G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. モデルの解釈性が求められる理由として最も適切なものはどれですか？ モデルのトレーニング時間を短縮するため モデルの予測に対する信頼性を向上させるため モデルのパラメータを増やすため モデルの計算速度を上げるため None 2. 次のうち、AIの進展に最も寄与している技術はどれか。 ニューラルネットワークと並列計算技術 電子マイクロスコープ技術 細胞培養技術 光学顕微鏡技術 None 3. 全結合層の主な役割は何ですか？ 特徴を抽出すること モデルの出力を生成すること データの次元を削減すること 入力を正規化すること None 4. 畳み込み層における「グループ畳み込み」の利点は何ですか？ 計算時間を短縮する モデルの精度を高める メモリ使用量を減少させる すべての選択肢 None 5. 次のうち、前向き連鎖と後向き連鎖の違いを正しく説明しているものはどれか。 前向き連鎖はゴールから逆算し、後向き連鎖はスタートから進む 前向き連鎖は現在の事実から結論を導き、後向き連鎖はゴールから必要な事実を推論する 前向き連鎖は木構造を使い、後向き連鎖はグラフ構造を使う 前向き連鎖はデータ駆動型であり、後向き連鎖はモデル駆動型である None 6. RNNの勾配消失問題を解決するために効果的な技術は何ですか？ バッチ正規化 LSTMやGRUの使用 活性化関数の変更 ドロップアウトの使用 None 7. GANの識別モデルが非常に強力である場合、生成モデルはどのような結果をもたらす可能性がありますか？ 過学習を引き起こす モード崩壊を引き起こす 無限にデータを生成する 学習が進まなくなる None 8. 変分オートエンコーダ（VAE）の損失関数に含まれる「KLダイバージェンス」は何を表しますか？ モデルの誤差を最小化する値 出力層での分類精度 活性化関数の変化量 潜在変数の確率分布と正規分布との違い None 9. 特許協力条約（PCT）に基づく国際出願の利点は何ですか？ 出願後すぐに特許権が認められる 国内出願が不要になる 一度の出願で複数国に特許出願ができる 全世界で特許が自動的に保護される None 10. データ拡張において、ランダムクロッピング（Random Cropping）は何を行いますか？ 画像全体を小さくする 画像の一部を拡大する 画像の一部をランダムに切り取る 画像を水平反転する None 11. 次のうち、AIの安全性に関する課題として最も正しいものはどれか。 AIは常に安全であり、リスクは存在しない AIが誤った判断を行う可能性があるため、安全対策が必要である AIの動作は人間がすべて制御できるため、安全対策は不要である AIは感情を持たないため、危険な行動は取らない None 12. 畳み込み層の前にどのような層を配置することが一般的ですか？ プーリング層 全結合層 リカレント層 入力層 None 13. AIが作成したプログラムコードに対して、プログラム自体の著作権は誰に帰属するか？ プログラムを利用したエンドユーザー プログラムを実行したコンピュータ プログラムを作成したAIの開発者 プログラム自体には著作権が存在しない None 14. 「DCGAN」はどのようなモデルですか？ GANに畳み込みニューラルネットワーク（CNN）を導入したモデル GANにリカレントニューラルネットワークを組み合わせたモデル GANに強化学習を組み合わせたモデル GANにトランスフォーマーを導入したモデル None 15. 外れ値が多いデータセットにおいて、MSEの代替として使用される誤差関数はどれですか？ 平均絶対誤差（MAE） Huber誤差 カテゴリカルクロスエントロピー コサイン類似度 None 16. RPROP（Resilient Backpropagation）の特徴は何ですか？ 勾配を使用して更新を行う バッチ学習の方法を使用する 各重みに対して固定の学習率を使用する 更新の大きさを勾配の符号に基づいて調整する None 17. AIシステムの安全性とセキュリティを向上させるために、「レッドチーミング（Red Teaming）」とは何を指しますか？ AIシステムの正常な動作をモニタリングする手法 AIシステムが自動でセキュリティ更新を行うプロセス AIシステムのパフォーマンスを最適化する手法 セキュリティ専門家が攻撃者の視点でAIシステムに対する脆弱性をテストする手法 None 18. 二値分類において、シグモイド関数と一緒に使われる代表的な誤差関数はどれですか？ 平均二乗誤差 Huber誤差 二項クロスエントロピー 平均絶対誤差 None 19. 「AI倫理ガイドライン」において、AIシステムの説明可能性が求められる理由は何ですか？ AIが人間を代替するため AIの結果を誰でも理解できるようにするため AIがすべての意思決定を行うため AIの開発者を特定するため None 20. Swish関数が特に役立つとされる状況はどれですか？ 小さなネットワークで高速な学習が必要な場合 ReLUが機能しない場合 すべての入力が負の値になる場合 深いニューラルネットワークで滑らかな学習が必要な場合 None 21. 