生成AIパスポート～模擬試験～ 2024年11月25日 ailearn 1. 転移学習の「凍結層（Frozen Layers）」の役割として正しいものはどれか。 モデル全体の計算負荷を増加させる 学習済みモデルの一部を固定し、新しいデータに対して再訓練しないようにする トレーニングデータを削減する モデルの汎化性能を低下させる None 2. 「サポートベクターマシン（SVM）」において、カーネル関数が果たす役割として正しいものはどれか。 モデルの学習速度を上げる 高次元空間で線形分離を可能にする データをクラスタリングする 次元削減を自動的に行う None 3. AIモデルに文脈を提供することの主な目的として正しいものを選びなさい。 AIが応答の精度を向上させるために、背景情報を理解することを助ける。 プロンプトを短くするために、文脈を省略する。 AIの計算リソースを節約するために情報量を減らす。 文脈情報を無視して自由な応答を促す。 None 4. 過学習を防ぐために「アーリークロスバリデーション（Early Cross-Validation）」を適用する場合、重要なポイントとして最も適切なものはどれか。 検証データのスコアが安定する前にトレーニングを停止する トレーニングデータ全体を使用せずに部分的に学習を進める クロスバリデーションで得られた結果を基に学習回数を調整する 検証データを用いずにテストデータで精度を評価する None 5. Transformerモデルを大規模にスケーリングした場合、一般的に発生し得る問題として最も適切なものはどれか。 モデルがトレーニングデータの全てを記憶する 勾配爆発が頻発する 訓練コストが指数関数的に増加する モデルが極端なモード崩壊を示す None 6. ディープフェイク技術の主な基盤となるアルゴリズムはどれか。 GAN（生成的敵対ネットワーク） Transformer RNN（リカレントニューラルネットワーク） CNN（畳み込みニューラルネットワーク） None 7. ノーフリーランチ定理に基づくとき、アルゴリズムの「汎化性能」を向上させるための戦略として最も適切なものはどれか。 特定の問題に特化したバイアスをモデルに導入する データセットのサイズを増やすことのみを重視する アルゴリズムの計算速度を最適化する 問題の特性に関係なく汎用的なモデルを選ぶ None 8. 以下のうち、プロンプティングが応用される場面として適切なものを選びなさい。 データベース設計 文章生成や質問応答 画像処理アルゴリズムの構築 機械学習モデルのトレーニングデータ選択 None 9. 生成AIが個人情報保護の観点で問題となる理由として最も適切なものはどれか。 モデルのトレーニングに使用されたデータが再生成される可能性がある 生成されたテキストが文法的に誤っている場合がある AIモデルが著作権を自動的に付与するため トレーニングデータの種類が限定されているため None 10. LMが次に来る単語を予測する際に基づいているものは何ですか？ 画像データのピクセル値 音声信号の周波数 AIエンジンのハードウェア性能 過去の文脈と単語の出現確率 None 11. 転移学習を行う際に「凍結層を増やす」ことの主なメリットとして正しいものはどれか。 モデル全体の再訓練が容易になる 計算コストを削減し、過学習のリスクを軽減できる 出力層のパフォーマンスを向上させる 新しいデータへの適応能力を最大化できる None 12. 次のプロンプトをAIに与えた場合に起こり得る問題として最も適切なものを選びなさい。 プロンプト: 「これについて詳しく教えてください。」 AIがタスクを正確に理解できず、曖昧な応答を生成する。 AIが具体的で正確な応答を返す。 AIが応答を生成せずに停止する。 AIが全ての関連情報を完全に網羅した応答を生成する。 None 13. ニューラルネットワークの性能向上のために「正則化（Regularization）」が使用される理由として最も適切なものはどれか。 モデルの計算速度を上げるため 過学習（Overfitting）を防ぐため データ量を減らすため ラベル付きデータが不要になるため None 14. 第一次AIブームの中で開発された「探索アルゴリズム」の具体例として適切なものはどれか。 