【G検定】トレーサビリティとは？AIの判断過程とデータの来歴を追跡できる力を解説
スーパーの牛肉パックには個体識別番号があり、どの農場で育った牛かをさかのぼって調べられます。AIの世界のトレーサビリティも発想は同じで、「この判断は、どのデータから、どんな処理を経て生まれたのか」を後から追跡できるようにしておくことを指します。G検定では、AIの透明性・説明可能性を支える性質として問われるキーワードです。
【G検定】再現性とは？同じ条件で同じ結果を得られるAIの信頼性をわかりやすく解説
「同じデータ・同じ手順でもう一度やったら、同じ結果になりますか?」——この問いに「はい」と答えられることが再現性です。当たり前に聞こえますが、機械学習には乱数や環境差など結果を揺らす要因が多く、意識して作り込まないと再現性は確保できません。G検定ではAIの信頼性・透明性を支える性質として問われるキーワードです。
【生成AI入門】Zero-Shotとは？例なしでAIが動く仕組みと限界をわかりやすく解説
「この文章を要約して」——たったこれだけの指示で、AIは初めて見る文章をきちんと要約してくれます。お手本を1つも見せていないのに、です。この「例なしでタスクをこなす」使い方がZero-Shotです。このページでは、なぜ例なしで動くのかという仕組みと、どこで限界が来るのかに焦点を当てて解説します(例示の設計方法は項目k1-5-3のFew-Shotで扱います)。
【E資格】Faster R-CNN・Mask R-CNNを徹底解説｜RPN・ROI Pooling・2ステージ検出
物体検出の代表的な2ステージ検出モデルであるFaster R-CNNと、それを拡張したMask R-CNNを学ぶ項目です。R-CNN系列がどのように高速化・end-to-end化されてきたかという発展の流れは、E資格で頻出のテーマです。
【E資格】Vision Transformerを徹底解説｜CLS token・Position embedding・Shifted window
Vision Transformer（ViT）は、自然言語処理で成功したTransformerを画像認識に適用したモデルです。画像をパッチ列として扱う発想と、CLS token・Position embedding、Swin Transformerで導入されたShifted windowを解説します。