Question 1

「多腕バンディット問題」における効果的な意思決定アプローチとはどのようなものか？

Accepted Answer

複数の選択肢の効果が未知である場合、最初から1つに絞らずにまずは全体を少しずつ試す 初期の試行結果で最も成果が良かった選択肢に対して、その後の投資割合を多めに配分する 最良の選択肢に注力しつつも、他の選択肢も一定の割合で試し続ける（イプシロングリーディ方策） 目の前の成果を取りにいく「活用」と、未知の可能性を探る「探索」のバランスを保つことが重要である

Question 2

AIの性能評価において「正解率」だけでは不十分とされるのはなぜか？

Accepted Answer

発症率が極めて低い病気の場合、全員を「陰性」と予測するだけで全体の正解率は99%以上になってしまう 見かけの正解率が高くても、絶対に見逃してはならない「陽性」を見落とす危険性がある 実際に陽性である人のうち正しく陽性と判定できた割合を示す「再現率」などの指標が不可欠となる 誤検知の少なさを測る「適合率」など、用途やリスクに応じた評価指標の使い分けが重要である

Question 3

AIが陥る「過学習」とはどのような状態であり、どう対処するのか？

Accepted Answer

過学習とは単に勉強しすぎることではなく、学習データの癖や不要なノイズまで重要だと過剰適合してしまう状態を指す 学習データに特化しすぎると、未知の新しいデータに出会ったときに対応できる汎用性が落ちてしまう 過学習を防ぐ手法「ドロップアウト」では、学習時に一部のニューロンをランダムに無効化して特定の要素への依存を断つ 組織においても特定のエースに頼り切るのではなく、全体が機能する体制を作ることが汎用性・耐久性につながる

Question 4

画像生成AIで用いられる「拡散モデル」はどのような仕組みなのか？

Accepted Answer

学習段階では、元画像に少しずつノイズ（砂嵐）を加え、最終的に完全なノイズになる過程をAIに学習させる 生成段階では、完全なノイズ画像からノイズを少しずつ取り除く「逆拡散」を行い、画像を徐々に復元していく 初期状態のノイズのパターンが異なるため、逆再生のプロセスを経て毎回新しい未知の画像を生み出すことができる

Question 5

漫画『群脳教室』の設定はニューラルネットワークの仕組みとどのように関連しているか？

Accepted Answer

作中では、一人ひとりの微弱な超能力を並列につなぎ合わせることで強大な力を発揮する設定が描かれている 1つひとつは単純な計算しかできない小さなニューロンを大量につなげて高度な処理を行うAIの構造と酷似している 単体ではパンクしてしまう巨大な処理を、複数の脳に分散して並列処理させるという発想が共通している

Podcast振り返り

214. AIの思考法をインストール！賢い選択を生む「AI学習ロジック」を学ぼう