従来の機械学習とディープラーニング（深層学習）における「特徴量」の扱いに関する記述として、最も適切なものを1つ選択してください。
出典生成AIパスポートオリジナル模擬試験
ア
従来の機械学習ではどの特徴（色やエッジ、キーワード比率など）に注目すべきかを人間が試行錯誤して設計していたが、ディープラーニングは多層ニューラルネットワークを通じて生データから有用な特徴表現を自動的に獲得できる。
イ
ディープラーニングは中間層で特徴量を自動抽出するため、従来の機械学習と比較して学習に必要なデータ量や計算資源が大幅に削減され、数十件程度の極小データセットでも過学習を起こさずに高精度を達成できる。
ウ
従来の機械学習はエンドツーエンド学習によって生データから最終出力までを一括処理できるが、ディープラーニングは各階層ごとに人間が特徴量の重み付けルールや特徴抽出器を手作業で定義しなければならない。
エ
ディープラーニングにおける特徴量表現は人間の直感的な論理体系と完全に一致するため、どの入力要素がどのような数式で最終判断に寄与したかが完全にホワイトボックス化され、解釈性が極めて高い。