対象はJDLAの「人工知能をめぐる動向」Q2・Q3です。公式正解は Q2＝D：エキスパートシステム、Q3＝A：ResNet。どちらも名称の暗記だけでなく、その技術が解決しようとした制約から理解します。
Q2：知識を書き尽くす壁
エキスパートシステムは、人間の専門家の知識を「もし条件が成り立てば、この判断をする」といった規則として表し、推論に使う考え方です。限定された領域では力を発揮できます。しかし例外や暗黙知まで人手で取り出し、更新し続けるのは大変です。公式問題の手掛かりは「知識を明示的に記述する難しさ」。これが第二次AIブームを語る際の典型的な壁です。
機械学習はデータから規則性を学びますが、エキスパートシステムの知識獲得の難しさを、そのまま「もう存在しない問題」にするわけではありません。訓練データの品質や偏り、新しい環境への適用という別の課題もあります。ブームを「昔は失敗、今はすべて解決」と並べないようにします。
Q3：深くしても学びにくい壁
画像認識のモデルを深くすると表現力が高まる可能性があります。一方、層を増やすだけでは最適化が難しくなります。ResNetはブロックが学ぶ変換に、入力を別の経路から足すスキップ結合を使います。概念的には出力を F(x) + x と表せます。変換部分が望ましい補正を学び、入力の情報を先へ渡す経路も確保します。公式設問の「2015年」「スキップ結合」が判別点です。ResNetの原著論文でも、深いネットワークの学習を主題にしています。
AlexNetは2012年の画像認識ブームを象徴するモデル、VGGNetは小さな畳み込みを重ねる構成、ZFNetは畳み込みの可視化・構成の検討で知られます。年代の丸暗記より、「その技術の特徴」を一語ずつ結び付けます。
自分で確かめる
練習：医療施設の内規を、毎年職員が手作業で大量の規則に書き直す仕組みと、画像モデルの層を増やしたら訓練が進みにくくなった状況があります。それぞれ、Q2とQ3のどちらの論点でしょうか。
解答：前者はエキスパートシステムの知識獲得・保守、後者は深いネットワークの最適化でResNetが関係します。二つの「難しい」を、知識の記述とパラメータの学習に分けます。
覚える一行：Q2は「知識を人手で表す難しさ」、Q3は「深いモデルを訓練する難しさとスキップ結合」です。
参照：JDLA公式問題と解答、ResNet原著。