【G検定】VQ-VAEとは？潜在変数を離散化するベクトル量子化の仕組みをわかりやすく解説
2026年7月2日
VAE(変分オートエンコーダ)の派生モデルの中でも、ひときわ独特なアプローチをとるのがVQ-VAE(Vector Quantized-VAE)です。通常のVAEが潜在変数を連続的な数値で表すのに対し、VQ-VAEは「あらかじめ用意した有限個のコード」から選ぶ離散表現を採用しました。この発想の転換が何を解決したのかを見ていきます。
【G検定】アルゴリズムバイアスとは？AIが差別を学んでしまう仕組みと実例をわかりやすく解説
2026年7月2日
AIは機械だから公平——とは限りません。偏ったデータや設計から学習したAIは、特定の集団に不利な判断を「もっともらしい顔」で下してしまいます。この現象がアルゴリズムバイアスです。G検定のAI倫理章・公平性の節で、議論全体の出発点となるキーワードです。
【G検定】バリュー(Value)とは？Attentionで取り出される「中身」の役割を解説
2026年7月2日
クエリ(Query)・キー(Key)・バリュー(Value)——Attention機構の3点セットの最後を締めくくるのがバリューです。クエリとキーの照合で「どこに注目するか」が決まったあと、実際に出力へ運ばれる「中身」がバリュー。Attentionの出力がどう作られるのかは、バリューを理解して初めて完結します。
【G検定】プライバシー・バイ・デザインとは？7つの基本原則と提唱者カブキアンをわかりやすく解説
2026年7月2日
個人情報の問題が起きてから謝罪して直すのではなく、システムを作り始める最初の段階からプライバシー保護を組み込んでおく——。この設計思想が「プライバシー・バイ・デザイン」です。AI倫理の章で、プライバシー保護の中心的なキーワードとして登場します。
【E資格】線形回帰を徹底解説｜最小二乗法・L1/L2正則化・Lasso回帰とRidge回帰
2026年7月2日
線形回帰は、入力変数の線形結合で連続値を予測する最も基本的な教師あり学習の手法です。最小二乗法によるパラメータ推定と、L1/L2正則化を加えたLasso回帰・Ridge回帰の違いを理解することは、深層学習における正則化を学ぶ土台にもなります。