HOME
Lv078

「Lv078」の記事一覧

強化学習のエージェントが「一回の試行」から最大限に学ぶために；「過去の重要な経験」を優先的に学習対象として選ぶ手法を何というか。

誤差が大きかった（驚きが大きかった）経験を重点的に復習し、学習を加速させる。

2026年1月25日

AIが「特定の個人の思考や行動」を勝手に学習し、その人を模倣する「デジタルクローン」を作成することに対する法的・倫理的な最大の懸念はどれか。

個人のアイデンティティが、本人の意思に反して技術的に複製・利用されるリスク。

2026年1月25日

LLMアプリケーションにおいて；「事実に基づかない回答（ハルシネーション）」を検知するために、回答の内容を外部の信頼できるデータベース（Wikipedia等）と照合する処理を何というか。

生成AIの回答を現実の事実（Ground）に結びつけ、信頼性を確保する。

2026年1月25日

AIを導入した際の「生産性のパラドックス」を解消するために；技術だけでなく、人の教育やプロセスの刷新に投資することを何と呼ぶか。

ITの恩恵を引き出すために必要な、組織改革やスキル習得という「目に見えない資産」。

2026年1月25日

モデルの精度を向上させる「アンサンブル学習」において；「弱学習器」を並列に学習させて平均をとる「バギング」に対し、直列に学習させて誤差を修正する手法はどれか。

XGBoostなどの高性能モデルの基盤であり、前のモデルのミスを次のモデルが補強する。

2026年1月25日

「AIガバナンス」の議論において；AIがもたらすリスクを管理するために、AIの「サプライチェーン（学習データからデプロイまで）」を追跡可能にする仕組みを何というか。

ソフトウェアの部品表（SBOM）をAIに応用し、脆弱性や権利関係を明確にする考え方。

2026年1月25日

データの「真の分布」がわからないときに；手元のデータを「何度も重複を許してサンプリング」し直して、統計量のばらつきを推定する手法はどれか。

少ないデータから信頼区間や標準誤差を算出するための強力なノンパラメトリック手法。

2026年1月25日

画像生成における「拡散モデル」の性能を飛躍させた；「画像を低次元の潜在空間に圧縮してから拡散を行う」アーキテクチャはどれか。

Stable Diffusionの基盤であり、計算コストを抑えつつ高画質な生成を可能にした。

2026年1月25日

ニューラルネットワークが学習データ（サンプル数 $n$）よりも圧倒的に多いパラメータ（数 $p$）を持つ際、なぜ過学習せずに精度が上がるのかを説明する仮説はどれか。

パラメータが増えると「過学習」の山を越えて、再び汎化性能が向上する現代的な知見。

2026年1月25日

LLMの性能を高める「アライメント」において；人間の評価データから直接、モデルの出力確率を調整する「報酬モデル不要」の手法はどれか。

計算が安定し、ChatGPTなどの後続モデルの学習効率を劇的に高めた技術。

2026年1月25日