Q. 人間の知的な活動をコンピューターで実現しようとする研究分野は？
A. AI（人工知能）
Q. 1956年に米国で開催され、人工知能という研究分野が誕生した会議は？
A. ダートマス会議
Q. ルールをあらかじめ定めて推論を行う人工知能の仕組みは？
A. ルールベース
Q. データからパターンや規則性を自動的に学習し、予測や分類を行う手法は？
A. 機械学習
Q. あらかじめ大量のデータで訓練され、再利用や転移学習に活用できるAIモデルは？
A. 学習済みモデル
Q. 入力データと正解ラベルを使い、予測や分類のルールを導き出す機械学習の手法は？
A. 教師あり学習
Q. 正解ラベルが与えられていないデータをもとに、隠れた構造やパターンを見つけ出す機械学習の手法は？
A. 教師なし学習
Q. データを特徴の類似性に基づいて自動的にグループ分けする分析手法は？
A. クラスタリング
Q. データの特徴量をできるだけ情報を保ちながら少数の軸に圧縮し、扱いやすくする手法は？
A. 次元削減
Q. 行動と報酬を繰り返し試行することで、最適な行動方策を学習する機械学習の手法は？
A. 強化学習
Q. 少量のラベル付きと大量のラベルなしデータを組み合わせて学習精度を高める機械学習の手法は？
A. 半教師あり学習
Q. 特定の問題で優れた手法が、すべての問題に最適とは限らないとする理論は？
A. ノーフリーランチ定理
Q. 生物の脳を模した情報処理の基本単位は？
A. ニューロン
Q. ニューロン同士をつなぐ結合点や枝分かれの構造は？
A. シナプス
Q. 人工的に作られたニューロンを構成要素とする処理単位は？
A. 人工ニューロン
Q. 人工ニューロンを多層で組み合わせた計算モデルは？
A. ニューラルネットワーク
Q. 多層のニューラルネットワークを用いた学習方式は？
A. ディープラーニング
Q. 複数のモデルを組み合わせて精度を高める方法は？
A. アンサンブル学習
Q. ニューラルネットワークで重要度を数値として扱う仕組みは？
A. 情報の重みづけ
Q. 学習データに過剰に適合しすぎて汎用性が下がる現象は？
A. 過学習
Q. 出力を正しい範囲に収めるため数値を一定範囲に変換する処理は？
A. 正則化（正規化）
Q. 学習時に一部ノードをランダムに無効化する手法は？
A. ドロップアウト
Q. 学習済みモデルを別タスクに再利用する方法は？
A. 転移学習
Q. 機械学習で入力データを数値化した性質や要素は？
A. 特徴量
Q. 特定分野に特化した人工知能は？
A. 弱いAI（ANI）
Q. 人間のように汎用的な知能を持つ人工知能は？
A. 強いAI（AGI）
Q. 1950年代後半に起きた最初のAI研究ブームは？
A. 第1次AIブーム
Q. 道筋を列挙して解を探すAIの基本処理は？
A. 探索
Q. 前提から結論を導き出す処理は？
A. 推論
Q. 1980年代に知識処理で注目されたAIブームは？
A. 第2次AIブーム
Q. 専門家の知識をルール化したシステムは？
A. エキスパートシステム
Q. AI研究が停滞した時期は？
A. AIの冬
Q. 機械学習の進展で再注目された時期は？
A. 第3次AIブーム
Q. 膨大で多様なデータを活用する概念は？
A. ビッグデータ
Q. 技術進化が人間を超える転換点は？
A. シンギュラリティ（技術的特異点）
Q. シンギュラリティを提唱した学者は？
A. バーナー・ビンジ
Q. 2045年問題を唱えた未来学者は？
A. レイ・カーツワイル
Q. AI進化が社会に大きな影響を与える課題は？
A. 2045年問題
Q. AIが一般化するとAIと呼ばれなくなる現象は？
A. AI効果
Q. 新しい文章や画像を生成するAIは？
A. 生成AI（ジェネレーティブAI）