人工知能の定義・分類
問題ID g_kentei_s01_0001
AIという分野の基本的な射程を説明できる。
WEB問題 出題論点
人工知能の基礎・歴史・動向
人工知能の基礎・歴史・動向の公開中WEB問題150問を、5つの学習分野・15の細目に沿って確認できる。
全問題の論点と学習ポイント
3問
人工知能とは
「人工知能とは」の分野として、人工知能の定義・分類、弱いAI・強いAI・汎用人工知能、フレーム問題・シンボルグラウンディング・身体性などを扱う。
人工知能の定義・分類
問題ID g_kentei_s01_0002
AI・機械学習・ディープラーニングの階層関係を区別できる。
人工知能の定義・分類
問題ID g_kentei_s01_0003
知的エージェントの基本構造を説明できる。
人工知能の定義・分類
問題ID g_kentei_s01_0004
AIの定義が一義的でない理由を説明できる。
人工知能の定義・分類
問題ID g_kentei_s01_0005
タスク性能と知能の一般性を区別できる。
人工知能の定義・分類
問題ID g_kentei_s01_0006
代表的なAIアプローチの違いを説明できる。
人工知能の定義・分類
問題ID g_kentei_s01_0007
合理的エージェントにおける合理性の意味を理解する。
人工知能の定義・分類
問題ID g_kentei_s01_0008
チューリングテストが何を評価し、何を直接証明しないかを区別できる。
人工知能の定義・分類
問題ID g_kentei_s01_0009
AIと機械学習を同一視せず、古典的AIを位置づけられる。
人工知能の定義・分類
問題ID g_kentei_s01_0010
AIの名称と性能保証を混同しない。
人工知能の定義・分類
問題ID g_kentei_s01_0011
AIの定義を複数の評価軸で構造化できる。
人工知能の定義・分類
問題ID g_kentei_s01_0012
外部性能から内部状態を過剰推論しない。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0013
弱いAIの能力範囲を説明できる。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0014
AGIと狭いAIを能力範囲で区別できる。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0015
Searleにおける強いAIの意味を区別できる。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0016
中国語の部屋が提起する論点を説明できる。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0017
AGI・ASI・強いAIの論点を区別する。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0018
特定領域の超人的性能とAGIを混同しない。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0019
強いAIとAGIの文脈差を説明できる。
弱いAI・強いAI・汎用人工知能
問題ID g_kentei_s01_0020
AGIの一般性評価で未知課題への適応を位置づける。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0021
フレーム問題の中心論点を説明できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0022
シンボルグラウンディング問題の意味を説明できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0023
身体性の考え方を説明できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0024
事例からフレーム問題を識別できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0025
比喩からシンボルグラウンディングを識別できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0026
フレーム問題を単純な計算資源問題と区別する。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0027
シンボルグラウンディングの解決方向を理解する。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0028
身体性を設計事例へ適用できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0029
複数のAI基礎問題を対比できる。
フレーム問題・シンボルグラウンディング・身体性など
問題ID g_kentei_s01_0030
抽象概念を具体的なシステム事例へ適用できる。
探索・推論
「探索・推論」の分野として、探索木・幅優先探索・深さ優先探索、ゲーム木・ミニマックス法・αβ法、論理・推論・確率的推論を扱う。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0031
BFSの探索順序を説明できる。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0032
DFSの探索順序とバックトラックを説明できる。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0033
探索木の基本構成要素を説明できる。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0034
BFSが最短ステップ解を保証する条件を理解する。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0035
BFSとDFSの空間特性を比較できる。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0036
グラフ探索における重複状態管理を説明できる。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0037
探索順序とデータ構造を対応づける。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0038
非情報探索の意味を誤解なく説明できる。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0039
分岐係数と深さがBFSの資源消費へ与える影響を理解する。
探索木・幅優先探索・深さ優先探索
問題ID g_kentei_s01_0040
DFSの完全性に関する条件と失敗モードを説明できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0041
MAXノードの値の決め方を理解する。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0042
MINノードの意味を説明できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0043
ゲーム木の効用値と評価値を区別できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0044
αβ枝刈りがミニマックス結果を保持することを理解する。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0045
αβ枝刈りの条件を説明できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0046
手の並べ方がαβ枝刈りへ与える影響を理解する。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0047
ゲーム木で深さ制限と評価関数が必要な理由を説明できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0048
