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が生成したプログラムコードが原因で大規模なシステム障害が起きた際；PL法（製造物責任法）の適用範囲がどう議論されているか。

2026年時点でもソフトウェア自体の「物」への該当性は議論の最中である。

2026年1月25日

ニューラルネットワークの学習において；勾配計算を簡略化し；各層の更新を独立して並列に行う手法の総称はどれか。

大規模なクラスターでの学習効率を極限まで高める技術。

2026年1月25日

画像生成AIの学習において；画像の内容と「美しさ（審美性）」のスコアをセットにして学習させる目的はどれか。

単なる再現だけでなく；人間が好むクオリティを追求するための工夫。

2026年1月25日

報酬が一切得られない状態でも；エージェントが「環境についての知識」を増やすこと自体を目的として学習する手法を何というか。

外部からの報酬設計が不要な；自律的な学習プロセスの研究。

2026年1月25日

LLMに「内緒で考えて（思考用トークンを出力させずに）」推論を行わせることで；論理的整合性を高める最新の手法はどれか。

思考プロセスを明示的に踏むことで；複雑な推論問題の正解率を向上させる。

2026年1月25日

AIモデルの運用において；入力データの分布が変化した際に；自動でアラートを出し再学習を行う仕組みの一部を何というか。

精度の劣化を未然に防ぎ；信頼性を維持するための重要な機能。

2026年1月25日

決定木の集合であるランダムフォレストにおいて；各木を学習させる際にデータの重複を許してサンプリングする手法を何というか。

バギングの核心であり；モデルの分散を抑える効果がある。

2026年1月25日

AIが「もっともらしい理由」を付けて偏った判断（差別など）を正当化してしまう問題を何というか。

AIが出力した「もっともらしい根拠」を人間が盲信してしまうリスク。

2026年1月25日

回帰分析において；説明変数を増やしても必ずしも精度が上がらず；むしろ悪化する「次元の呪い」に関連する現象はどれか。

変数が多すぎると；訓練データのノイズに過剰に適合してしまう。

2026年1月25日

AIモデルの開発に多額の投資が必要なため；一握りの巨大企業が市場を独占してしまうリスクを何というか。

計算資源とデータを持つ企業にパワーが集中することへの懸念。

2026年1月25日