モンテカルロ法 ディープニューラルネットワーク K-近傍法（k-NN） A*アルゴリズム None 15. 転移学習を利用している際に、モデルの「過学習」を防ぐために適切なアプローチとして正しいものはどれか。 学習率を極端に低く設定する トレーニングデータを増やさずに、より複雑なモデルを使用する すべての層を同時に再訓練する 最終層のみを再訓練し、低次層を凍結する None 16. 個人情報保護法が改正される理由として正しいものはどれか。 国際的なデータ保護基準への適合 法律の廃止を目指すため 個人情報の保護を減少させるため 企業のコスト削減を促進するため None 17. インターネット上の匿名性が犯罪行為に悪用されるリスクを軽減するために、最も効果的な対策はどれか。 インターネット利用者全員に実名登録を義務付ける すべてのユーザーが匿名での投稿を禁止される サービス提供者がコンテンツの監視と違法行為の報告を強化する 監視カメラをオンラインサービスと連携する None 18. ノーフリーランチ定理が示唆する「アルゴリズム選択バイアス」の正しい説明はどれか。 特定の問題に対して適切なアルゴリズムが存在しないこと すべてのアルゴリズムがランダムに選ばれるべきであること データ特性に基づいてアルゴリズムを選択することの重要性 問題空間が一様分布していると仮定すること None 19. ニューラルネットワークで「重みのクリッピング」が適用される主な理由として正しいものはどれか。 学習率を一定に保つため 勾配爆発を防ぐため 重みを初期値に戻すため モデルの出力範囲を制限するため None 20. 「プロンプティング」とは何を指しますか？ AIに指示を与えるための入力方法 AIの学習データを選ぶ作業 AIモデルをトレーニングするためのプロセス AIの出力結果を検証する手法 None 21. ChatGPTが進化する中で、商業利用における倫理的課題として最も重要なものはどれか。 モデルの応答速度が遅いこと 偏りのある応答を生成する可能性 一部のタスクに特化できないこと APIの使用料金が高額なこと None 22. 生成AIがトレーニングデータとして使用するデータに個人情報が含まれる場合、最も重要な対応はどれか。 データを匿名加工情報にする トレーニングデータを暗号化する 個人情報を削除せず、そのまま使用する 公的データベースのみを利用する None 23. 以下の状況で、AIの倫理的利用として最も適切な選択肢を選びなさい。 状況: AIを利用して教育関連の記事を生成し、学生に提供する場合。 AIが生成した内容をそのまま教材として提供する。 生成された記事を専門家が確認し、誤情報を訂正した上で提供する。 AIに全ての教育内容を作成させ、確認せずに配布する。 AIを使用せず、人間がすべての記事を作成する。 None 24. トランスフォーマーベースの生成モデルがGANやVAEと異なる主な点として正しいものはどれか。 データの逐次生成を行わない 明示的な潜在空間を持たない 損失関数にKLダイバージェンスを使用する 自己注意機構を用いて長距離の依存関係をモデル化する None 25. シンギュラリティが達成されると予測される主な結果として正しいものはどれか。 AIが自己認識を持つようになる 人間の労働が完全に不要になる 技術の進化速度が指数関数的に加速する 人間の知能の限界がAIによって拡張される None 26. 知的財産権とは何を保護するための権利か。 土地や建物などの不動産 創作や発明、デザインなどの無形の財産 金銭や証券などの資産 インターネット上の全データ None 27. AI効果が現代のAI研究に与える影響として最も適切なものはどれか。 研究者が成果を公表しなくなる AIの定義が曖昧になる AIの成果が単なる「技術進歩」として分類される AI研究の進展が停滞する None 28. 過学習を防ぐためにモデルの複雑さを制御する手法として正しいものはどれか。 活性化関数を変更する トレーニングデータを減らす モデルのパラメータ数を減らす 出力層を削除する None 29. AIによる画像認識で「データ拡張（Data Augmentation）」を行う主な理由はどれか。 画像の解像度を向上させるため 学習モデルを簡素化するため ラベル付け作業を自動化するため トレーニングデータを増やし、過学習を防ぐため None 30. AIが生成した肖像画像を広告キャンペーンに使用したところ、第三者から肖像権侵害で訴えられた。