ミニマックスの基本前提を整理できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0049
αβの境界を具体的なゲーム木へ適用できる。
ゲーム木・ミニマックス法・αβ法
問題ID g_kentei_s01_0050
αβ枝刈りの性能が探索順序に依存することを説明できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0051
演繹推論の特徴を説明できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0052
基本的な論理推論規則を識別できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0053
命題論理と一階述語論理の表現力を比較できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0054
健全性と完全性を区別できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0055
単調推論と非単調推論を説明できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0056
条件付き確率の意味を説明できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0057
ベイズ推論の目的を説明できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0058
確率的推論が適する問題状況を識別できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0059
ベイズ推論で条件付き確率の向きとベースレートを考慮できる。
論理・推論・確率的推論
問題ID g_kentei_s01_0060
確率的独立性を条件付き確率で説明できる。
知識表現・エキスパートシステム
「知識表現・エキスパートシステム」の分野として、知識表現・ルール・意味ネットワーク・フレーム、エキスパートシステム、知識獲得・オントロジーを扱う。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0061
知識表現の役割を説明できる。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0062
ルールベース知識表現の基本形式を理解する。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0063
意味ネットワークのノードとリンクを説明できる。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0064
フレームのスロット構造を理解する。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0065
前向き推論のデータ駆動性を説明できる。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0066
後向き推論の目標駆動性を説明できる。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0067
意味ネットワークの継承を具体例で適用できる。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0068
ルール競合時の制御機構を識別できる。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0069
フレームの既定値と例外処理を理解する。
知識表現・ルール・意味ネットワーク・フレーム
問題ID g_kentei_s01_0070
知識表現の設計上のトレードオフを説明できる。
エキスパートシステム
問題ID g_kentei_s01_0071
エキスパートシステムの基本構造を説明できる。
エキスパートシステム
問題ID g_kentei_s01_0072
代表的エキスパートシステムMYCINの用途を説明できる。
エキスパートシステム
問題ID g_kentei_s01_0073
DENDRALの分野と役割を説明できる。
エキスパートシステム
問題ID g_kentei_s01_0074
説明機構の役割を理解する。
エキスパートシステム
問題ID g_kentei_s01_0075
知識エンジニアの役割を説明できる。
エキスパートシステム
問題ID g_kentei_s01_0076
知識と推論の分離による保守性を説明できる。
エキスパートシステム
問題ID g_kentei_s01_0077
MYCINの不確実性処理を理解する。
エキスパートシステム
問題ID g_kentei_s01_0078
エキスパートシステムの強みと限界を説明できる。
エキスパートシステム
問題ID g_kentei_s01_0079
知識ベース保守で変更影響を評価できる。
エキスパートシステム
問題ID g_kentei_s01_0080
専門家システムの性能とAGIの一般性を区別する。
知識獲得・オントロジー
問題ID g_kentei_s01_0081
知識獲得の工程を説明できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0082
知識獲得ボトルネックの原因を説明できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0083
オントロジーの基本定義を説明できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0084
オントロジーの基本構成要素を具体例で理解する。
知識獲得・オントロジー
問題ID g_kentei_s01_0085
タクソノミーとオントロジーの表現力を比較できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0086
オントロジーによる意味的相互運用性を説明できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0087
オントロジー再利用の利点と注意点を理解する。
知識獲得・オントロジー
問題ID g_kentei_s01_0088
上位オントロジーと領域オントロジーを区別できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0089
知識獲得時の用語曖昧性を解消する方針を判断できる。
知識獲得・オントロジー
問題ID g_kentei_s01_0090
オントロジーから暗黙知を導出する意義を説明できる。
機械学習への発展
「機械学習への発展」の分野として、第1次・第2次・第3次AIブーム、機械学習の成立と発展、ビッグデータ・GPU・画像認識技術の発展を扱う。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0091
ダートマス会議と第1次AIブームの関係を説明できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0092
第1次AIブームの技術的中心を識別できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0093
第2次AIブームの代表技術を説明できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0094
第1次AIブームの限界を原因と結果で説明できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0095
知識獲得ボトルネックの意味を理解する。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0096
第3次AIブームの複合要因を説明できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0097
AIの冬を期待と能力のギャップとして説明できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0098
主要なAI史イベントの順序を整理できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0099
