出題範囲（10分野）
- 人工知能とは80問
- 人工知能をめぐる動向（探索・推論／知識表現／機械学習／ディープラーニング）74問
- 機械学習の概要（教師あり／教師なし／強化学習／モデル選択・評価）75問
- ディープラーニングの概要（NN／活性化関数／誤差関数／正則化／誤差逆伝播／最適化）80問
- ディープラーニングの要素技術（全結合・畳み込み・正規化・プーリング・Attention・オートエンコーダ・データ拡張 等）77問
- ディープラーニングの応用例（画像／NLP／音声／深層強化学習／生成 AI／転移学習・FT／マルチモーダル／解釈性／軽量化）73問
- AI の社会実装に向けて（AI プロジェクトの進め方・データ収集／加工／分析／学習）79問
- AI に必要な数理・統計知識67問
- AI に関する法律と契約（個人情報保護法／著作権法／特許法／不正競争防止法／独占禁止法／AI 開発委託・サービス提供契約）74問
- AI 倫理・AI ガバナンス（ガイドライン／プライバシー／公平性／安全性／悪用／透明性／民主主義／環境／労働政策／AI ガバナンス）71問
JDLA Deep Learning for GENERAL (G検定)の例題（6問・解説つき）
スキルサートのAIが出題範囲に沿って作成した演習問題です（過去問ではありません）。アプリでは毎週新しい問題が追加されます。
例題1人工知能とは
1960年代にジョセフ・ワイゼンバウムによって開発されたプログラム「ELIZA（イライザ）」に関する説明として、最も適切なものはどれか。
- 入力されたテキストに対して、特定のキーワードに反応してあらかじめ決められたルールに基づいて応答を生成していた。
- 人間の脳の神経回路を模倣した多層パーセプトロンを採用していた。
- 世界で初めて「シンボリックAI」の概念を提唱し、自然言語処理の飛躍的進歩をもたらした。
- 記号論理学に基づいた推論エンジンを搭載し、専門家の知識を高度に処理することができた。
- チューリング・テストに合格した最初のAIとして、ダートマス会議で公式に認定された。
解答と解説を見る
正解: 入力されたテキストに対して、特定のキーワードに反応してあらかじめ決められたルールに基づいて応答を生成していた。
正解は「入力されたテキストに対して、特定のキーワードに反応してあらかじめ決められたルールに基づいて応答を生成していた。」です。ELIZAは、特定の単語（キーワード）を検知し、あらかじめ用意されたスクリプトに従って、ユーザーの言葉をオウム返ししたり質問を投げ返したりするシンプルなパターンマッチング方式を採用していました。これにより、人間がまるでAIに感情や理解があるかのように錯覚してしまう「イライザ効果」という現象が知られるようになりました。「人間の脳の神経回路を模倣」したのはニューラルネットワークであり、「記号論理学に基づいた推論」や「専門家の知識処理」は第2次AIブームのエキスパートシステムの特徴です。また、ELIZAが公式にチューリング・テストに合格したという事実はありません。
例題2人工知能をめぐる動向（探索・推論／知識表現／機械学習／ディープラーニング）
1956年にジョン・マッカーシーやマービン・ミンスキーらによって開催され、そこで初めて「人工知能（Artificial Intelligence）」という言葉が使われたとされる会議の名称として正しいものはどれか。
- チューリング会議
- ブレットンウッズ会議
- エディンバラ会議
- ダートマス会議
- シリコンバレー会議
解答と解説を見る
正解: ダートマス会議
正解は「ダートマス会議」です。1956年にアメリカのダートマス大学で開催されたこの会議は、人工知能研究の出発点として広く知られています。マッカーシー、ミンスキー、シャノン、ローチェスターといった後のAI研究を牽引する重要人物が集まり、「知的な機能を機械でシミュレーションする」という構想について議論しました。他の選択肢について、チューリングは計算機科学の父ですがこの会議の名称ではありません。ダボス会議は世界経済フォーラムの年次総会、ブレットンウッズは国際通貨体制に関する会議です。この会議を機に、第1次人工知能ブームが本格的に始まりました。
例題3機械学習の概要（教師あり／教師なし／強化学習／モデル選択・評価）
機械学習の学習手法に関する記述として、最も適切なものはどれか。
- 教師なし学習は、入力と正解の関係を学習し、回帰や分類といった具体的な予測タスクを解くために用いられる。
- アンサンブル学習は、単一のモデルの性能を限界まで追求する手法であり、複数のモデルを組み合わせることは一切ない。
- 強化学習は、エージェントが環境の中で試行錯誤しながら行動を選択し、得られる報酬を最大化するように学習する手法である。
- 半教師あり学習は、データセットのすべてのデータに正解ラベルが付与されていることを前提条件とする手法である。
- 教師あり学習は、入力データに対する正解ラベルが与えられない状態で、データそのものの構造を抽出する手法である。
解答と解説を見る
正解: 強化学習は、エージェントが環境の中で試行錯誤しながら行動を選択し、得られる報酬を最大化するように学習する手法である。
