の入力をそのまま出す活性化関数。ドロップアウト:学習中にニューロンを無作為に無効にする正則化。バッチ正規化:ミニバッチ内で値をそろえて学習を安定させる手法。スキップ結合:入力を出力に足し、深いネットワークを学習しやすくする構造。Attention:クエリとキーの類似度で重みを決め、バリューを足し合わせる仕組み。畳み込みの出力の大きさは、(入力−フィルタ+2×パディング)÷ストライド+1で求めます。
応用例と社会実装
YOLO:1回の処理で物体の位置とクラスを予測する物体検出のモデル。BERT:隠した単語を前後の文脈から当てて事前学習するモデル。GAN:生成器と識別器を競わせる生成モデル。拡散モデル:ノイズを加える過程の逆をたどって画像を作るモデル。蒸留:大きなモデルを手本に小さなモデルを学ばせる軽量化の手法。データリーケージ:予測の時点では得られない情報が学習に入り込むこと。
法律と倫理
著作権法第30条の4:情報解析など、享受を目的としない著作物の利用を、原則として許諾なく認める規定。営業秘密の三要件:秘密管理性、有用性、非公知性。限定提供データ:特定の者に提供するために相当量蓄積し、IDなどで管理しているデータ。準委任契約:業務の遂行を約束し、仕事の完成は約束しない契約。リスクベースアプローチ:リスクの大きさに応じて規律の強さを変える考え方。フィルターバブル:好みに合う情報ばかりに囲まれる現象。