G検定～模擬試験①～ 2024年12月6日2024年12月6日 ailearn 1. 個人情報保護法において、情報の「保存期間」に関する規制はどのように規定されていますか？ 利用目的が達成された場合、速やかにデータを削除することが求められる データを永久に保存することが義務付けられている データを1年間のみ保存することが求められる 保存期間に関する規定は存在しない None 2. 畳み込み層の計算結果に対してどのような正則化手法が推奨されますか？ ドロップアウト L1正則化 L2正則化 全ての選択肢 None 3. 個人情報保護法における「外国における第三者提供」に関する条件として正しいのはどれですか？ 外国に移転する場合、特に条件は不要である 本人の同意を得るか、移転先国が十分なデータ保護体制を持つ必要がある 外国移転の際には、必ず個人情報保護委員会の許可が必要である データは暗号化されていれば、自由に移転可能である None 4. 自然言語処理において、ELMo（Embeddings from Language Models）が提供する主な利点は何ですか？ 単語の頻度を計算する 単語の文法的役割を解析する 単語の意味を文脈に基づいて動的に変化させる 文書全体を要約する None 5. 画像認識モデルの評価において「混同行列」が役立つ理由は何ですか？ モデルの計算速度を測定するため クラスごとの正解率と誤認識のパターンを視覚化できる 画像の解像度を最適化するため 勾配消失問題を確認するため None 6. EUの「AI規制案」において、「高リスクAIシステム」と判断される分野の一例として正しいのはどれですか？ ソーシャルメディアのコンテンツ推薦アルゴリズム ゲーム用AIエージェント 医療機器に用いられる診断支援システム 映画のおすすめシステム None 7. 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 8. 個人情報保護法に基づく「匿名加工情報」の作成において、企業が守るべき義務は何ですか？ 匿名加工情報を他の企業に販売すること 匿名加工情報を作成する際には、元の個人情報に戻せないように十分に加工すること 匿名加工情報の作成後も、個人情報として取り扱うこと 匿名加工情報の作成後、データを廃棄すること None 9. 次のうち、AIに関する透明性の問題として正しいものはどれか。 AIは常に判断過程が明確であり、透明性の問題は存在しない AIが出した結果の根拠を人間が理解するのが難しい場合がある AIは透明性を持つ必要がなく、結果のみが重要である AIの判断はすべてのシステムで共通であり、一貫性があるため透明性の問題はない None 10. 全結合層の計算負荷が高い理由は何ですか？ 各入力が全ての出力に接続されるため 重みの数が少ないため 勾配降下法の計算が複雑なため 特徴量が少ないため None 11. 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 12. 人工知能（AI）の定義として最も適切なものはどれか。 感情を持ち、感情に基づいて行動を決定するシステム 人間の知的行動を模倣し、推論や学習、意思決定を行うシステム 人間の運動機能を向上させるために設計されたシステム 人間の手を借りずに物理的な作業を自動化するシステム None 13. 著作権は、著作物を作成した時点で発生しますが、その有効期限は通常どれくらいですか？ 著作者の死亡後50年 著作者の死亡後70年 著作者の死亡後100年 著作物の公開後50年 None 14. ニューラルネットワークの基本的な構造はどのようなものですか？ 入力層、出力層、報酬層 入力層、隠れ層、出力層 入力層、隠れ層、出力層 入力層、出力層、正則化層 None 15. チューリングテストがAIに関して意味するものとして最も適切なのはどれか。 AIがすべての分野において人間を超える知能を持つことを確認するテスト AIが感情を持って人間と自然に対話できるかを測るテスト AIが人間の知的行動を模倣し、人間と区別がつかないかを確認するテスト AIが物理的作業をどれだけ効率よくこなすかを評価するテスト None 16. AI技術を活用して個人情報を含むデータを分析する場合に、注意すべき法律的なポイントは何ですか？ データの匿名化が不要であること すべてのデータを自由に利用できること 利用目的を逸脱しない範囲でのデータ利用と、本人の同意取得が求められる データの誤りを放置してよいこと None 17. 個人情報の「第三者提供」に関して、本人の同意が不要となる例外はどのような場合ですか？ 公共の利益を目的とする場合や、法令に基づいて情報提供が必要な場合 個人情報が匿名化されていない場合 企業が他の企業に個人情報を売買する場合 本人が情報提供を拒否した場合 None 18. 個人情報保護法に基づく「開示請求」とは何ですか？ 企業が自発的に個人情報を公開すること 本人が自分の個人情報の開示を企業に請求できる権利 個人情報を第三者に提供する手続き 個人情報の削除を企業に求めること None 19. 全結合層を使用する際、ドロップアウトが推奨される理由は何ですか？ モデルの計算を簡素化するため 特徴量を選択するため モデルの訓練を早くするため 過剰適合を防ぐため None 20. モデルのハイパーパラメータを最適化するための「ベイズ最適化」とは何ですか？ 単純なランダムサーチ グリッドサーチの一種 過去の評価結果を元に次の試行を最適化する手法 モデルのサイズを自動調整する手法 None 21. 全結合層の出力次元はどのように決まりますか？ 入力層の次元に基づく 自動的に決まる モデルの目的に応じて設定される アクティベーション関数によって決まる None 22. Faster R-CNNの主な特徴は何ですか？ 画像内の物体を高速に検出できる 出力層のみを使って物体検出を行う モデルサイズが非常に小さい 正則化の手法として使用される None 23. AIの「説明可能性（Explainability）」が重要とされる理由として正しいものはどれですか？ AIの動作を高速化するため ユーザーがAIの決定に納得しやすくするため AIの精度を向上させるため AIのトレーニングコストを削減するため None 24. 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 25. 自動運転車に関してAIが直面する課題として、正しいものはどれか。 自動運転車のAIは常に最適な運転を行うため、事故のリスクは存在しない 自動運転車はAIを使用しないため、責任問題は発生しない AIは事故の責任を常に自ら負うため、人間に責任は問われない 自動運転車が事故を起こした際、AIに責任を問うべきか、人間に責任を問うべきかが不明確である None 26. 自律的AIの特徴として正しいものはどれか。 常に人間の指示を必要とする 環境や条件に応じて自律的に行動を変更することができる すべての学習を教師あり学習に依存する 一度プログラムされたら、変更されることなく動作する None 27. BERTの「マスク言語モデル（MLM）」はどのように機能しますか？ テキストの一部を隠し、隠された単語を予測する テキストの長さを調整する 単語を別の言語に翻訳する 文の順序を変える None 28. 次のうち、人工知能が「自律性」を持つことの具体例として最も適切なものはどれですか？ 人間が設定したルールに従って動作するソフトウェア 外部からの指示なしに最適な判断を行い、行動するロボット ユーザーが手動でプログラムを更新する必要があるシステム すべてのタスクにおいて人間の監督が必要なプログラム None 29. ResNet（Residual Network）の特徴として正しいのはどれですか？ 勾配消失問題を軽減するためにスキップ結合を使用する モデル全体にReLU関数を適用する 出力層のみで重みの正則化を行う CNNの畳み込み層を削除する None 30. 著作権法における「二次的著作物」とは何ですか？ 原著作物を基にして新たに創作された著作物 原著作物のままの作品 著作物の削除された部分 商業的に利用された著作物 None 31. 全結合層を用いる場合、過剰適合を防ぐためにどのような手法が効果的ですか？ データ拡張 バッチ正則化 重みの初期化 活性化関数の選択 None 32. a b c d None 33. AIが「フェイクニュース」を生成するリスクを軽減するためのアプローチとして、最も適切なものはどれですか？ ニュース生成を全面的に禁止する 自然言語処理の技術を制限する AIで生成されたコンテンツを識別する技術を開発する 全てのニュースサイトを規制する None 34. プライバシーの観点から、AIシステムが利用者の同意を得てデータを処理する場合、どのような条件が必要ですか？ データの処理が常に自動的に行われること 利用者が十分な情報を基に自発的に同意を与えること データ処理が無期限に続くこと データの一部を公開すること None 35. ディープラーニングモデルの訓練中に、モデルがテストデータに対して高いエラー率を示す場合、考慮すべき点は何ですか？ モデルが訓練データに対して過剰適合している可能性 訓練データの質が悪い可能性 モデルのサイズが大きすぎる可能性 モデルのトレーニングが不足している可能性 None 36. 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 37. 「個人情報保護委員会」の役割は何ですか？ 個人情報の流通を促進すること 個人情報保護法の適用を監視し、違反があれば是正を求めること 個人情報の収集を推奨すること 企業に個人情報の提供を求めること None 38. AIを活用した顔認識技術の利用において、プライバシー侵害のリスクを最小限に抑えるために企業が取るべき措置は何ですか？ 顔データを永久に保存する 顔データの使用目的を明確にし、利用者の同意を得る 顔データを無制限に第三者と共有する 顔データを匿名化せずに保存する None 39. Transformerアーキテクチャが従来のRNNと比較して自然言語処理タスクで優れている理由として最も適切なのはどれですか？ 畳み込み層を使用するため 活性化関数を使用しないため 時間依存性を無視するため 並列処理が可能であり、計算効率が高いため None 40. 日本政府が発表した「AI社会原則」における、最も重要なテーマは何ですか？ 技術革新の加速 AIによる経済発展 人権とプライバシーの尊重 AI開発の自由化 None 41. 畳み込み層の主な目的は何ですか？ 特徴量を抽出すること 出力を正規化すること データの次元を削減すること モデルの出力を生成すること None 42. 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 43. AI技術においてプライバシーリスクを減らすための「匿名化」とは何ですか？ データを削除すること データから個人を特定できる情報を削除または加工すること データの所有権を譲渡すること データを公開すること None 44. AIの発展によって生じる問題として、最も適切なものはどれか。 AIによる仕事の自動化により、全ての業種で雇用が増加する AIによる仕事の自動化により、一部の業種で人間の雇用が失われる可能性がある AIは人間の雇用を守るため、仕事の自動化は行わない AIは人間の仕事に影響を与えないため、雇用の変化はない None 45. AI技術を用いて生成された作品が既存の著作物と類似している場合、著作権法上のリスクとして適切なのはどれですか？ 生成物に著作権が認められないためリスクはない AIツールの開発者に責任が発生する 生成物が類似していても、商業利用がなければ問題ない 元の著作物の著作権を侵害する可能性がある None 46. AIが労働市場に与える影響として「リスキリング（Re-skilling）」が重要視される理由として正しいものはどれですか？ AIが全ての仕事を自動化するため AIが人間の労働を不要にするため AIによる生産性向上が仕事を完全に変えるため AIが一部の仕事を代替する一方で、新たなスキルが求められるため None 47. 畳み込み層における「バッチ正則化」の主な役割は何ですか？ 計算時間を短縮すること 各ミニバッチの平均と分散を正規化すること モデルのパラメータを減少させること 学習率を一定に保つこと None 48. 画像認識タスクでResNetが高い性能を発揮する理由として、次のうち最も適切なものはどれですか？ 小さなモデルサイズを維持するため 畳み込み層の数を減らすため 残差学習（Residual Learning）により深いネットワークを学習可能にするため 非線形活性化関数を使用しないため None 49. 畳み込み層における「グループ畳み込み」の適用が効果的な理由として最も適切なものはどれですか？ チャンネル間の計算負荷を分散するため 活性化関数の勾配を安定させるため バッチサイズを増加させるため 出力次元を減少させるため None 50. 