-
人工知能は()の一分野であり、()、()、()、()、()、()と隣接している。
計算機科学、認知科学、心理学、言語学、哲学、脳科学、神経科学
-
人工知能は、計算機科学における()の一分野である。
ソフトウェア技術
-
計算機科学は、()、()、()から成り立つ。
計算基礎理論、ハードウェア技術、ソフトウェア技術
-
人工知能は、特に()や()にヒントを得ている。
生物の仕組み、知的行動
-
人工知能分野の内部の一種である、機械が学習を行う仕組みを与える分野。
機械学習
-
機械学習では、一般的に何が必要か。
学習対象となるデータセット
-
機械学習で得たもののことを()という。
知識
-
生物の神経細胞や神経組織を参考にした情報処理機構。
ニューラルネットワーク
-
ニューラルネットワークの一種で、大規模かつ複雑なデータ処理が可能になる。
深層学習(deep learning)
-
深層学習で使用されるニューラルネットは、()を接続した()である。
多数の人工ニューロン、ディープニューラルネットワーク
-
人間の進化や群れの挙動を参考にした人工知能技術。
進化的計算
-
進化的計算の一種で、動物の群れが示す知的な行動を参考にしたソフトウェア技術。
群知能
-
我々が普段用いる日本語や英語などの言語を扱うための人工知能技術。
自然言語処理
-
人間の視覚系が得た認識を模倣する人工知能技術。
画像認識
-
内部状態を有し、環境などと相互作用することのできるエージェントを中心としたモデル。
エージェント
-
実態を持つハードウェアエージェントは、いわゆる何か。
ロボット
-
人工知能の定義は何か。
明確に決まっていない
-
人工知能の定義が明確にない理由として、()とは何かの明確な定義が難しいことがある。
知能
-
ソフトウェアを巧妙に作成することを目的として人工知能は使われることがある。このような捉え方による人工知能を、()と呼ぶ。
弱いAI
-
生物や人間のもつ知能、知性を人工的に創り出すことを目的として人工知能は使われる。このような人工知能を捉え方を()と呼ぶ。
強いAI
-
現在のコンピュータアーキテクチャの名称を、人物名を用いて()と呼ぶ。
ノイマン型コンピュータ
-
ノイマンは、()の概念を提唱した。
セル・オートマトン
-
1940〜50年の人工知能研究に大きな貢献のあった人物として、()があげられる。
アラン・チューリング
-
ある機械が、人間的かどうかを判定するテストを()という。
チューリングテスト
-
チューリングテストの設定は、質問者は()であり、()でのみ意思疎通可で、回答者は人間もしくはコンピュータである。
人間、文字
-
人工知能という言葉がマッカーシーによって初めて使われたセミナーを()という。
ダートマス会議
-
入力された単語をヒントに、ルールに従って返答文を作成することで、あたかもカウンセリングを行っているかのように動作する。これが()の起源ともいえる。
人工無脳
-
人工無脳の起源ともいえる自然言語処理システムを()という。
ELIZA
-
問題を特定せずに適用可能な人工知能は、()と呼ぶことがある。これを英略語で()と呼ぶ。
汎用人工知能、AGI
-
人間の専門家が行うような専門知識に基づく推論を、コンピュータプログラムががシミュレートするといった人工知能を()という。
エキスパートシステム
-
生物の脳の神経細胞が構成する回路網をモデル化し、数学的に模した数理モデルを()という。
人工ニューラルネット
-
人工ニューラルネットは、神経細胞を模した()を構成要素とする。
人工ニューロン
-
1986年にダビッド・ラメルハートらの発表した論文に発表された()により、再びニューラルネット研究にブームが訪れた。
バックプロパゲーション(誤差逆伝播法)
-
人工知能システムを構築するための基本技術は()と()である。
知識表現、探索
-
プログラムが学習してより良い戦略を獲得する枠組みは、()と呼ばれる手法である。
機械学習
-
1990年ごろまでは、(ハードウェア・ソフトウェア)の限界により、人間のチャンピオンに匹敵するほどのチェスAIは出現しなかった。
ハードウェア
-
1997年、()というコンピュータが当時のチェス世界チャンピオンに勝利した。
DeepBlue
-
囲碁のコンピュータプレイヤの先頭にいたのは()である。このソフトには機械学習、特に()の技術が用いられている。
Alphago、深層学習
-
