G検定 AIの社会実装に向けて 一問一答（60問）

◯ 正しい 2001年2月にアメリカのユタ州に集まった17人がまとめました。軽量な開発手法を実践していた人たちが、共通する価値観を言葉にしたものです。 アジャイル

× 誤り 宣言は、ドキュメントや計画にも価値があると認めたうえで、動くソフトウェアや変化への対応により価値をおくとしています。否定ではなく、優先の順番を示したものです。 アジャイル

◯ 正しい スクラムガイド（2020年版）では、スプリントを1か月以内の固定の長さのイベントとしています。期間を区切ることで、計画と結果の確認を定期的に行えます。 アジャイル

◯ 正しい JSONは、特定のプログラミング言語に依存しない、テキストのデータ形式です。人が読んでも構造がわかりやすく、多くの言語で扱えるため、Web APIで広く使われています。 Web API

× 誤り Web APIは、HTTPという共通の手順でやり取りします。決められた形式で依頼を送れば、呼び出す側はどの言語で書かれていてもかまいません。 Web API

◯ 正しい 呼び出すたびにネットワークを往復するため、通信の遅れや切断の影響を受けます。こうした場面では、端末の近くで推論するエッジAIが検討されます。 Web API

◯ 正しい Royceは、テストの段階で初めて問題が見つかると大きな設計変更が必要になると述べ、前の工程への立ち戻りや、先に試作を作ることを勧めていました。 ウォーターフォール

× 誤り 各工程の成果物を文書にまとめ、確認してから次の工程に進むのが基本です。後の工程は前の工程の文書を前提に進むため、文書が重要な役割を担います。 ウォーターフォール

◯ 正しい 工程を順に進めるため、全体の計画や進み具合を管理しやすいのが利点です。反対に、途中で要件が変わると、前の工程に戻る手戻りが大きくなります。 ウォーターフォール

◯ 正しい Googleの技術者による2015年の論文などで指摘された点です。MLOpsが周辺の仕組みづくりと自動化を重視するのはこのためです。 MLOps

◯ 正しい CTは、ソフトウェア開発のCI/CD（継続的インテグレーション・継続的デリバリー）にはない、機械学習に特有の考え方です。再学習したモデルは、評価を経てから本番に出します。 MLOps

× 誤り MLOpsの中心は、デプロイ後の監視や再学習も含めて、開発と運用を継続的に回すことです。運用中の精度の劣化への対処は、主な目的の1つです。 MLOps

◯ 正しい チェスブロウは、自社の研究所だけに頼る従来のやり方をクローズド・イノベーションと呼び、社外の知識を組み合わせる考え方と対比しました。 オープン・イノベーション

◯ 正しい チェスブロウは、社外のアイデアを取り込む流れと、自社の技術を社外の道筋で市場に出す流れの両方を挙げています。使っていない特許のライセンスや、事業の切り出しも含まれます。 オープン・イノベーション

× 誤り 連携先には、大学や研究機関のほか、取引先、異業種の企業、スタートアップ、利用者なども含まれます。大学との連携である産学連携は、その形の1つです。 オープン・イノベーション

◯ 正しい パブリックは一般に開かれたもの、プライベートは1つの組織が専用で使うもの、コミュニティは関心を共有する複数の組織で使うもの、ハイブリッドはこれらを組み合わせたものです。 クラウド

× 誤り クラウドは初期投資を抑え、使った分だけ払える点が利点です。ただし、長い期間にわたって高い負荷で使い続ける場合などは、購入したほうが安くなることもあります。 クラウド

◯ 正しい オンデマンド・セルフサービスと呼ばれる特徴です。管理画面などから自分でサーバーを用意できるため、試したいときにすぐ試せます。 クラウド

◯ 正しい Qは品質保証（Quality assurance）の頭文字です。フェーズごとに要件と制約を決め、作業ごとにリスクを洗い出して、それを抑える方法を選びます。 CRISP-ML

