← 生成AIパスポート オリジナル問題集 トップへ
問 5
第1章: AI（人工知能）ニューラルネットワークの学習において、訓練に使ったデータに対しては高い精度を示すのに、未知の新しいデータに対しては精度が大きく低下してしまう現象と、その抑制に用いられる代表的な手法の組み合わせとして、最も適切なものはどれか。
A過学習 ― 学習の途中で一部のノード（人工ニューロン）をランダムに無効化するドロップアウト正解
B過学習 ― 学習済みモデルを別の課題に流用する転移学習
CAI効果 ― 重みが大きくなりすぎないよう制約を加える正則化
D次元削減 ― 訓練データの量をさらに減らして学習を単純化する手法
解説
訓練データに過剰に適合してしまい、未知のデータへの対応力（汎化性能）が落ちる現象を過学習（オーバーフィッティング）といいます。その抑制手法としては、学習中に一部のノードをランダムに無効化するドロップアウトや、重みが極端な値にならないよう制約を加える正則化が代表的です。転移学習は、ある課題で学習済みのモデルを別の課題に応用して学習を効率化する手法であり、過学習の抑制を主な目的とするものではありません。AI効果は、AIとして実現された技術が普及するとAIとみなされなくなる現象を指す用語であり、学習精度の低下とは無関係です。また、訓練データを減らすことはむしろ過学習を招きやすくするため、対策として不適切です。