正解は「強化学習は、エージェントが環境の中で試行錯誤しながら行動を選択し、得られる報酬を最大化するように学習する手法である。」です。機械学習は主に教師あり学習、教師なし学習、強化学習の3つに分類されます。教師あり学習は正解ラベルを用いて回帰や分類を行い、教師なし学習はラベルのないデータからクラスタリングや次元圧縮などで構造を抽出します。半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを併用する手法です。アンサンブル学習は、弱学習器を複数組み合わせて高精度なモデルを作る手法であるため、選択肢の記述は誤りです。
例題4ディープラーニングの概要（NN／活性化関数／誤差関数／正則化／誤差逆伝播／最適化）
ディープラーニングの歴史において、1960年代に登場した単純パーセプトロンには解決できない問題があることがマービン・ミンスキーらによって指摘された。その問題の名称として適切なものはどれか。
- 過学習（オーバーフィッティング）
- 次元の呪い
- 線形分離不可能な問題（XOR問題）
- 勾配消失問題
- 局所最適解への収束
解答と解説を見る
正解: 線形分離不可能な問題（XOR問題）
正解は「線形分離不可能な問題（XOR問題）」です。単純パーセプトロンは、入力を直線（超平面）で区切る「線形分離可能」な問題しか解けませんでした。排他的論理和（XOR）のように直線一本で分類できない問題が解けないことをミンスキーとパパートが証明したことで、第1次AIブームは終焉を迎えました。勾配消失や過学習は後の多層ニューラルネットワーク特有の課題であり、次元の呪いは高次元データの扱いの難しさを指す概念です。
例題5ディープラーニングの要素技術（全結合・畳み込み・正規化・プーリング・Attention・オートエンコーダ・データ拡張 等）
ディープラーニングの最適化手法において、本来のL2正則化が重み減衰（Weight Decay）と等価になるのは、単純な勾配降下法（SGD）の場合のみであることが指摘されている。Adamのような適応的学習率を用いる手法において、L2正則化と重み減衰を分離し、本来の重み減衰を正しく適用するように改良された手法はどれか。
- Adamax
- AdaGrad
- AdamW
- RMSprop
- AdaDelta
解答と解説を見る
正解: AdamW
正解は「AdamW」です。従来のAdamの実装では、損失関数にL2正則化項を加える手法が一般的でしたが、これでは適応的な学習率の影響で重み減衰の効果が変化してしまいます。AdamWは重みの更新式の中で直接重みを減衰させることで、この問題を解決しました。AdaGradは過去の勾配の二乗和で学習率を調整する手法、RMSpropはAdaGradの学習率低下問題を移動平均で改善した手法、AdaDeltaは学習率の単位を調整した発展形、Adamaxは無限ノルムを用いたAdamの派生形ですが、重み減衰の分離を主目的としたものではありません。
例題6ディープラーニングの応用例（画像／NLP／音声／深層強化学習／生成 AI／転移学習・FT／マルチモーダル／解釈性／軽量化）
コンピュータビジョンにおける画像タスクのうち、個々の物体をピクセル単位で分類し、かつ同じクラスに属する異なる個体（例えば、2台の異なる車）を別々のラベルとして識別する手法として、最も適切なものはどれか。
- パノプティックセグメンテーション
- 物体検出（オブジェクトディテクション）
- セマンティックセグメンテーション
- インスタンスセグメンテーションは、同一クラスの個体を区別する。
- 画像分類（イメージクラシフィケーション）
解答と解説を見る
正解: インスタンスセグメンテーションは、同一クラスの個体を区別する。
セマンティックセグメンテーションは画素単位でクラスを分類しますが、同一クラス内の個別の個体を区別しません。一方、インスタンスセグメンテーションはクラス分類に加えて、個々の物体を個体として識別するタスクです。物体検出は矩形（バウンディングボックス）で位置を示しますが、ピクセル単位の形状は特定しません。パノプティックセグメンテーションはこれら両方の特徴を統合した手法です。画像分類は画像全体にラベルを付与するのみです。正解は「インスタンスセグメンテーションは、同一クラスの個体を区別する。」です。
よくある質問
- JDLA Deep Learning for GENERAL (G検定)の問題はスキルサートで何問解けますか？
- 全750問・10分野の問題を用意しています。問題は出題範囲に沿って随時追加しています。
- 無料で使えますか？
- 無料プランで週10回の演習（1回10問）と、毎日の「今日の1問」を利用できます。解説を読み、わからない点はAIに質問できます。
- ここの問題は過去問ですか？
- 過去問ではありません。出題範囲に沿ってAIが作成した演習問題です。すべて解説つきで、間違えた問題は繰り返し解けます。
JDLA Deep Learning for GENERAL (G検定)の対策はアプリで
AIが毎週生成する新作問題・ランクマッチ・週次ランキング・AI診断で「続けられる」資格学習を。無料で始められます。