強化学習における「方策勾配法」がQ学習よりも有効な場合はどのような状況ですか？ 連続的な行動空間を持つ問題の場合 離散的な行動空間を持つ問題の場合 環境が静的な場合 報酬が常に正の値の場合 None 22. AI技術を独占する企業が、市場で優越的な地位を濫用した場合、独占禁止法に違反する可能性のある行為はどれですか？ 取引先に不当な契約条件を強要すること AI技術を無料で提供すること 競合他社と技術を共有すること AI技術を特許出願すること None 23. AI関連のソフトウェアに対して、不正競争防止法の「営業秘密」として保護されるためにはどのような措置が必要ですか？ ソフトウェアのソースコードが適切に管理され、外部に漏れないようにすること ソフトウェアを公開すること ソフトウェアを他社と共有すること ソフトウェアを商業的に利用すること None 24. Deep Residual Networks（ResNet）におけるReLUの役割は何ですか？ 残差を計算するため 残差接続を消去するため 非線形性を導入し、学習を安定化させるため モデルを小さくするため None 25. プーリング層の一般的な利点はどれですか？ 重みの学習を促進する モデルの複雑さを増す 過剰適合を防ぐ 勾配の爆発を防ぐ None 26. 強化学習において「割引率」が0.9に設定されている場合、次の報酬の価値はどのように計算されるでしょうか？ 未来の報酬の影響が10%になる 将来の報酬は無視される 現在の報酬が100%評価される 未来の報酬が90%評価される None 27. 学習率が小さすぎると、どのような問題が発生しますか？ 学習が収束しない 学習速度が遅くなる モデルが過剰適合する バッチサイズが固定される None 28. 活性化関数の役割は何ですか？ モデルの学習率を調整する ニューラルネットワークに非線形性を導入する ニューラルネットワークの重みを更新する モデルの出力を制御する None 29. AI開発委託契約において、開発中に新たに発見された技術やノウハウの知的財産権の取り扱いをどうするかは、どのように取り決めるべきですか？ 契約に基づき事前に取り決めておく必要がある 開発者が自動的に所有する 委託者が自動的に所有する 契約とは関係なく開発者が自由に利用できる None 30. オートエンコーダの潜在変数（Latent Variables）とは何ですか？ データの次元削減された表現 訓練データの分類結果 データの誤差関数 デコーダ部分の入力値 None 31. バイアス項の初期化が不適切だと、どのような問題が生じる可能性がありますか？ 学習速度が向上する モデルが過剰適合する モデルが安定しない 出力がゼロになる None 32. モデルが非常に複雑な場合に適切な正則化手法はどれですか？ ドロップアウト L1正則化 L2正則化 バッチ正則化 None 33. 知識ベースシステムにおいて、説明可能なAI（XAI）が求められる理由として正しいものはどれか？ システムの推論速度を向上させるため システムが使用する知識を増やすため ユーザーがシステムの推論過程を理解できるようにするため システムの複雑さを減らすため None 34. LSTMの「忘却ゲート」の役割は何ですか？ 新しい情報を追加する 過去の情報を保持するかどうかを決定する 出力を制御する 勾配を計算する None 35. ディープラーニングでの「事前学習モデル（Pre-trained Model）」の利用は、どのような状況で有効か？ 学習データが大量に存在する場合 学習データが少なく、新たなタスクに迅速に対応する必要がある場合 モデルの学習速度を劇的に向上させたい場合 既存のモデルを使わず、新たなネットワークをゼロから構築したい場合 None 36. 特許権を他者にライセンスする場合の手続きは、特許法上どのように規定されていますか？ 特許庁の許可が必要 特許権を譲渡する必要がある ライセンス契約は無効になる 特許権者が自由にライセンス契約を締結できる None 37. 次の探索手法のうち、最適解を保証しないが高速に解を求めるものはどれか。 幅優先探索 深さ優先探索 A*アルゴリズム 貪欲法 None 38. 著作権法に基づいて、著作物をパブリックドメインにするためには何が必要ですか？ 著作権の放棄を宣言するか、保護期間が終了する 著作権者が自ら権利を強化する 著作権の更新手続きを行う 著作権者が著作物を商業利用する None 39. 個人情報の利用停止を請求できるのはどのような場合ですか？ 個人情報が不適切に取得された場合 個人情報が匿名化された場合 個人情報が企業により適切に管理されている場合 個人情報が利用目的に沿って使用されている場合 None 40. AIシステムに対して「分散型攻撃」が行われた場合、どのようなリスクが発生しますか？ システムが物理的に破壊される システムが他のAIシステムを攻撃する システムが複数の異なるポイントから攻撃され、全体の動作が停止する システムがデータを削除する None 41. 複雑な状態空間を持つ強化学習タスクにおいて、DQNの使用に関して最も考慮すべきことはどれですか？ エピソードの長さを無限にする 行動選択を常にランダムにする 適切なニューラルネットワークのアーキテクチャを選択する 割引率を0に設定する None 42. 自然言語処理における「BLEUスコア」とは何を評価する指標ですか？ 機械翻訳における出力文と参照文の類似度 文書の感情を評価する 文書の長さを評価する 単語の頻度を評価する None 43. 「カイ二乗検定」の主な目的は何ですか？ データ間の独立性や適合性を検定すること データの分散を最小化すること データを正規分布に従わせること データの相関係数を計算すること None 44. AIによるデータ利用に関してプライバシーの観点から問題となる点はどれか。 AIは人間のデータを利用しないため、プライバシーの問題は存在しない AIは常に匿名化されたデータのみを使用するため、プライバシーは保護される AIが個人情報を過剰に収集・分析することで、プライバシー侵害が発生する可能性がある AIは特定の個人のデータを常に守るため、プライバシーに関する懸念はない None 45. 個人情報の取り扱いに関する「利用目的の特定」とは何ですか？ 個人情報を収集する前に、その利用目的を明確にすること 個人情報を任意に利用できること 個人情報を廃棄する際の手順 個人情報を暗号化すること None 46. 次の中で、回帰問題のための教師あり学習モデルはどれですか？ サポートベクターマシン（SVM） 線形回帰 ナイーブベイズ K近傍法（KNN） None 47. AIサービス提供契約において、提供されたデータに誤りがある場合、サービス提供者が負うべき責任は何ですか？ 提供データの修正義務と損害賠償の責任 提供データを削除する責任 提供データに関しては責任を負わない データを無制限に使用できる権利 None 48. LSTM（Long Short-Term Memory）で使用される「ゲート」の役割は何ですか？ ネットワークの出力を増やす 時間の流れを制御する 情報を保持、忘却、更新する 活性化関数を調整する None 49. マルチモーダルデータの「同期」とは何ですか？ モダリティごとのデータを別々に学習すること モダリティ間で学習率を合わせること モダリティのデータサイズを統一すること 異なるモダリティのデータを同じタイムフレームに揃えること None 50. マルチモーダル学習において、どのような問題がよく発生しますか？ モダリティごとのデータサイズが等しいこと モデルが過学習すること モデルのパラメータ数が減少すること 異なるモダリティのデータが非同期であること None 51. 推論エンジンにおいて、前向き推論と後ろ向き推論の違いはどれか？ 前向き推論は結論から推論を行う 後ろ向き推論は前提条件から結論を導く 前向き推論はデータから結論を導く 後ろ向き推論は仮説からデータを探す None 52. 最適化手法として「RMSprop」を使用する利点は何ですか？ 各パラメータごとに異なる学習率を使用すること 学習率を一律に保つこと 訓練データのサイズを減少させること モデルの複雑さを増すこと None 53. オートエンコーダの出力が入力と同一であることを確認するために使用される損失関数はどれですか？ クロスエントロピー損失 Hinge損失 正則化損失 平均二乗誤差（MSE） None 54. ディープラーニングモデルの選択において「早期停止」の主な目的は何ですか？ 訓練時間を短縮する モデルのサイズを削減する 学習率を調整する オーバーフィッティングを防ぐため None 55. 独占禁止法において「不当な取引制限」とは何ですか？ 企業が自由に価格を設定する行為 競合企業が協定を結び、取引の条件を制限する行為 企業が市場に参入する行為 企業が他社と技術を共有する行為 None 56. 次の状況において、どの正則化手法が最も適切ですか？特に外れ値の影響を軽減したい回帰問題 L1正則化 L2正則化 ドロップアウト バッチ正則化 None 57. ディープラーニングにおいて、活性化関数を適切に選択しない場合、どのような問題が発生しますか？ ニューラルネットワークの構造が崩れる 勾配消失や勾配爆発が起こり、学習が進まなくなる モデルの出力がランダムになる 訓練データが正しくない結果を生む None 58. 強化学習における「方策（ポリシー）」の役割は何ですか？ 特定の状態における行動選択のルール エージェントが受け取る報酬を決定する 環境の遷移を管理する 学習アルゴリズムの一部 None 59. スキップ結合を持つネットワークが収束しやすい理由は何ですか？ 勾配が消失しにくくなるため 重みが固定されるため 学習率が自動調整されるため 出力層が早く更新されるため None 60. 次のうち、人工知能に関する倫理的課題として正しいものはどれか。 AIの導入によって経済の発展が停滞するリスクがある AIが誤った決定を行った際に、誰が責任を負うのかが不明確である AIが人間の感情を完全に再現することで社会が混乱する AIの判断は常に透明であり、倫理的問題はない None 61. 次のうち、ビーム探索の特徴として最も適切なものはどれか。 最適解を常に保証する 幅優先探索に似ているが、探索の幅を限定する 木の全てのノードを必ず探索する 深さ優先探索を効率化した手法である None 62. 