畳み込み層の学習において、重みの初期化が重要な理由は何ですか？ 学習率を高めるため 勾配消失や勾配爆発を防ぐため 訓練データのサイズを減少させるため モデルの精度を向上させるため None 51. AIを利用する企業が、プライバシー保護のために講じるべき措置として適切なものはどれですか？ AIアルゴリズムの公開 データ収集を完全に行わないこと データを第三者に無制限に提供すること ユーザーに対してプライバシーポリシーを提供し、データの収集と使用に関して説明すること None 52. ディープラーニングを活用した自然言語処理において、「テキスト生成（Text Generation）」で使用される主な手法はどれですか？ ワードベースのカウントモデル 言語モデル（Language Model） トピックモデル データ拡張 None 53. 次のうち、AIにおける知能の定義として最も適切なものはどれか。 人間が設定したルールに従って動作する能力 物理的な作業を効率よく自動化する能力 知識やデータを基に推論し、問題解決を行う能力 データの処理速度を向上させる能力 None 54. AIシステムにおける「データ最小化」の重要性は何ですか？ プライバシーリスクを低減するため データを無制限に集めることを推奨するため データの公開を促進するため データをすべて削除するため None 55. 自然言語処理における「BERT」とは何ですか？ 画像認識モデル 自己教師ありのトランスフォーマーモデル 強化学習モデル データ拡張手法 None 56. 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 57. AIとロボットの違いとして正しいものはどれか。 AIは物理的な作業を行うが、ロボットは知的作業を行う AIは知的作業を担当し、ロボットは物理的な作業を担当する AIとロボットは同じ技術であり、違いはない ロボットはAIを使わずに動作する None 58. 畳み込み層において、「カーネルサイズ」を大きく設定した場合の主な効果として最も適切なものはどれですか？ 計算負荷が低下する 局所的な特徴を抽出しやすくなる 広範囲の特徴を捉えやすくなる 出力特徴マップの次元が増加する None 59. 次のうち、AIに関連するバイアスの問題として最も正しいものはどれか。 AIが特定のデータセットに依存することで、偏った結論を出すリスクがある AIはすべてのデータを平等に処理するため、バイアスの影響はない AIはバイアスを意図的に除去するため、常に公平な結果を導き出す バイアスはAIの計算速度を遅くする原因となる None 60. CNN（畳み込みニューラルネットワーク）が特に得意とするタスクは何ですか？ 音声認識 自然言語処理 画像処理や画像認識 強化学習 None 61. 全結合層を用いる場合、注意すべきメモリの問題は何ですか？ データの形式 計算リソースの最適化 パラメータの数が急増すること アクティベーション関数の選択 None 62. 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 63. AIの国際的な倫理ガイドラインが遵守されない場合、最も懸念されるリスクとして適切なのは何ですか？ 技術的進歩が大幅に遅れること 国際的な信頼が低下し、技術の誤用が広がること 特定の企業が技術開発で優位に立つこと AIが自己進化して制御不能になること None 64. 人工知能の「知的行動」の範囲に含まれないものとして正しいものはどれですか？ 推論と判断 学習と適応 自然言語の理解 データの記録のみ None 65. 日本におけるAIガバナンスの法的基盤を強化するための重要な法律はどれですか？ 個人情報保護法 独占禁止法 著作権法 公益通報者保護法 None 66. モデル選択において「エッジケース」を考慮する理由は何ですか？ モデルのサイズを決定するため モデルが多様な状況に適応できるかを確認するため データの前処理を行うため 学習速度を上げるため None 67. AI倫理において「バイアスの排除」が重要視される理由は何ですか？ AIが誤ったデータを扱わないため AIがすべての問題を自動で解決するため AIが特定の集団や個人に対して不公平な判断を行わないようにするため AIがデータを削除できるようにするため None 68. 