【G検定】Image Captioningとは？画像を自然言語で説明するAI技術をわかりやすく解説
2026年6月4日
犬の写真を入力すると「公園で遊ぶ茶色の犬」という文章が返ってくる——画像の内容を言葉で説明するこの技術がImage Captioning(画像キャプション生成)です。G検定のマルチモーダル分野では、逆方向のText-To-Imageとペアで問われる代表的タスクです。
【G検定】Flamingoとは？少数の例示で学ぶDeepMindの視覚言語モデルを解説
2026年6月4日
たった数個のお手本を見せるだけで、画像への質問応答もキャプション生成もこなしてしまう——それがDeepMindの視覚言語モデルFlamingoです。G検定では「few-shot learningに特化した視覚言語モデル」という一言の定義と、CLIPなど他のマルチモーダルモデルとの違いが問われます。
【G検定】方策勾配法とは？方策を直接学習するアプローチをわかりやすく解説
2026年6月4日
強化学習には「価値を学んで間接的に行動を決める」道と、「行動の選び方そのものを直接鍛える」道があります。方策勾配法は後者の代表で、ロボット制御のように選択肢が無数にある問題で真価を発揮します。価値ベースとの対比で理解していきましょう。
【G検定】バンディットアルゴリズムとは？活用と探索のバランスを取る手法群を解説
2026年6月4日
どのスロットマシンが当たりやすいか分からないカジノで、限られた手持ちのコインをどう使えば儲けを最大にできるか——この問題設定から生まれたのがバンディットアルゴリズムです。強化学習の核心「活用と探索」を最も純粋な形で学べるキーワードです。
【G検定】DALL-Eとは？テキストから画像を生成するOpenAIのモデルをわかりやすく解説
2026年6月4日
「宇宙飛行士が馬に乗っている」と文章で入力すると、その通りの画像が出てくる——画像生成AIブームの火付け役となったのが、OpenAIのDALL-Eです。G検定ではText-to-Imageの代表例として、また相棒であるCLIPとの関係とセットで問われます。