日本の「AIガイドライン2020」において、AIの開発者に求められる倫理的責任は何ですか？ AIシステムの利益最大化を追求すること AIシステムが自己学習するように設計すること AIシステムの所有権を開発者に保持すること AIシステムが安全かつ信頼性を持って動作するようにすること None 63. t-SNEやPCAを使った次元削減後に、データを視覚化し、クラスタの傾向が見られたとします。この視覚化結果を基にさらに分析を深めるために有効な方法はどれですか？ 非負行列因子分解を行う K-meansクラスタリングでグループを明確に分ける エルボー法を適用して最適な次元数を見つける ランダムフォレストを適用して分類する None 64. 中国のAIガイドラインにおける「AIの責任ある開発」とは、どのような取り組みを意味しますか？ AI技術を市場競争で優位に立たせること AI技術が社会に与える影響を十分に考慮し、責任を持って開発・運用すること AIをすべての産業に導入すること AIが完全に自律するまで開発を継続すること None 65. 個人情報の「匿名化処理」とは何を指しますか？ データを削除すること データを暗号化すること 利用目的を変更すること 個人を特定できない形に情報を加工すること None 66. スキップ結合による勾配消失問題の軽減は、どのような原理に基づいていますか？ 勾配の計算回数を減少させる 勾配を直接次の層に伝える 出力層から入力層への逆伝播を省略する ネットワークの深さを増加させる None 67. 学習率の役割は何ですか？ モデルの複雑さを決定する 重みの更新幅を決定する モデルのサイズを制御する データの前処理を行う None 68. AIが透明性を持っていない場合、どのような社会的リスクが発生する可能性がありますか？ AIが効率的に動作しない AIがすべてのデータを削除する ユーザーや社会がAIの判断を信頼できず、不正確な情報が広まるリスク AIが判断を自動で行う None 69. データのバイアスとは何を指しますか？ 特定の傾向に偏ったデータ データの欠損を意味する データ量が多すぎること データの正規化が不十分なこと None 70. モデルの軽量化を行う主な目的は何ですか？ モデルの精度を向上させるため モデルの計算リソースを削減し、実行速度を向上させるため モデルをより複雑にするため モデルのトレーニングデータを増やすため None 71. Attentionメカニズムが特に有効なタスクは次のうちどれですか？ 画像分類 自然言語処理 クラスタリング ロジスティック回帰 None 72. 独占禁止法における「合併規制」とは何ですか？ 企業が自由に合併できる権利 合併後の企業が価格を自由に設定できる権利 企業が市場から撤退する権利 合併により市場支配的地位が強化される場合、事前に公正取引委員会の承認が必要な規制 None 73. 特許法における「専用実施権」とは何ですか？ 特許権者が特定の第三者に発明を実施させるための独占的権利 特許を自由に販売する権利 特許出願を取り下げる権利 特許の技術内容を公開する権利 None 74. 米国の「AI倫理原則」において、「説明責任」とはどのように定義されていますか？ AIが人間に代わってすべての責任を持つこと AIの開発者や運用者が、AIの決定に対して責任を負うこと AIが自動で問題を解決すること AIが自己学習を行うこと None 75. AI関連技術の市場での独占が「私的独占」に該当するかどうかを判断する際に、考慮されるべき要素は何ですか？ 企業の売上高 市場での競争が排除されているかどうか AI技術の複雑さ 技術の国際的な影響 None 76. モデルの軽量化に役立つ「モバイルネット（MobileNet）」の特徴は何ですか？ 高精度な分類能力を持つ大規模モデル 計算コストを削減するために深層畳み込みを使用した軽量モデル リアルタイム処理のためのリカレントネットワーク データの前処理を効率化する手法 None 77. 「排除措置命令」とは何ですか？ 企業が価格を設定する権利 企業が市場を独占する権利 独占禁止法に違反する行為を停止させるための公正取引委員会による命令 企業が他社と連携する権利 None 78. モデルの解釈性を犠牲にせずに精度を向上させるための技術として適切なのはどれですか？ 蒸留モデル（Model Distillation） ドロップアウト バッチ正規化 過学習の防止 None 79. モデル評価において「グラウンドトゥルース」とは何を指しますか？ モデルのトレーニングデータ 正解ラベル、すなわち実際の正しい出力 モデルのハイパーパラメータ 学習率の設定値 None 80. オートエンコーダの再構成誤差（Reconstruction Error）とは何ですか？ 元のデータと再構成されたデータとの差 学習中の重みの変化量 次元削減後のデータの大きさ 活性化関数の値の変化 None 81. GANの「スタイル転送（Style Transfer）」の応用例として最も適切なものはどれですか？ 