【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。
この記事が気に入ったらサポートをしてみませんか?