【弁護士がＧ検定を受けてみた】問題の種類

第１　Ｇ検定の分野を順に対策する

　基本的にこれで足りるのかと思います。

　①歴史

　初回では第１次ＡＩブーム，第２次ＡＩブーム，第３次ＡＩブームの順に聞いてきます。

　第１次ＡＩブームは推論と探索

　第２次ＡＩブームはエキスパートシステム（法学者の余談ですが民訴法学者で法と経済学にも精通している，太田先生がこの世代かと思われます。）

　第３次ＡＩブームが今といことを押さえ

それぞれの限界があったことを押さえておくといいと思います。

第１次はトイプロブレムしか解けない，第２次は専門家の知識多すぎです

　その他，チューリングテスト，ローブナー賞，人名，Ｃｙｃプログラム等が聞かれていました。

　知識獲得のボトルネック，シンボルグラウンティング問題等も押さえておきたいですね

②法律政策

　学習済みモデルの知財保護，知財侵害の危険性，個人情報後保護法及びガイドラインの存在，匿名加工情報，自動運転の道交法改正，アメリカの自動運転の法律，ＡＩの倫理，ＬＡＷＳ（国際法で議論されはじめました。）ＡＩの起こした諸問題，システム開発の法律問題，各政策

等，知財やデータを取り扱う弁護士としては当たり前の事柄が多かったですが，なかなか一般のエンジニアには難しい事柄かなかと思っています。

ざっとみると，法とＡＩでまとめられているところが多かったと思います。ＡＩ白書レベルの問題が多い印象でした。

③ＡＩの現代

　無料のプラットフォームの開発元や説明等，技術的な時事問題が多かったでしたね。ＦＡＴの研究領域や，なかなか検索をたどることが多かったです

④教師あり，教師なし，強化学習

協調フィルタリング
内容ベースフィルタリング
クラスタリング
k-means法
アンサンブル学習の手法
計算問題：分類問題のパーセプトロン

SVMの説明

計算問題：偏微分
トピックモデル・特異値分解を適用

トピックを潜在変数としてモデル化
決定木
単純パーセプトロン
活性化関数
アフィン変換に含まれないもの
ベイズ定理を示す数式
モデルの性能を向上させるための工夫
バギング
ブースティング
過学習の対策
汎化誤差
評価指標

このあたりの理解度が問われる問題が多かったですね。知っているものが多かったですが，少しわからないところは検索しました。

他にも情報理論の関数の話があり戸惑いましたｗｗ

⑤ディープラーニング

ＧＰＵの説明，イテーション，エポック，過学習対策，ＣＮＮ，ＲＮＮ，ＧＡＮ，バーニーおじさんの定理（笑），ノーフリーランチの定理，ファインチューニング，並行処理データベース定番のものから

不勉強ながらthan関数，応用モデル，等も聞かれていました。

⑥自然言語処理

⑦画像解析

⑧音声解析

あたりも定番と最新の分野がありました

⑨ロボティクス分野

　ＡＩのロボティクスという問題は従前から主張していましたが，やはり連動性はありましたね。「物体認識」の話がありました。

分野としてはざっとこんな感じで，合格率は高いので，ニワカを落とす試験だなという感じがしました。