HOME
G検定ジェネラリスト検定

「G検定ジェネラリスト検定」の記事一覧

「AIセーフティ・サミット（2023年〜）」において；各国政府が合意した「AIによる壊滅的なリスク」を未然に防ぐための協力体制を何というか。

英・米・日などが参加し；高度なAIの安全性を科学的に評価する。

2026年1月25日

複数のカメラ映像から；人物の骨格だけでなく「周囲の3D空間構造」をリアルタイムに再構成する技術を何というか。

自動運転や高度なセキュリティ監視に活用される。

2026年1月25日

ニューラルネットワークの「重みの更新」に勾配（一階微分）だけでなく；曲率（二階微分）の情報を用いる最適化手法を何というか。

計算コストは高いが；より少ない更新回数で収束に近づける。

2026年1月25日

強化学習において；エージェントが過去の成功体験に固執せず；常に新しい状態を探索するように促すパラメータを何というか。

「探索と利用のトレードオフ」を調整するための重要な設定。

2026年1月25日

LLMの回答を「数学的な推論」や「コードの実行」によって自己検証し；誤りを修正してから出力するフレームワークを何というか。

推論の過程をループさせることで；一発回答よりも高い精度を達成する。

2026年1月25日

AI開発において；多様な文化的背景を持つ人々が公平に評価・参加できるようにする取り組みを何というか。

AIによるバイアスを軽減し；普遍的な価値を反映させるために重要。

2026年1月25日

LLMの性能評価において；ベンチマークテストの「正解」が学習データに含まれてしまうことで；精度が過大評価される現象を何というか。

公平な評価を困難にする；現在のLLM開発における大きな課題。

2026年1月25日

異常検知において；データがどの程度「外れ値」であるかを数値化したものを何というか。

閾値を設定することで；正常か異常かを判定する基準となる。

2026年1月25日

データの背後にある因果関係をグラフ（非巡回有向グラフ）で表現し；介入の影響を予測する理論を何というか。

J.パールらによって体系化された；AIに因果関係を教えるための基盤。

2026年1月25日

AIを導入する際；まず「AIができること」から考えるのではなく；「顧客が解決したい不満（Job-to-be-Done）」から考える手法を何というか。

ユーザー視点の課題解決を優先し；手段としてAIを活用する。

2026年1月25日