画像のスタイルを別の画像に適用する技術 文章を別の言語に翻訳する技術 音声データをテキストに変換する技術 データの圧縮技術 None 82. TransformerのDecoderにおける「マスク付きアテンション（Masked Attention）」の役割は何ですか？ 不要な情報を削除する 出力が将来のトークンに依存しないようにする 入力データの一部を無視する アテンションスコアの調整を行う None 83. ある分類モデルがトレーニングデータに対して非常に高い精度を示す一方で、テストデータに対しては低い精度を示す場合、このモデルはどのような問題を抱えていると考えられますか？ アンダーフィッティング オーバーフィッティング 過剰バイアス ハイパーパラメータの適切な設定 None 84. 自動音声認識（ASR）における「エンコーダ・デコーダモデル」の役割は何ですか？ 音声信号を圧縮する 音声データを分類する 音声をテキストに変換する 音声信号のノイズを除去する None 85. モデル軽量化の技術として「エッジAI」とは何ですか？ クラウド上で大規模モデルを実行する技術 モバイルデバイスやエッジデバイス上で軽量化されたAIモデルを実行する技術 モデルのトレーニングを高速化する技術 モデルのパラメータ数を増やす技術 None 86. AIにおける「帰無仮説」とは何ですか？ モデルの精度を示す指標 データの分散を減少させる手法 仮説検定において、差がないという仮定 モデルの学習率を最適化するためのアルゴリズム None 87. 「ラプラス変換」は、AIでどのように利用されますか？ データを標準化するため 微分方程式を解く際に使用されるため、特に制御理論や信号処理で活用される データの次元を削減するため データのばらつきを減らすため None 88. AI開発におけるデータ取得の際、不正競争防止法に抵触する行為はどれですか？ 合法的にデータを購入すること 営業秘密を不正に取得して学習データに利用すること 公開データセットを使用すること 他社と共同でデータを取得すること None 89. 強化学習における「Q学習」の目的は何ですか？ 行動を完全にランダムに選択すること 環境の動きを模倣すること 状態-行動ペアの価値を学習し、最適な方策を見つけること 報酬を即座に得ること None 90. AIプロジェクトで重要なデータの特性として「データの質」が挙げられますが、その理由は何ですか？ データの質がモデルの性能に大きな影響を与えるため データが多ければ精度が高くなるため データの質が低いと学習時間が短くなるため 質が低いデータはモデルのパラメータ数を増加させるため None 91. 国連の「AI倫理に関するガイドライン」では、どのような点に特に焦点が当てられていますか？ AIの商業利用の促進 AIの軍事利用の制限 AIの自動化による労働削減 AIによる貧困削減と持続可能な開発 None 92. 強化学習のタスクにおいて、エピソードの長さを短く設定することにはどのような利点がありますか？ 報酬が得られる頻度が減る 環境の状態が複雑になる 行動選択の難易度が上がる 学習が早く進む可能性がある None 93. AIが個人のプライバシーに及ぼす影響を評価するために、企業が実施すべき「データ保護インパクトアセスメント（DPIA）」とは何ですか？ データの削除を推奨するプロセス データを外部に提供するためのプロセス データ処理を完全に停止するプロセス データ処理がプライバシーに与えるリスクを評価し、対策を講じるための分析プロセス None 94. ニューラルネットワークにおける「エポック」とは何か？ 全ての訓練データを1回モデルに通した回数 モデルの構造を決定するためのプロセス データの前処理手順の一つ モデルの性能を評価する指標 None 95. データ分析における「特徴量エンジニアリング」の目的は何ですか？ データを削除すること データを統計的に分析すること データの欠損値を補完すること モデルの性能を向上させるために、新しい特徴量を生成・選択すること None 96. Conditional GAN（CGAN）の主な特徴は何ですか？ 生成するデータにラベルを付与することで、特定の条件に基づいたデータ生成が可能になる 生成データを圧縮する モード崩壊を完全に防ぐ 識別モデルを訓練しない None 97. 画像認識タスクにおけるデータ拡張の主な目的は何ですか？ モデルのサイズを大きくする モデルの収束速度を速める 訓練データの多様性を増やし、過学習を防ぐ データセットのラベルを削除する None 98. ディープフェイク技術とAIに関する問題として、最も適切なものはどれか。 AIを用いたディープフェイク技術により、偽の画像や映像が簡単に作成される ディープフェイクはAIではなく、人間の手作業で作られる AIはディープフェイク技術を制限するために使用される ディープフェイク技術は現時点で使用されていないため、問題はない None 99. プーリング層の主な目的は何ですか？ データの次元を削減すること 勾配消失を防ぐこと 特徴量を増加させること 重みを学習すること None 100. 畳み込み層において、ストライドとは何を指しますか？ フィルターの数 入力データの前処理方法 フィルターを移動させる際のステップサイズ 出力のサイズ None 101. AIの透明性を確保するために用いられる技術の一つとして、正しいものはどれか。 AIの意思決定プロセスを説明可能にする技術（XAI） AIの判断結果をブラックボックス化する技術 AIの学習過程を完全に人間に任せる技術 AIの判断結果をランダムに変更する技術 None 102. ディープラーニングでよく使われる「バックプロパゲーション（逆伝播）」の役割はどれか？ モデルの精度を評価するプロセス 勾配を計算して重みを更新するプロセス データを訓練セットとテストセットに分割するプロセス 入力データを正規化するプロセス None 103. AIプロジェクトでデータ収集を行う際に重要なことは何ですか？ データ量が多ければよい データの質と目的に合った適切な収集が行われていること データの前処理を行う前にすべてのデータを削除すること モデルの選定を先に行うこと None 104. 誤差逆伝播法のトレーニング中に注意すべき「過剰適合」を防ぐための手法はどれですか？ アクティベーション関数を選択する 訓練データを増やす 正則化を適用する 学習率を調整する None 105. AI技術を用いた製品の模倣行為が発覚した場合、企業が取るべき初期対応は何ですか？ 模倣行為を容認する 模倣品の販売を支援する 競合他社に製品を提供する 差止請求と損害賠償請求の準備を行う None 106. オンザフライデータ拡張の利点は何ですか？ データ拡張を事前に行うことで、計算資源を節約できる データセットを圧縮する データの正規化を行う トレーニング中にリアルタイムで異なるデータバリエーションを提供し、モデルがより多様なデータを学習できる None 107. tanh関数がシグモイド関数に比べて優れている点はどれですか？ ゼロ中心であるため、学習が進みやすい 計算が速い 出力範囲が広い 負の勾配が大きい None 108. AIサービス提供契約において「利用停止権」がサービス提供者に認められる場合、その行使条件として適切なものは何ですか？ サービスが委託者に必要ないと判断された場合 委託者が契約条件に違反した場合 サービス提供者が他の契約を優先したい場合 サービスの更新が必要な場合 None 109. AI倫理における「説明可能性」が欠如した場合、どのようなリスクが発生しますか？ AIが正しい結果を提供できなくなる 利用者や社会がAIの決定や結果に対する信頼を失う可能性 AIが自動的に停止する AIが自己修復を行うことができなくなる None 110. AIがソーシャルメディアでの情報操作に悪用される際、どのような手法が取られる可能性がありますか？ AIがユーザーの投稿を削除する AIが大量のフェイクアカウントを作成し、虚偽情報を広める AIがすべてのコメントを検閲する AIがプライバシーを保護する None 111. スキップ結合を持つモデルでの最適化手法として適切なものはどれですか？ 最小二乗法 勾配降下法（SGD） 確率的勾配降下法（SGD） Adamオプティマイザー None 112. 独占禁止法において「再販売価格維持行為」とは何ですか？ 企業が自由に販売価格を設定する行為 企業が他社の商品を販売する行為 企業が価格を引き下げる行為 企業が販売先に対して価格の設定を指示し、価格を固定する行為 None 113. AI開発委託契約において「開発のスコープ（範囲）」とは何ですか？ 開発者の責任範囲を決定するためのもの 開発者が自由に決定するもの 開発する技術や機能の範囲を明確にするためのもの 法律で定められるもの None 114. AIの透明性を確保するために「ロギングシステム」が導入されることがありますが、その役割は何ですか？ AIが自動でデータを削除する AIが自動で判断を行う AIの意思決定プロセスやデータ処理の履歴を記録し、後から確認できるようにする AIがすべてのタスクを非公開で処理する None 115. 個人情報保護法の改正によって追加された「データポータビリティ」とは何ですか？ 本人が自分の個人情報を他のサービスプロバイダに移転できる権利 企業が個人情報を第三者に自由に提供できる権利 データを暗号化する手法 データを削除する手法 None 116. 強化学習において、エージェントが「最適方策」を学習するためには何が必要ですか？ 状態空間の削減 十分な探索と適切な報酬設計 事前に最適な行動の知識を持つ 報酬を均等に設定する None 117. GANにおける「ミニバッチディスクリミネーション」は何を解決するための技術ですか？ 学習の速度を上げる モード崩壊の問題を軽減する ノイズを除去する データセットのサイズを増やす None 118. ディープラーニングにおける「勾配消失問題」とは何か？ 勾配が0に近づき、重みが更新されにくくなる現象 勾配が大きくなりすぎて、重みが急激に変化する現象 モデルの精度が過剰に上がる現象 入力データが足りなくなる現象 None 119. AIを利用したコンテンツ生成プラットフォームで、著作物を生成する際の適切な著作権対応は何ですか？ データがインターネットに公開されていれば自由に利用できる 商業目的でなければ著作物を自由に利用できる AIによる生成物には著作権が発生しないので自由に利用できる 元データの著作権者から許可を得るか、パブリックドメインのデータを使用する None 120. 独占禁止法において「カルテル」とは何ですか？ 競合他社との協力関係を構築する行為 競合企業が協定を結び、価格や生産量を操作する行為 企業が市場を独占する行為 企業が他社の技術を模倣する行為 None 121. デノイジングオートエンコーダの訓練過程において、入力データにノイズを加える目的は何ですか？ データの正規化 勾配爆発を防ぐため モデルのロバスト性を向上させるため ノイズの影響を強調するため None 122. グループ正規化がバッチ正規化に対して有効な理由は何ですか？ ニューラルネットワークの計算量が増える バッチサイズに依存せずに動作するため 過剰適合を防ぐため アクティベーション関数を改善するため None 123. モデルの選択で「バリアンス」とは何を指しますか？ モデルの学習データへの適合度 モデルが異なるデータセットに対してどれだけ予測が変動するか モデルのパラメータ数 データの分布の安定性 None 124. 「ResNet（Residual Network）」の主な特徴はどれか？ 勾配消失問題を解決するためにバッチ正規化を採用する 入力データを無視してランダムに処理を行う 小さなデータセットを使用して学習する ネットワークの層を深くする際に発生する学習の困難さを解決する None 125. 「営業秘密の不正取得」に該当する行為はどれですか？ 公開された技術情報を使用すること 合法的に取得した営業秘密を使用すること ハッキングなど不正な手段で営業秘密を入手すること 営業秘密を守るための契約を結ぶこと None 126. モデルの評価において「混同行列」とは何ですか？ モデルのパラメータを一覧化したもの 学習データの分布を示す図 分類問題の結果を視覚化した表 モデルのハイパーパラメータを記録する表 None 127. ReLUを使用する利点として適切なのはどれですか？ 勾配爆発問題を防ぐ 勾配消失問題を防ぐ ニューロンのすべての重みをリセットする 計算が効率的であり、学習が高速 None 128. CNNにおけるプーリング層の主な目的は何ですか？ 特徴マップの次元を削減し、計算効率を向上させる 特徴マップを拡張する パラメータの数を増加させる 勾配を伝播させる None 129. マルチモーダルモデルにおける「補完的学習」の利点は何ですか？ 異なるモダリティのデータから得られる情報を補完し合い、モデルの精度を向上させる すべてのモダリティのデータを無視して学習する モダリティのデータを統一して学習する 学習の速度を増加させる None 130. 「tanh」関数の出力範囲はどれですか？ 0から1 -1から1 0から無限大 -無限大から無限大 None 131. AI開発委託契約において「瑕疵担保責任」とは何ですか？ 開発者が納期を守る責任 開発者が納品した成果物に欠陥があった場合、その修正や損害賠償を負う責任 委託者が開発費用を支払う責任 契約のキャンセルに関する責任 None 132. AIによるフェイクニュースの自動生成は、どのように悪影響を与える可能性がありますか？ AIが虚偽の情報を大量に生成し、誤った世論を形成する AIがニュースを効率的に整理する AIが正しいニュースを優先的に配信する AIがニュースを削除する None 133. 転移学習の効果を最大化するために「データの前処理」が重要な理由は何ですか？ モデルの計算速度を速めるため データが元のタスクと整合性を保つため データセットを増やすため 学習率を最適化するため None 134. バッチ正規化を使用した場合、アクティベーション関数にReLUを選ぶ理由は何ですか？ ReLUは非線形性を持たないため ReLUは出力が負にならないため ReLUは勾配消失問題に強いため ReLUは計算コストが低いため None 135. AIシステムにおける「説明可能性（エクスプレイナビリティ）」が欠如している場合、どのようなセキュリティリスクが生じますか？ システムの動作が停止する AIの判断や行動が理解できないため、不正アクセスや攻撃を検出できなくなる システムが自動で自己修復できなくなる システムが正確に動作しなくなる None 136. AI開発において、委託者が成果物に満足できなかった場合、どのような措置を取るべきですか？ 自ら修正する 開発者に罰金を科す 開発者を変更する まず契約に基づく瑕疵修正を開発者に求める None 137. 学習率減衰（Learning Rate Decay）の目的は何ですか？ 学習率を段階的に減少させること 学習率を増加させること 学習を早く終わらせること モデルの複雑さを増すこと None 138. 自然言語処理における「トークン化」とは何ですか？ 文章を要約するプロセス 文章を単語や文字に分割するプロセス 単語をランダムに並び替えるプロセス 文法的な関係を解析するプロセス None 139. スキップ結合は、どのようなニューラルネットワークに最も適していますか？ 浅いネットワーク 深層ネットワーク 生成モデル 強化学習モデル None 140. 