素早く問題を解いてInput⇔Outputを繰り返し!
会員レベル
ログイン
メンバーシップアカウント
会員レベル
ログイン
メンバーシップアカウント
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
投稿のページ送り
1
…
178
179
180
…
318