ディープラーニングの特徴は何で見分けるか
基本情報技術者試験 平成30年度春期 午前 問3 ／ 基礎理論 › 情報に関する理論
過去問にチャレンジ
AIにおけるディープラーニングの特徴はどれか。
- ア
"AならばBである"というルールを人間があらかじめ設定して，新しい知識を論理式で表現したルールに基づく推論の結果として，解を求めるものである。
- イ
厳密な解でなくてもなるべく正解に近い解を得るようにする方法であり，特定分野に特化せずに，広範囲で汎用的な問題解決ができるようにするものである。
- ウ
人間の脳神経回路を模倣して，認識などの知能を実現する方法であり，ニューラルネットワークを用いて，人間と同じような認識ができるようにするものである。
- エ
判断ルールを作成できる医療診断などの分野に限定されるが，症状から特定の病気に絞り込むといった，確率的に高い判断ができる。
会話形式の解説
講師この問題では、判断の規則を人が先に作るのか、データから認識に役立つ特徴を学ぶのかに注目します。
受験者人が「AならばB」という規則を決める説明もAIらしく見えます。ディープラーニングとは違うのですか。
講師それはルールに基づく推論です。人が用意した規則から答えを導くので、データから特徴を学ぶ説明には当たりません。
受験者厳密でなくても正解に近い解を得る、という説明なら当てはまりますか。
講師それだけではディープラーニングの特徴を示せません。多層のニューラルネットワークを使う点が必要です。
受験者その説明には、広い分野の問題を汎用的に解けるともあります。そこも気になります。
講師個々の学習モデルには対象となる課題があります。どの分野の問題も解けるという説明は当てはまりません。
受験者では、脳の神経回路を参考にしたニューラルネットワークを使う説明が近そうです。
講師はい。ディープラーニングは、そのネットワークを多層にして、データから学んだ特徴を認識に利用する機械学習の一種です。
受験者医療診断で確率的に判断する説明は、分野が限定されている点で違うのですか。
講師そのとおりです。医療診断のような場面は考えられますが、適用先がそこに限られるわけではありません。
受験者人が規則を作る説明や、どの分野も解けるという説明ではなく、多層のネットワークで特徴を学ぶ点を選ぶのですね。
講師はい。ある分野で利用できることと、その分野にしか利用できないことも区別すると、選択肢を判断しやすくなります。
まとめ
ディープラーニングは、多層のニューラルネットワークを使う機械学習の一種です。データから認識に役立つ特徴を学ぶ点で、人が用意した規則に基づく推論と区別できます。厳密な解に近づけるという説明だけでは、その特徴を示せません。また、医療診断で利用できることは、適用先が医療診断に限られることを意味しません。
解答・解説
正解はウです
この問題のテーマ
ディープラーニングの特徴を、ルールに基づく推論などの説明と区別する問題です。
解き方の考え方
まず、ディープラーニングが多層のニューラルネットワークを使う機械学習の一種であることを押さえます。人が判断規則を先に書く方法ではなく、データから認識に役立つ特徴を学習する方法を選びます。
選択肢ごとの解説
- ×ア "AならばBである"というルールを人間があらかじめ設定して，新しい知識を論理式で表現したルールに基づく推論の結果として，解を求めるものである。人が「AならばB」という規則を用意し、その規則から答えを導く説明です。これはルールに基づく推論であり、データから特徴を学ぶディープラーニングの説明ではありません。
- ×イ 厳密な解でなくてもなるべく正解に近い解を得るようにする方法であり，特定分野に特化せずに，広範囲で汎用的な問題解決ができるようにするものである。厳密な解に近づけるという説明だけでは、多層のニューラルネットワークを使う特徴を示せません。また、個々の学習モデルには対象となる課題があるため、どの分野の問題も汎用的に解けるという説明も当てはまりません。
- ○ウ 人間の脳神経回路を模倣して，認識などの知能を実現する方法であり，ニューラルネットワークを用いて，人間と同じような認識ができるようにするものである。脳の神経回路を参考にしたニューラルネットワークを用いる点が合っています。ディープラーニングでは、そのネットワークを多層にし、データから学んだ特徴を認識に利用します。
- ×エ 判断ルールを作成できる医療診断などの分野に限定されるが，症状から特定の病気に絞り込むといった，確率的に高い判断ができる。医療診断のように判断を行う場面は考えられますが、ディープラーニングの適用先はその分野に限られません。「医療診断などの分野に限定される」という条件が、ディープラーニングの説明として誤っています。
POINT
- ディープラーニングは機械学習の一種です。
- 人が規則を設定して推論する方法と、データから特徴を学ぶ方法を区別します。
- ある分野で利用できることと、その分野にしか利用できないことは異なります。