この場合、広告主が法的責任を回避するために最も有効な証拠はどれか。 生成物が完全に架空のものであることを示す証拠 使用された画像がトレーニングデータから直接引用されたことを証明する証拠 訴えた第三者の実際の肖像と生成物の一致を否定する証拠 AI開発者が肖像権侵害を認識していなかったことを証明する証拠 None 31. テキスト生成AIをビジネスで利用する際に留意すべき点として正しいものを選びなさい。 AIの応答内容は常に正確であるため、検証は不要。 AIに詳細な指示を与えると応答の精度が下がる。 生成されたテキストはどの場面でもそのまま使用可能。 生成されたテキストの正確性や適切性を人間が確認する必要がある。 None 32. 「LLM（Large Language Model）」とは何ですか？ AIを使って画像を生成するモデル 大規模なデータを学習し、高度な言語処理を可能にするAIモデル 小規模なデータで学習した言語モデル AIを使った物理シミュレーションモデル None 33. AI開発において不正競争防止法違反を防ぐために最も重要な対応はどれか。 他社の営業秘密を積極的に利用する AIの生成物をすべて公開する トレーニングデータを秘密として適切に管理する 他社製品の模倣を推奨する None 34. Vision Transformer（ViT）の主な特長として正しいものはどれか。 自己注意機構をテキスト生成に適用する 画像のピクセルを逐次生成する 画像をパッチに分割し、それをトークンとして処理する CNNとRNNを組み合わせた構造を持つ None 35. IoTデバイスのセキュリティを向上させる方法として正しいものはどれか。 初期設定のパスワードをそのまま使用する 公共Wi-Fiに接続して使用する 複数のデバイスで同じアカウントを共有する 定期的にファームウェアを更新する None 36. ディープフェイクが主に利用される分野として適切でないものはどれか。 映画やエンターテインメントでの特殊効果 教育や研究分野でのシミュレーション 偽情報の作成や詐欺行為 音声データのリアルタイム翻訳 None 37. 転移学習において「ファインチューニング（Fine-Tuning）」が行われる理由として正しいものはどれか。 モデル全体をゼロから再訓練するため 新しいタスクに適応するために特定の層を再訓練するため 学習済みモデルをそのまま使用するため トレーニングデータを拡張するため None 38. 「シンギュラリティ（技術的特異点）」とは何を指す概念か。 AIが特定のタスクで人間の能力を超えること AIがすべての知的活動で人間を超える瞬間 人工知能の開発が完全に停止すること 人工知能の計算速度が物理的限界に達すること None 39. 第二次AIブームにおけるエキスパートシステムの主要な課題として最も適切なものはどれか。 訓練データの品質管理の困難さ ルールの追加や更新に伴う管理コストの増大 大量の計算リソースを必要とする ユーザーインターフェースの欠如 None 40. ニューラルネットワークで「過学習」を防ぐ手法として最も適切なものはどれか。 ドロップアウト 活性化関数の変更 入力層の削減 出力層のサイズ拡大 None 41. ニューラルネットワークの「重み共有」が画像認識タスクで特に有効である理由として最も適切なものはどれか。 モデルの精度が常に向上するため 出力層のサイズが自動的に決定されるため モデルの学習速度が倍増するため 同じフィルタを用いて異なる部分の特徴を学習できるため None 42. GPTシリーズが進化する過程で、API提供を通じた商業利用がもたらした主な利点として正しいものはどれか。 モデルの全ての機能が無料で利用可能になった 開発者が独自の応用を開発できる環境を提供した トレーニングデータの収集が不要になった 応答生成速度が大幅に向上した None 43. 個人情報保護法における「個人データ」と「保有個人データ」の違いとして正しいものはどれか。 保有個人データは特定の期間を超えて保存されるデータである 個人データは匿名加工情報である 保有個人データは開示請求の対象外である 個人データは法令による保護を受けない None 44. 