AI異常検知クイズ

クイズに答えると、答えと解説が表示されます。

1. ラベル付きの異常例がなくても、異常検出が機能することが多いのはなぜですか?
   • 異常はまれで予測不可能であるため、モデルは代わりに「正常」を学習します
   • ラベルの使用は違法です
   • 異常は決して起こらない
   • 画像のみを使用します
2. 「コンテキスト異常」とは、次のようなデータ ポイントです。
   • どこでも常に異常
   • ある状況では正常でも、別の状況では異常
   • データベースのタイプミス
   • 重複したレコード
3. What does the cited WACV autoencoder study use as an anomaly score?
   • A legal fraud label assigned to every record
   • A guarantee that no future fault will occur
   • Reconstruction error from an autoencoder trained to model the data
   • The number of random trees in an Isolation Forest
4. How does the original Isolation Forest paper isolate candidate anomalies?
   • It requires an expert to label every anomaly in advance
   • It measures reconstruction error from a neural decoder
   • It uses a fixed threshold that proves an item is defective
   • Random partitioning tends to isolate anomalous instances in fewer splits
5. 異常のしきい値を過敏に設定する主な危険性は何ですか?
   • アナリストに誤報が殺到
   • モデルの実行速度が速くなります
   • データは暗号化されます
   • 異常が不可能になる
6. What can an unusual machine-vibration score reasonably trigger?
   • An automatic shutdown because failure is guaranteed
   • A maintenance investigation or additional measurement, without predicting failure with certainty
   • A confirmed diagnosis of the failed component
   • A claim that the machine will fail within a fixed number of hours
7. Why is an anomaly score not automatically a fraud or defect label?
   • It is always a verified label
   • Anomaly scores cannot be compared
   • It indicates unusualness under a model or baseline, not the cause or consequence
   • The threshold proves intent
8. What should be documented when setting an anomaly threshold?
   • Only the model’s name
   • A claim that false positives are impossible
   • The number of GPUs alone
   • The reference data, score definition, threshold rationale, and review process