ブーム間の技術的連続性を評価できる。
第1次・第2次・第3次AIブーム
問題ID g_kentei_s01_0100
第2次AIブームの教訓を事例へ適用できる。
機械学習の成立と発展
問題ID g_kentei_s01_0101
ルールベースと機械学習の基本差を説明できる。
機械学習の成立と発展
問題ID g_kentei_s01_0102
Samuelの研究を機械学習史に位置づけられる。
機械学習の成立と発展
問題ID g_kentei_s01_0103
一般化の意味を説明できる。
機械学習の成立と発展
問題ID g_kentei_s01_0104
SVMを機械学習発展史に位置づけられる。
機械学習の成立と発展
問題ID g_kentei_s01_0105
特徴量設計と表現学習の歴史的違いを理解する。
機械学習の成立と発展
問題ID g_kentei_s01_0106
ルールベースからデータ駆動への変化を説明できる。
機械学習の成立と発展
問題ID g_kentei_s01_0107
訓練性能と一般化性能を区別できる。
機械学習の成立と発展
問題ID g_kentei_s01_0108
機械学習と深層学習の位置づけを説明できる。
機械学習の成立と発展
問題ID g_kentei_s01_0109
データ量決定論を批判的に評価できる。
機械学習の成立と発展
問題ID g_kentei_s01_0110
機械学習史をモデル選択の判断へ応用できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0111
ImageNetの役割を説明できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0112
AlexNetの技術史上の意味を説明できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0113
GPUが学習高速化に寄与する理由を説明できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0114
データ規模とモデル容量の関係を判断できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0115
CNNの発展をAlexNet以前から説明できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0116
ベンチマークの役割と限界を説明できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0117
ResNetの歴史的特徴を識別できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0118
計算資源の役割と限界を判断できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0119
ベンチマーク性能の外部妥当性を判断できる。
ビッグデータ・GPU・画像認識技術の発展
問題ID g_kentei_s01_0120
第3次AIブームの画像認識発展を統合的に説明できる。
ディープラーニングへの発展
「ディープラーニングへの発展」の分野として、ニューラルネットワーク・パーセプトロンの歴史、ディープラーニングの成立・表現学習への発展、生成AI・基盤モデルを含むAI技術動向を扱う。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0121
パーセプトロンの基本構造を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0122
単層パーセプトロンの表現力の限界を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0123
多層化の意味を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0124
誤差逆伝播の歴史的役割を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0125
誤差逆伝播の機能を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0126
人工ニューロンの抽象性を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0127
CNNの発展史を誤認なく説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0128
パーセプトロンから深層学習への技術的連続性を説明できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0129
単層の限界と多層モデルの能力を区別できる。
ニューラルネットワーク・パーセプトロンの歴史
問題ID g_kentei_s01_0130
ニューラルネットワーク史の時系列を整理できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0131
深層学習と表現学習の関係を説明できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0132
表現学習を定義できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0133
階層的特徴表現を具体例で説明できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0134
誤差逆伝播を深層学習の基盤として位置づけられる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0135
特徴量設計と表現学習を比較できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0136
表現再利用と転移学習の関係を説明できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0137
深さの利点と学習上の課題を判断できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0138
表現学習と解釈性を区別できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0139
深層学習成立の複合要因を説明できる。
ディープラーニングの成立・表現学習への発展
問題ID g_kentei_s01_0140
表現学習の限界を実務判断へ適用できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0141
生成AIを広い技術概念として説明できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0142
GANの基本構造を説明できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0143
基盤モデルの定義を説明できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0144
Transformerを生成AI発展史に位置づけられる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0145
事前学習と下流適応の関係を説明できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0146
GPT-3のfew-shotの意味を説明できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0147
拡散モデルの基本発想を説明できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0148
LLMと基盤モデルを区別できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0149
基盤モデルの再利用構造の利点とリスクを評価できる。
生成AI・基盤モデルを含むAI技術動向
問題ID g_kentei_s01_0150
生成AI・基盤モデルの技術史を統合的に説明できる。