「重み初期化」の際にHe初期化を使用することが推奨される場面として最も適切なものはどれか。 活性化関数にReLUを使用している場合 出力層にソフトマックス関数を使用している場合 活性化関数にシグモイド関数を使用している場合 学習率が動的に調整される場合 None 45. Whisperが従来の音声認識技術と異なる特徴として正しいものはどれか。 多言語対応とノイズ耐性を備えている 音声の生成を行う 画像認識タスクにも対応している モデルサイズを極限まで縮小している None 46. AIにおける「ブラックボックス問題」の克服を目指す技術として最も関連性が高いものはどれか。 データ拡張技術 スパースモデリング 説明可能なAI（XAI） 分散処理 None 47. 生成モデルの最も初期の概念に近い理論として正しいものはどれか。 ガウス分布 隠れマルコフモデル（HMM） ニューラルネットワーク k-近傍法（k-NN） None 48. 機械学習の手法のうち、教師なし学習に該当するものはどれか。 線形判別分析（LDA） 決定木 主成分分析（PCA） サポートベクターマシン（SVM） None 49. GPT（Generative Pre-trained Transformer）の主要な特徴として正しいものはどれか。 エンコーダのみを利用する デコーダのみを利用する 双方向の文脈を考慮する 文法解析に特化している None 50. 人工ニューロン（ノード）の基本的な構成要素として正しいものはどれか。 重み、バイアス、活性化関数 データベース、メモリ、制御ユニット センサ、モーター、制御ユニット 入力、ラベル、予測モデル None 51. ディープラーニングがAIに知能をもたらす点として最も適切なものはどれか。 簡単な問題を素早く解決する能力 全てのタスクを人間より正確に解決する能力 複雑で非線形な問題の解決能力 小規模データセットに特化した能力 None 52. XLNetがBERTと比較して導入した改良点として正しいものはどれか。 自己回帰的な学習方式を採用し、双方向の文脈を統合した 自己注意機構を削除した モデルのパラメータ数を削減した マルチヘッドアテンションを廃止した None 53. ChatGPTが商業利用向けに広く提供されたタイミングとして正しいものはどれか。 GPT-3の公開時点 GPT-4のリリース後 OpenAI APIの提供開始時点 DALL-Eの公開と同時 None 54. AI効果が「イノベーションのジレンマ」と関連する理由として正しいものはどれか。 AI技術の普及により、新しい技術開発が求められる 普及した技術がイノベーションの障壁になる AI効果により、革新的技術が市場で成功しなくなる 既存の技術がAI効果で廃れる None 55. LLMのトレーニングや運用による環境負荷を軽減するために最も効果的な方法はどれですか？ エネルギー効率の高いハードウェアと再生可能エネルギーを活用する。 モデルの規模をさらに大きくする。 トレーニングを複数回繰り返して精度を向上させる。 エネルギー使用量を考慮せず、性能だけを優先する。 None 56. 画像認識において、「特徴量の抽出」に主に関与する層はどれか。 畳み込み層 入力層 出力層 ソフトマックス層 None 57. ディープフェイクによる生成画像が特に難しい部分として適切なものはどれか。 背景の描写 静止している物体の生成 テキストベースの入力解析 顔の自然な瞬きや微細な表情 None 58. ChatGPTが「生成AIパスポート」において学習するべき重要なポイントとして正しいものはどれか。 応答生成の仕組みと進化の過程 モデルのアーキテクチャの細部 モデルの全てのパラメータ 計算リソースの最適化方法 None 59. GPT-4が画像を入力として処理可能にした背景として正しいものはどれか。 トランスフォーマーモデルのアーキテクチャを変更した モーダル間の情報統合を可能にする技術を導入した モデルのパラメータ数を削減した 自然言語処理タスクを廃止した None 60. 個人情報保護法に基づき、事業者が「漏洩事故」を起こした場合の最も適切な対応として正しいものはどれか。 漏洩を隠し、外部に通知しない 問題が解決するまで公表を控える 被害者に通知し、監督機関に報告する 社内の対応マニュアルだけに従う None Time's up