◯ 正しい 提案論文は、データがあるかどうかでプロジェクトの実現可能性が左右されることが多いと述べています。CRISP-DMでは、この2つは別のフェーズでした。 CRISP-ML

× 誤り 提案論文は、更新のたびに評価のフェーズと同じ評価を行ってから展開するよう求めています。以前のモデルと性能を比べれば、劣化の速さもわかります。 CRISP-ML

◯ 正しい 「データの理解」ではデータを集めて中身や品質を確かめます。モデルに入力できる形に加工するのは、その次の「データの準備」です。 CRISP-DM

× 誤り 評価フェーズでは、モデルがビジネスの目標を満たすかを確かめ、展開に進むか前のフェーズに戻るかを決めます。技術的な精度の確認はモデリングのフェーズでも行います。 CRISP-DM

◯ 正しい Cross-Industry Standard Processは「業種をまたぐ標準プロセス」という意味です。製造、金融、小売など、業種を問わず使えるように作られています。 CRISP-DM

◯ 正しい 企業（産）と大学など（学）に、国や自治体、公的な研究機関（官）が加わった連携を、産学官連携と呼びます。 産学連携

× 誤り 共同研究や受託研究のほか、大学の特許を企業にライセンスする技術移転、研究成果をもとにした大学発ベンチャーの創業、人材の交流なども産学連携の形です。 産学連携

◯ 正しい 大学等技術移転促進法（平成10年法律第52号）です。大学の特許などを企業に移転する技術移転機関（TLO）の活動を支える仕組みが設けられました。 産学連携

◯ 正しい Colabは、オープンソースのJupyterをもとにしたホスト型のノートブックのサービスです。GPUなどの計算資源も使えます。 Jupyter Notebook

× 誤り Jupyter Notebookは、修正BSDライセンスで公開されているオープンソースのソフトウェアです。無料で使え、ライセンスの条件の範囲で改変や再配布もできます。 Jupyter Notebook

◯ 正しい ファイルの中身はJSON形式のテキストで、コードのセルごとに、そのコードと実行結果の出力が記録されます。出力も含むため、バージョン管理では変更の差分を確かめにくい面があります。 Jupyter Notebook

◯ 正しい ダベンポートとパティルの記事が、データサイエンティストを21世紀で最もセクシーな職業と表現し、話題になりました。 データサイエンティスト

◯ 正しい 見習い、独り立ち、棟梁、業界代表の4つのレベルです。レベルごとに、3つのスキルの領域で何ができればよいかを示しています。 データサイエンティスト

× 誤り データサイエンティストは、医師や弁護士のように法律で定められた資格ではありません。民間の検定などはありますが、名乗るために必要な国家資格はありません。 データサイエンティスト

◯ 正しい 手順をファイルに残すため、同じ環境を何度でも作り直せます。Dockerfileをバージョン管理すれば、環境を変えた履歴も追えます。 Docker

× 誤り イメージは一度作ると変更できない読み取り専用のテンプレートです。コンテナでの変更はそのコンテナの中にとどまるため、環境を変えるときはDockerfileを直してイメージを作り直します。 Docker

× 誤り NVIDIAのGPUであれば、ドライバとNVIDIA Container Toolkitを入れたうえで、コンテナの起動時に--gpusオプションを指定すると使えます。深層学習の環境をコンテナで配る例は多くあります。 Docker

◯ 正しい Python自身のドキュメントでも、Pythonはインタプリタ型の対話的な言語と説明されています。コンパイルを待たずに試せる点が、データの探索やモデルの試作に向きます。 Python

× 誤り NumPyやPyTorchなどは、重い計算をC/C++で書かれた部分やGPU向けのプログラムで実行します。Pythonは処理の流れを組み立てる役割を担うため、書きやすさと計算の速さを両立できます。 Python

× 誤り Pythonは、グイド・ヴァンロッサムが1989年の終わりに開発を始め、1991年2月に初めて公開した言語です。深層学習が広まるずっと前から、汎用の言語として使われてきました。 Python

