【G検定】ブラックボックスとは？AIの判断過程が見えない問題をわかりやすく解説
2026年7月6日
入力すれば答えは返ってくる。しかし「なぜその答えなのか」は中を覗いてもわからない——。AI、特にディープラーニングが抱えるこの不透明さが「ブラックボックス」問題です。G検定では説明可能性・データの来歴とともに「透明性」の文脈で問われる基本キーワードです。
【G検定】Random Erasingとは？画像をランダムにマスクするデータ拡張をCutoutとの違いまで解説
2026年7月6日
学習画像の一部をわざと塗りつぶす――一見もったいない操作が、実はモデルを強くします。この記事では、データ拡張手法Random Erasingの仕組みと効果、そして試験で混同しやすいCutoutとの違いを解説します。
【E資格】適応的学習率の最適化手法｜AdaGrad・RMSProp・Adamの違い
2026年7月6日
学習率をパラメータごとに自動調整する最適化アルゴリズムを学ぶ項目です。SGDの「学習率を1つ決め打ちする難しさ」を解消する発想として、AdaGrad・RMSProp・Adamの3つの手法とその関係性を理解します。
【G検定】説明可能性とは？XAI・LIME・SHAPで開くAIのブラックボックスを解説
2026年7月6日
「AIがそう判断したから」では、医師も銀行も納得できません。なぜその結論に至ったのかを人間にわかる形で示せること——それが説明可能性です。G検定ではXAI・LIME・SHAPという具体的な手法名まで含めて、「透明性」の中心キーワードとして問われます。
【G検定】RandAugmentとは？データ拡張を2つのパラメータで自動化する手法を解説
2026年7月6日
データ拡張は効果絶大ですが、「どの処理を、どの強さで、いくつ組み合わせるか」を人手で調整するのは大変です。この選択を驚くほどシンプルに自動化したのがRandAugmentです。この記事では、前身のAutoAugmentとの対比でその仕組みを解説します。