AIF-C01#107(fundamentals-ai-ml)
ある企業は、次のような質問を含む教育用ゲームを開発したいと考えています。 「1つの瓶に赤い玉が6個、緑の玉が4個、黄色の玉が3個入っています。この瓶から緑の玉を選ぶ確率はどのくらいですか？」 最小限の運用オーバーヘッドで、この要件を満たすソリューションはどれですか？
正解：C
正解の根拠
確定的な確率計算 (4/13 など) は数式とルールで厳密に解ける問題で、機械学習モデルを使うのは過剰です。簡単なルールベースのコードで計算する方が運用オーバーヘッドが最小となり、誤差なく結果を返せます。AWS Lambda や Step Functions に簡易な計算ロジックを置けば十分対応できます。
解法の比較
| 解法 | 運用オーバーヘッド |
|---|---|
| ルール計算コード | 最小 (数式で厳密解) |
| 教師あり回帰 | 大 (データ準備・学習) |
| 強化学習 | 大 (環境定義・学習) |
| 密度推定 (教師なし) | 大 (モデリング不要) |
不正解の理由
- A: 教師あり回帰は確率を推定するためにラベル付きデータと学習基盤が必要で、決定論的計算より工数が大きく非効率です。
- B: 強化学習は試行錯誤環境と報酬設計を要し、確率の解析的計算という単純問題に対しては過剰なアプローチです。
- D: 教師なし密度推定はデータからの統計推定を行いますが、解析的に解ける確率計算より運用負荷が大きくなります。
参考：AWS Lambda
コメント