次のうち、AIの進展に最も寄与している技術はどれか。 クラウドコンピューティングとデータの共有技術 大規模な計算リソースとストレージ技術 テキストベースの通信技術 自然科学のシミュレーション技術 None 141. AIを使った自動化された顔認識技術の悪用例として考えられるのはどれですか？ AIが顔認識を使って犯罪者を特定すること AIが顔認識を用いて無許可で個人の追跡を行うこと AIが顔認識を使ってセキュリティを強化すること AIが顔認識でデータの重複を防ぐこと None 142. データ生成に用いられる「VAE」とは何の略ですか？ Variable Algorithm Encoder Variational Algorithm Encoder Variational Autoencoder Variable Autoencoder None 143. 音声認識において、CTC（Connectionist Temporal Classification）の目的は何ですか？ 音声データを圧縮するため 音声データのノイズを除去するため 時系列データに対する出力のアライメントを学習するため データの次元を削減するため None 144. MSEとMAEの主な違いは何ですか？ MSEは二乗誤差を使用し、MAEは絶対誤差を使用する MSEは回帰問題に使用され、MAEは分類問題に使用される MSEは外れ値に強いが、MAEは弱い MSEは分類問題に使用され、MAEは回帰問題に使用される None 145. AIプロジェクトにおける「モデルのチューニング」の目的は何ですか？ データの前処理を行う モデルの予測精度を最大化する モデルの学習時間を短縮する モデルの構造を変更する None 146. VAEの潜在空間で行われる「再パラメータ化トリック」の役割は何ですか？ データの次元削減を行うため データのノイズを除去するため 勾配ベースの最適化を可能にするため 生成データの精度を向上させるため None 147. AI開発委託契約において「知的財産権の帰属」はどのように決定されますか？ 開発者に自動的に帰属する 委託者に自動的に帰属する 契約で取り決める必要がある 法律で決定される None 148. 誤差逆伝播法において、どの層で誤差を最初に計算しますか？ 入力層 中間層 出力層 最後の隠れ層 None 149. モデルの軽量化手法として「低ランク近似」を用いる場合の主な目的は何ですか？ モデルの精度を向上させる データセットを小さくする モデルのパラメータを減少させ、効率化を図る モデルの学習時間を増やす None 150. プーリング層が必要ない場合はどのような状況ですか？ 特徴マップの次元を削減したくない場合 高精度なクラス分類を行う場合 出力層に使用する場合 学習速度を速めたい場合 None 151. どのような場合にドロップアウトを使用するのが効果的ですか？ データが少ない場合 モデルが非常に単純な場合 モデルが非常に複雑な場合 モデルのパラメータが固定されている場合 None 152. モデル選択において、どの評価指標を使用するかは何に依存しますか？ 問題の種類やデータの特性 モデルのサイズ 訓練データの数 事前の理論 None 153. 深層強化学習で用いられる「ターゲットネットワーク」とは何ですか？ エージェントの行動を評価するためのネットワーク 報酬の割引率を計算するネットワーク ノイズを除去するためのネットワーク 学習を安定させるために使用されるネットワーク None 154. SHAP（Shapley Additive exPlanations）とは何ですか？ モデルのパラメータを最適化する手法 モデルの各特徴量が予測にどの程度貢献しているかを定量化する手法 モデルの過学習を防ぐ手法 データの前処理手法 None 155. 教師あり学習で分類問題に適用されるアルゴリズムはどれですか？ K平均法 ロジスティック回帰 主成分分析（PCA） 非負行列因子分解（NMF） None 156. 次のアルゴリズムの中で、教師なし学習に分類されるものはどれか？ 主成分分析（PCA） ロジスティック回帰 決定木 勾配ブースティング None 157. 自然言語処理における「エンティティリンク」とは何ですか？ 文書内の単語をクラスタリングする手法 文書中の名前や場所などの固有名詞を外部の知識ベースに結びつける手法 複数の文書を結合する手法 文書の構造を解析する手法 None 158. 全結合層での過剰適合を防ぐために使用される一般的な手法は何ですか？ 正則化 バッチサイズの変更 モデルの複雑さを増す 訓練データの増加 None 159. 個人情報保護法に基づく「安全管理措置」とは何ですか？ 個人情報の取扱いに関する物理的、技術的、組織的な対策 個人情報を自由に使用できる権利 個人情報の商業的利用を推奨すること 企業がデータを定期的に公開すること None 160. 「ドロップアウト」はディープラーニングでどのような役割を果たすか？ 重みの初期化を行う 過学習を防ぐために、訓練中に一部のノードを無効化する 訓練データを拡張するために使用される 勾配降下法の精度を向上させる None Time's up