◯ 正しい PoCは成果が出るかを確かめる段階で、結果を前もって約束できません。そのため、仕事の完成を約束する請負型ではなく、準委任型が想定されています。 PoC

× 誤り 技術的に可能でも、費用に見合う効果がなければ導入する意味がありません。PoCでは実現性と費用対効果の両方を見て、次に進むかを決めます。 PoC

× 誤り PoCの目的は、短い期間と少ない費用で見込みを確かめることです。本番に耐える品質での作り込みは、進むと決めた後の開発段階で行います。 PoC

◯ 正しい マイケル・ハマーが1990年にHarvard Business Review誌で論文を発表し、1993年にはジェイムズ・チャンピーとの共著で体系的に示しました。 BPR

× 誤り BPRは、注文の受付から商品の配送までのように、部署をまたぐ一連の業務の流れ（プロセス）を単位に考えます。部署ごとの改善では取り除けないむだをなくすためです。 BPR

◯ 正しい 1つの作業をAIに置き換えるだけでは、前後の工程の待ち時間や確認作業が残り、効果が限られます。流れ全体を作り直すことで、AIの効果を業務の成果につなげます。 BPR

◯ 正しい 12の原則の1つです。ウォーターフォールでは、後の工程で要件が変わるほど前の工程に戻る手戻りが大きくなるため、ここが考え方の大きな違いになります。 アジャイルとウォーターフォールの違い

× 誤り 後の工程は前の工程の成果物を前提に進むため、途中で要件が変わると、要件定義や設計まで戻る大きな手戻りになります。要件が変わりにくい開発に向く進め方です。 アジャイルとウォーターフォールの違い

◯ 正しい 要件定義や設計の誤りがテストの段階で初めて見つかると、前の工程まで戻る大きな手戻りになります。アジャイルは、短い周期ごとに動くものを作って確かめることで、この問題を小さくします。 アジャイルとウォーターフォールの違い

◯ 正しい この矩形をバウンディングボックスと呼びます。セマンティックセグメンテーションでは画素ごとにカテゴリを塗り分けるので、作業の手間がさらに大きくなります。 アノテーション

× 誤り 逆です。教師あり学習には入力と正解の組が必要で、その正解を用意する作業がアノテーションです。教師なし学習は正解ラベルを使わずに学習します。 アノテーション

◯ 正しい 固有表現抽出の学習データを作る作業です。ほかに、文章ごとに肯定・否定などの感情ラベルを付ける作業もあります。 アノテーション

◯ 正しい COCOの論文では、約33万枚の画像に、約250万個の物体の領域情報を付けたと報告されています。 オープンデータセット

× 誤り 顔が写った写真や、個人が書いた文章を含むデータセットもあります。使う前に中身と利用条件を確かめ、個人情報の扱いに注意します。 オープンデータセット

◯ 正しい ほかの条件は、営利・非営利を問わず二次利用できるルールが適用されていることと、機械判読に適していることです。 オープンデータセット

◯ 正しい 文章をそのまま集めたものを生コーパスと呼びます。タグ付きコーパスは、品詞の推定や構文解析などの学習と評価に使われます。 コーパス

× 誤り 量が多くても、集め方によって偏りは生じます。新聞だけ、Webだけといった集め方では話題や文体が偏るため、構成を設計して集める均衡コーパスもあります。 コーパス

◯ 正しい 約1億語の規模で、ジャンルごとに無作為にサンプルを抜き出しています。特定の媒体に偏らないよう設計した均衡コーパスの例です。 コーパス

◯ 正しい 同じ人の画像は互いに似ています。モデルが病気の特徴ではなく患者ごとの特徴を覚えても正解できてしまうため、患者単位でデータを分けます。 データリーケージ

× 誤り 逆です。本来は使えない情報に頼るので、検証の精度は高く見えます。本番ではその情報が手に入らず、精度が下がります。 データリーケージ

× 誤り 原因はデータの量ではなく、データの作り方や分け方の誤りです。予測時点で得られない情報を除き、分割と前処理の手順を正すことで防ぎます。 データリーケージ