G検定 ～「G検定問題集 第2、3、7章主キーワード」編～

単語カード

設定全面表示

• Mini-Max法

  最善手を選ぶための手法の一つ。自分も相手も最前主を打つという仮定のものとスコアを逆算する。
• aB法

  Mini-Max法において、無駄な探索をカットする手法の一つ。枝切りの方法にaカット、Bカットがある。
• モンテカルロ法

  ボードゲームにおいては最善手を評価する方法の一つ。次の一手を決める際に、打てる手それぞれで何回もプレイアウトし、勝率が高かった手を選ぶ。
• STRIPS

  「前提条件」「行動」「結果」の3つの組み合わせで一つの動作を定義する自動計画を記述する方法。
• SHRDLU

  自然言語処理を行う人工知能初期の研究開発プロジェクト。テリー・ウィノグラードにより実現された。自然言語を使って積み木を動かすなどの操作をすることができる。
• ELIZA

  1964年から1966年にかけてジョセフ・ワイゼンバウムによって開発された対話型ロボット
• エキスパートシステム

  専門家の知識を入れ込み、その意思決定能力を誰もが使える形にするもの。知識ベースと推論エンジンにより構成。
• Mycin

  エキスパートシステムの一つで、伝染性の血液疾患を診断し、適した薬を処理するプログラム。
• 意味ネットワーク

  知識を線で結びその関係性を表したもの。
• オントロジー

  意味ネットワークなどで用いられる知識の結び付け方の規則。
• 中国語の部屋

  哲学者ジョン・サールによって発表された論文内で、チューリングテストの結果は何の指標にもならないという批判がされた。その論文内で発表された思考実験の名前。
• 特徴表現学習

  特徴量の加工・抽出までを学習器が行うこと。
• 線形回帰

  線や平面、超平面で関数をデータにフィッティングさせることで回帰を行う手法。
• k近傍法

  回帰と分類が行える手法。分類においては、特徴量空間において距離が近い中に任意のk個を取得し、多数決でデータが属するクラスを推定。
• 決定着

  木構造を用いて回帰や分類を行う手法で解釈性の高さが特徴。
• アンサンブル学習

  複数のモデルを合わせて、一つのモデルとして扱う手法。バギング、ブースティング、スタッキングの3種類存在。
• 弱学習器

  単独で使うと精度の低い訓練モデル。
• ランダムフォレスト

  弱学習器に決定木を用いたアンサンブル手法(バギング)で回帰と分類に用いられる。特徴量のランダムサンプリングも行っている。
• 勾配ブースティング

  アンサンブル学習であるブースティングの一種。前の弱学習器の損失の勾配を用いて、次の学習器を作成する。
• 活性化関数

  ノードの出力がどのように伝播するかを調整する関数。
• TPU

  Google社が開発したプロセッサで、ディープラーニングの学習・推論に最適化されている。
• MOOCs(ムークs)

  Couseraのような大規模なオンライン講座群のことで、Massive Open Online Coursesの略。
• Tay

  Microsoft社が2016年に、19歳の女性の話方をもそうするように設計されたチャットボット。様々なSNSに向けてリリースしたが、リリースから数時間後不適切な発言が多かったため公開停止。
• フィルターバブル現象

  商品のレコメンドシステムや検索エンジンにおいて、自分が見たいものやほしい情報のみに包まれてしまう現象。
• XAI

  解釈性の高いもしくは説明可能なAIのこと。米国のDARPA(国防高等研究計画局)が主導する研究プロジェクトが発端。
• EU一般データ保護規則(GDPR)

  EUを含む欧州経済領域内にいる個人の個人データを保護するためのEUにおける統一的ルールであり、域内で取得した「氏名」「クレジットカード番号」などの個人データを域外に移転することを原則禁止している。EU域内でビジネスを行い、EU域内にいる個人の個人データを取得する(日本企業)に対しても、幅広く適用。
• 匿名加工情報

  個人情報を加工することで特定の個人を識別することができないようにし、当該個人情報を復元不可にした情報。

広告

コメント