1002

以下の説明の中で、プランニングに関するものとして正しいものを1つ選んでください。

プランニングは、目標状態に到達するために必要な行動の順序を決定する技術である。

プランニングは、現在状態から目標状態までの距離を最小化するように行動を選択する技術である。

プランニングは、現在状態と目標状態との間に存在する制約条件を満たすように行動を選択する技術である。

プランニングは、現在状態と目標状態との間に存在する不確実性やリスクを考慮しながら行動を選択する技術である。

SHRDLUに関するものとして正しいものを1つ選んでください。

SHRDLUは、人工知能研究初期の研究開発プロジェクトである。

SHRDLUは、コンピューターの中に仮想的に「積み木の世界」を構成し、そこに存在するいくつかの物体を自然言語で操作するシステムである。

SHRDLUは、人間と会話しながら自分の行動や考え方を説明することができるシステムである。

SHRDLUは、1968年から1970年にかけて、スタンフォード大学のテリー・ウィノグラードによって開発されたシステムである。

以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。　組合せゲームとは、プレイヤーが交互に盤面の状態を変化させていくゲームである。組合せゲームでは、盤面の状態が有限であり、必勝者が存在することが多い。しかし、その必勝者を判定するためには、全ての可能な盤面の状態を探索する必要がある。この探索にかかる時間は（　　　）の順に大きくなる。

チェス　＜　オセロ　＜　囲碁　＜　将棋

オセロ　＜　チェス　＜　将棋　＜　囲碁

オセロ　＜　チェス　＜　囲碁＜将棋

チェス＜オセロ＜将棋＜囲碁

探索空間が大きすぎて事実上すべてを探索できないという問題に対処する方法に関する説明として、正しいものを1つ選べ。

ヒューす思考法である。必ずしも正しい答えを導けるとは限らないが、ある程度のレベルで正解に近い解を得ることができる。

メタヒューリスティック法は、ヒューリスティック法の一種であり、複数の局所最適解からグローバル最適解に近づくように探索範囲や方向を変化させる方法である。

ブルートフォース法は、暗号や暗証番号に対して、理論的にあり得るすべてのパターンを試す方法である。時間がかかりやすく効率的ではないが、必ず正しい答えを見つけ出せる。

リバースブルートフォース法は、ブルートフォース法の逆であり、攻撃者側からパスワードや暗号文を生成して送信することで認証システムや暗号化システムの弱点を突く方法である。

エキスパートシステムに関する説明として、正しいものを1つ選べ。

エキスパートシステムは、推論エンジンと知識ベースから構成されており、推論エンジンが知識ベースから必要な情報を取り出して推論する仕組みである。

エキスパートシステムは、専門家から直接知識を獲得することができるため、プログラマーや知識工学者が介在する必要がない。

エキスパートシステムは、ディープラーニングやニューラルネットワークを用いて自動的に学習し、専門家レベルの判断力を持つことができる。

エキスパートシステムは、医療や金融など様々な分野に応用されており、例えばMYCINやDENDRALといった有名なシステムが開発されている。

知識ベースの人工知能研究に関わるプロジェクトやシステム開発で、医療分野に応用されたものを1つ選べ。

DENDRAL

MYCIN

CYC

ELIZA

オントロジーに関する説明として、正しいものを1つ選べ。

オントロジーは、対象世界をどのように捉えたかを記述するものである。

オントロジーは、対象世界に存在しないものを記述するものである。

オントロジーは、対象世界に関係なく自由に記述するものである。

オントロジーは、対象世界を変更するために記述するものである。

オントロジーの種類として、正しくないものを1つ選べ。

ドメインオントロジー

アプリケーションオントロジー

メタオントロジー

ユニバーサルオントロジー

ニューラルネットワークに関する説明として、不適切なものを1つ選べ。

ニューラルネットワークは生物の神経細胞を模した計算モデルであり、入力層、中間層、出力層から構成される。

ニューラルネットワークは1986年に発表された「並列分散処理」で再び注目を集めるが、計算能力やデータ量の不足により、研究が停滞してしまう。

ニューラルネットワークは2012年の画像認識コンテスト「ImageNet」で圧倒的な成績を収めた「AlexNet」により第三次ブームが始まる。

ニューラルネットワークは2018年に発表された「BERT」で自然言語処理の分野でも大きな進歩を遂げた。

画像認識に関する説明として、不適切なものを1つ選べ。

ILSVRCでは毎年1000種類以上のカテゴリーに分類された画像データセット「ImageNet」が用いられる。

2012年以前のILSVRCでは、画像認識にSIFTやSURFなどの手法で抽出した特徴量を用いていた。

2012年以降のILSVRCでは、画像認識に畳み込みニューラルネットワーク（CNN）や残差ネットワーク（ResNet）などのディープラーニングモデルが用いられている。

2017年以降はILSVRCが開催されておらず、代わりに「ImageNet AutoML Challenge」が開催されている。

画像認識に関する説明として、不適切なものを1つ選べ。

画像認識はコンピュータビジョンの一分野であり、画像から物体や人物、文字などを検出・識別・分類する技術である。

画像認識には教師あり学習と教師なし学習の2種類があり、前者は正解ラベル付きのデータセットを用いてモデルを学習させる方法であり、後者は正解ラベルなしのデータセットを用いてモデルが自己組織化する方法である。

画像認識における評価指標としては精度（accuracy）や再現率（recall）や適合率（precision）やF値（F-measure）などが用いられる。

画像認識における応用例としては顔認証や自動運転や医療診断やキャプション生成などがある。

オントロジーの応用に関する説明で、不適切なものを1つ選べ。

オントロジーは、セマンティックWebの基盤技術として注目されており、Web上の情報を意味的に関連付けることができる。

オントロジーは、バイオメディカルインフォマティクス分野でも活用されており、医学や生物学の概念や用語を体系的に整理することができる。

オントロジーは、情報アーキテクチャ分野でも重要な役割を果たしており、ウェブサイトやアプリケーションの設計や評価に利用される。

オントロジーは、人工知能分野ではあまり使われておらず、自然言語処理や機械学習などの手法に取って代わられている。

1001

1003