次の文章分類タスクにおいて、BERTモデルのファインチューニングが有効な理由として最も適切なのはどれですか？ 文脈を無視して個々の単語に基づいて分類を行う 大規模なデータセットがなければ機能しない 双方向の文脈を考慮した特徴量を提供できる 出力が常に100%正確である None 69. AIによる意思決定における透明性の問題として、最も適切なものはどれか。 AIは意思決定のプロセスを常に公開しており、透明性は問題にならない AIの意思決定プロセスは常に一貫しており、説明可能である AIがどのような判断を行ったかを説明できないことがあり、透明性が問題になる AIは人間の意思決定を模倣するため、透明性の問題はない None 70. 米国でのAIガイドラインにおいて、「公平性」とは何を意味しますか？ すべてのAIシステムが平等に開発されること AIがすべての人に対して公正に振る舞うこと AIが全員に無料で提供されること AIが自動で判断を行うこと None 71. 自然言語処理において「データスパースネス問題」とは何ですか？ データが過剰にラベル付けされている問題 データの頻度が少なく、単語の共起パターンが十分に学習できない問題 データのノイズが多すぎる問題 データセットが非常に大規模である問題 None 72. 「Attentionメカニズム」の主な役割は何ですか？ データの正規化 テキスト内の重要な情報に焦点を当て、関係の強い単語に注目する 勾配の計算を高速化する 文書をクラスタリングする None 73. DenseNetが他のCNNアーキテクチャと異なる点は何ですか？ 隠れ層を持たない 出力層にスキップ結合を使用する 各層が全ての前の層の出力に直接アクセスできる フィルターの数が少ない None 74. 次のうち、AI倫理に関する問題として正しいものはどれか。 AIが学習過程で差別的な結果を出す可能性がある AIは全ての判断が常に公平であり、倫理的問題は発生しない AIは感情を持つため、倫理的な判断は人間と同等である AIは常にユーザーの意思に基づいて動作するため、倫理的問題は生じない None 75. 画像認識における「アンサンブル学習」の利点は何ですか？ 複数の異なるモデルを組み合わせて、個々のモデルよりも高い精度を達成できる パラメータ数を削減できる 学習時間を短縮できる データセットが小さい場合に有効である None 76. ワードエンベディングの技術として有名なものはどれですか？ BERT Word2Vec RNN CNN None 77. 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 78. 次のうち、自動運転車におけるAIの役割として最も正しいものはどれか。 自動運転車はAIを使用せず、全て手動で制御される AIは車両の動作を制御し、道路状況や障害物を認識する AIは運転手の体調を監視し、必要に応じて操作を引き継ぐ 自動運転車はAIを使用せず、単純なルールベースのプログラムで動作する None 79. ニューラルネットワークにおける「リカレントニューラルネットワーク（RNN）」はどのようなデータに適していますか？ 時系列データやシーケンスデータ 定常的なデータ 定量的なデータ 静的な画像データ None 80. 欧州連合（EU）の「AI倫理ガイドライン」において、AIシステムが「信頼できる」と判断されるためには、どのような基準が満たされるべきですか？ AIシステムが完全に自律的であること AIシステムが倫理的であり、透明性と説明責任が確保されていること AIシステムが市場で最も効率的であること AIシステムが競合他社より優れていること None 81. 日本の「AI社会原則」に基づくガイドラインで、AI開発における「人間の尊厳」とは具体的にどのような意味を持ちますか？ AIが人間に代わってすべての意思決定を行うこと AIが人間の判断を常に尊重し、倫理的に行動すること AIが自律的に判断を下すこと AIが人間の知識を超えること None 82. 全結合層で一般的に使用される「Softmax関数」の役割は何ですか？ 出力を確率分布に変換する 活性化関数の計算を簡素化する 出力次元を固定する 勾配消失問題を防ぐ None 83. GDPR（一般データ保護規則）において、「データ主体」とは誰を指しますか？ データを処理する企業や団体 データを提供する第三者機関 個人情報が扱われる本人 データ保護当局 None 84. 全結合層の重みを更新する際に使用する一般的な最適化手法はどれですか？ 最小二乗法 K近傍法 勾配降下法 主成分分析 None 85. YOLO（You Only Look Once）モデルが、従来の物体検出モデルと比較して特に優れている点は何ですか？ 高速でリアルタイム処理が可能なため 画像の画質を向上させるため 複数のオブジェクトを同時に検出できるため 学習に必要なデータが少ないため None 86. 著作物を「自由利用」できる場合とは何ですか？ 著作権者が不明な場合 インターネット上に公開されている場合 データが商業的に利用されていない場合 公共の利益を目的とした場合や、著作権法に定められた例外規定が適用される場合 None 87. 次のうち、AIの発展が社会的格差の拡大に繋がるリスクとして最も正しいものはどれか。 AIはすべての人に平等に機会を提供するため、格差の拡大はない AI技術へのアクセスやスキルの違いによって、特定の人々が不利益を被る可能性がある AIは政府が管理しているため、格差の拡大を防ぐ仕組みが整っている AIは自動的に格差を是正する能力を持っている None 88. 転移学習とは何ですか？ 訓練データを増やす手法 モデルの学習率を増加させる手法 モデルのパラメータをランダムに初期化する手法 事前に訓練されたモデルを再利用し、新しいタスクに適用する手法 None 89. AIシステムが「連合学習（Federated Learning）」を活用することで、プライバシーが保護される理由として適切なのはどれですか？ データを中央サーバーに集約せずに学習を行うから すべてのデータを匿名化するから データを完全に削除してから学習を行うから 学習アルゴリズムを公開するから None 90. AIの軍事利用に関するリスクとして、最も適切なものはどれか。 AIが自律的に戦術を判断し、人間の制御を離れる可能性がある AIは戦術を決定する能力を持たないため、軍事利用のリスクはない AIは軍事利用に関わらないため、リスクは存在しない AIは常に人間の指示に従うため、軍事利用のリスクは限定的である None 91. AI技術がフェイクニュースの生成に利用されるリスクとして正しいものはどれか。 AIはニュース記事を自動生成できるが、フェイクニュースの生成には使われない AIは常に正確な情報を生成するため、フェイクニュースの心配はない AIは自然言語生成を用いて、信頼性の低い情報や誤情報を生成するリスクがある AIは画像認識のみを行うため、フェイクニュースの生成には関与しない None 92. 教師なし学習の特徴として正しいものはどれか。 人間がラベルを付けたデータを使用してAIが学習する ラベルが付いていないデータからパターンを見つけ出す 人間の指示に基づいて動作するシステム 強化学習を用いて報酬を最大化する None 93. 「要配慮個人情報」とは何ですか？ 公にされている個人情報 他人に知られたくないセンシティブな個人情報 ビジネスに関連する情報 企業の経営データ None 94. AIが生成した作品に著作権が発生するかどうかについて、現行の著作権法ではどのように定義されていますか？ AIが生成した作品には著作権が発生しない AIには著作権が発生する AIが生成した作品は自動的にパブリックドメインになる AIの開発者が著作権を保有する None 95. AIによる自動意思決定の結果が不当な差別や偏りを生じた場合、個人が求めることができる対応策は何ですか？ データ提供の停止 人間による再審査を要求する権利 AIの結果を強制的に承認する データの再提供を求める None 96. 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 97. 畳み込み層の活性化関数として一般的に使用されるものはどれですか？ シグモイド関数 Tanh関数 ReLU関数 全ての選択肢 None 98. 自然言語処理で「データ拡張」を行う際、次の方法の中でディープラーニングに最も適したものはどれですか？ 文章の単語をランダムに削除する 同義語による単語置き換え トランスフォーマーモデルを利用したパラフレーズ生成 ランダムに単語の順序を入れ替える None 99. 