画像に何が写っているか認識する技術を()という。
画像認識
-
2012年のILSVRCにおいて()というシステムが、()を利用し前年優勝システムの認識率を10ポイント上回った。
AlexNet、畳み込みニューラルネット(CNN)
-
多階層ニューラルネットは()と呼ばれ、これを用いた機械学習を()と呼ぶ。
ディープニューラルネットワーク、深層学習
-
インターネット上の数多くの端末やセンサからのデータを集結した巨大なデータを()という。
ビッグデータ
-
ソフトウェアの生産性向上のため、()や()などの高水準言語が開発された。
FORTRAN、COBOL
-
人工知能研究で最も歴史が古いプログラミング言語は()である。
LISP
-
()は、人間などの生物が示す知的挙動の1つである。
学習
-
生物にとっての学習とは？
過去の経験や知識によって、より良い方法で環境に適応する手段
-
一般的に学習とは、()と()の2種類がある。
演繹的学習、帰納的学習
-
基礎的・抽象的な概念から具体的な知識を導き出すことで学習を進める方法。
演繹的学習
-
複数の具体的な事実をもとに、学習結果である具体的知識を導き出す学習
帰納的学習
-
機械学習では、主に(演繹的学習・帰納的学習)がよく用いられる。
帰納的学習
-
帰納的学習で必要となる学習対象となるデータセットを()あるいは()と呼ぶ。
学習データセット、訓練データセット
-
データセットの形式は(単一・様々)である。
様々
-
同じことができる定理ならば、なるべく単純なものを採用すべきという定理を()という。
オッカムの剃刀
-
帰納的な機械学習における手法の性能は、対象になりうるすべての問題についての平均を考えると、どんな手法でも同じ値となる、という定理を()という。
ノーフリーランチ定理
-
学習対象となる学習データセットが、正解である教師データを含む場合に使える学習
教師あり学習
-
教師データのことを単に何という？
ラベル
-
学習データセットに正解の教師データが含まれない時に行う学習
教師なし学習
-
クラスター分析や主成分分析に使われるのは？
教師なし学習
-
個々の動作についての適否は与えられないものの、一連の動作の結果は教師データとして与えられる場合に行う学習
強化学習
-
強化学習では、一連の動作全体に対する評価値のことを何という？
報酬
-
少数のデータをもとに、教師データの存在しないデータについても教師あり学習の枠組みに取り込もうとする学習
半教師あり学習
-
半教師あり学習の応用例
GAN
-
複数の異なる対象を表現した学習データセットをまとめて1つの機械学習システムで扱うことで、学習の精度向上を目指した学習方法
マルチタスク学習
-
機械学習の目的は？
一般的に役に立つ知識を獲得すること
-
学習データセットに含まれない評価用データセットを()、または()という。
検査データセット、テストデータセット
-
機械学習の基本となる、与えられた学習データセットを繰り返し利用することで進められる学習
バッチ学習
-
学習対象データが発生する都度、1つずつ学習データを使って機械学習を行う手法
オンライン学習
-
バッチ学習とオンライン学習の中間のような学習方法
ミニバッチ学習
-
ミニバッチ学習に関連する検証方法
k分割交差検証
-
データセットには明示的には現れない事項について知識として獲得する能力を何という？
汎化
-
学習データセットに依存しすぎた学習を行うことにより、結果として汎化性能が低下してしまうこと
過学習
-
複数の機械学習手法を組み合わせて学習を行い、その結果を統合することで学習の精度を高める手法
アンサンブル学習
-
アンサンブル学習の代表的実装例
ランダムフォレスト
-
フランク・ローゼンプラットによって発表された、ニューロンを層状に並べた人工ニューラルネット
パーセプトロン
-
モークリーとエッカートにより開発された、真空管を論理素子とした10進数コンピュータ
ENIAC
-
ENIACの後継機
EDVAC
-
アタナソフとベリーにより開発された、実験的なコンピュータ
Atanasoff-Berry-Computer
-
スタンフォード大学で開発された、感染症の治療についての支援を目的としたエキスパートシステム
MYCIN
-
人工知能は、コンピュータを用いた()全般にわたる領域を対象としている。
情報処理
-
経験に先立って認識や判断が備わっていること
先験的知識
-
