平成31年度春期 データベーススペシャリスト 午前Ⅰ 問2

学習の仕組みを整理する視点

ディープラーニングを考えるときは、個別の用語や印象だけで判断せず、学習に使う情報、処理の流れ、得られる結果の関係を順に整理し、全体像の中で位置付けを確認しましょう。

この問題で問われていること

この問題では、技術の名称から連想で決めるのではなく、入力される情報と学習・推論の役割がどのようにつながるかという一つの観点に絞って、説明全体の整合性を確かめてください。

視点

学習対象を捉える際は、何を材料として扱い、どの段階で規則性を取り出し、最終的に何を判断する仕組みなのかを分けて考えます。用語の知名度ではなく、説明の焦点が一貫しているかを見ましょう。

確認ポイント

• 入力される情報と、そこから導かれる結果の関係を確認する。
• 学習する段階と、学習後に利用する段階を混同していないか見る。
• 説明が技術の役割そのものに焦点を当てているか確かめる。

正解

ア

解説

ディープラーニングは、人間の脳神経回路を参考にした多層の処理によって、データから複雑な特徴を学習し、判断や結果の導出を行う手法です。

理由

ディープラーニングは、入力されたデータに対して複数の層で処理を重ね、単純な特徴からより複雑な特徴を捉えられるようにする手法です。その説明に合うのがアです。

比較

イは例外事項を除きながら規則や仮説を発見する分析方法、ウは複数の分析手法を組み合わせる高度なデータ分析、エはルールと演繹による推論の説明です。いずれもディープラーニングそのものの説明ではありません。

選択肢ア（正解）

これは正解だよ。ディープラーニングは、人間の脳神経回路を参考にした多層の処理を重ね、データから複雑な特徴を捉えて判断や結果の導出を行う手法です。この記述はその基本的な特徴を正しく表しています。

選択肢イ

これは不正解だよ。大量のデータから規則や仮説を発見することや、想定値から大きく外れた例外を除いて分析することは、この選択肢が説明する分析の進め方です。多層の処理で学習するディープラーニングの定義とは異なります。

選択肢ウ

これは不正解だよ。三段論法、統計的手法、パターン認識手法を組み合わせて高度なデータ分析を行うという説明は、広い意味での分析手法の特徴です。多層の処理を用いてデータから特徴を学習する説明にはなっていません。

選択肢エ

これは不正解だよ。知識をルールとして表現し、そのルールに基づく演繹によって結論を導くのは、規則ベースの推論に関する説明です。ディープラーニングは、あらかじめ表現されたルールによる推論を定義するものではありません。

学習のポイント

多層処理による学習と、統計分析やルール推論を区別する。