g-kentei-kei

転移学習 (Transfer Learning) 解説：AIにおける「巨人の肩に乗る」アプローチ 転移学習（Transfer Learning）は、あるタスクで学習済みのモデル（知識）を、別の関連するタスクに再利用する手法です。 人間で例え...

最新の生成・3D技術 (Diffusion / NeRF) GANに代わって台頭してきた最新の画像生成技術（拡散モデル）と、2D画像から3D空間を構築する技術（NeRF）について解説します。近年のG検定で頻出のトレンド技術です。 1. 拡散...

敵対的生成ネットワーク (GAN) 解説：「偽造犯」と「警察」のいたちごっこ GAN（ガン：Generative Adversarial Network）は、2014年にイアン・グッドフェロー氏らによって考案された、「2つのニューラルネット...

実践的な学習テクニック・環境設定 解説：実験室から「現実世界」へ 強化学習は、ゲームの中（シミュレーション）では強くても、現実世界のロボット制御や複雑な対話タスクに適用しようとすると、とたんに難易度が跳ね上がります。 「報酬をどう設定すれば...

ポリシー勾配法と最新アルゴリズム 解説：反射神経を鍛える「ポリシー勾配法」 DQNのような「価値ベース」の手法は、全ての行動の点数（Q値）を計算してから一番高いものを選んでいました。しかし、これでは「ロボットアームの角度を0.1度調整する」...

DQNとその発展形（価値ベースの手法） 解説：強化学習の「革命児」と、その進化の系譜 2013年、DeepMind社が発表したDQN（Deep Q-Network）は、それまで不可能だった「AIがテレビゲーム（Atari）を人間以上のスコア...

音声処理の基礎：AIは「音」をどう聴いているのか？ SiriやAlexaなどの音声アシスタント、Zoomの自動字幕生成など、私たちの身の回りには「音声AI」があふれています。 しかし、コンピュータにとって「音」は単なる空気の振動です。これを...

自然言語処理の活用タスク これまで紹介した技術（形態素解析、word2vec、Transformerなど）を使って、具体的にどのようなタスクが行われているのかを解説します。 G検定では、技術名とタスク内容の組み合わせや、手法の進化（統計ベー...

文脈の理解と「ディープラーニング・LLM」へ word2vecなどの分散表現は画期的でしたが、「多義語（同じ単語でも文脈によって意味が違う）」を区別できないという課題がありました。 文脈（Context）を理解するために発展したニューラルネ...

単語の意味を捉える「分散表現」の登場 「ワンホットベクトル」には、大きな弱点がありました。それは、「単語同士の意味の近さが計算できない」ことです。 例えば、「王様」と「王子」は意味が近いですが、ワンホットベクトルではどちらも独立した「1」と...