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 100. CNNにおける「ストライド」とは何ですか？ 各フィルターが入力データ上を移動する幅 パラメータの更新頻度 勾配の更新量 正則化の一種 None 101. a b c d None 102. 個人情報の「訂正請求」とは何ですか？ データが匿名化された場合に行う請求 企業が第三者に提供する際に行う請求 本人が自分の個人情報の誤りを訂正するよう企業に求める請求 個人情報の削除を企業に求める請求 None 103. 次のうち、強化学習における基本的な要素として最も適切なものはどれか。 AIはデータをもとに教師あり学習を行う AIはラベルなしのデータをクラスタリングする AIは環境との相互作用を通じて報酬を基に行動を学ぶ AIは定義されたルールに従って動作する None 104. 畳み込み層におけるストライドの影響について、正しい記述はどれですか？ ストライドが大きいほど、出力サイズは小さくなる ストライドは出力の精度に影響を与えない ストライドは畳み込みのフィルターサイズを決定する ストライドが小さいほど、計算コストが低くなる None 105. 次のうち、汎用AI（AGI）が実現した場合に予想される最大の社会的インパクトはどれですか？ 特定のタスクでの効率的な自動化 人間の知能を模倣するゲームAIの作成 人間と同等またはそれ以上の多分野での意思決定能力 特定の分野でのデータ分析能力の向上 None 106. 次のうち、AIに関する倫理的課題として最も重要なものはどれか。 AIが学習に時間を要すること AIの判断が透明でなく、説明可能性が不足していること AIのエネルギー消費が高いこと AIが感情を持つようになる可能性があること None 107. 個人情報保護法における「個人情報」とはどのような情報ですか？ 名前だけを指す情報 特定の個人を識別できる情報 個人の趣味や嗜好に関する情報のみ 公的機関が管理する情報のみ None 108. 機械翻訳において、入力シーケンスと出力シーケンスの長さが異なる場合、どのようなモデルがよく使われますか？ CNN VAE Seq2Seq GAN None 109. OECDの「AIに関する原則」において、AIの「持続可能性」が指摘される理由は何ですか？ AI技術が長期間にわたり活用できるようにするため AIが自己修復機能を持つことを確保するため AIが経済的に持続可能であることを保証するため AI技術が環境や社会に対して持続可能な方法で使用されるべきであるため None 110. 自然言語処理における「双方向LSTM（Bi-LSTM）」の利点は何ですか？ 訓練時間を大幅に短縮する 単語の順序を無視できる 順方向と逆方向の両方から文脈情報を学習できる データ拡張に役立つ None 111. 自然言語処理タスクにおいて、LSTMを使用する利点は何ですか？ モデルが単純である 長期的な依存関係を扱う能力がある データの次元を減らす トレーニング速度が速い None 112. CNNにおける「フィルター」とは何ですか？ 入力データを正規化するための関数 パラメータの初期化を行う関数 画像の局所的な特徴を捉えるカーネル 勾配消失問題を解決するための手法 None 113. 全結合層における「バイアス項」の役割は何ですか？ 出力をゼロに制限する モデルのパラメータを増やす 入力の次元を削減する ニューロンの活性化を調整する None 114. 転移学習を使用する際、凍結（Freeze）される層は通常どの部分ですか？ 出力層 初期の畳み込み層 全ての層 活性化関数 None 115. 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 116. 次のうち、自然言語処理において「言語モデル」として使用されるものはどれですか？ LSTM GAN VGG ResNet None 117. 全結合層で使用される一般的な活性化関数はどれですか？ ソフトマックス関数 ReLU（Rectified Linear Unit） シグモイド関数 全ての選択肢 None 118. 「要配慮個人情報」を含むデータの収集に関して、どのような追加の義務が課 事前に本人の同意を得る必要がある 収集後に自由に利用できる データを収集後、即時に廃棄する 企業が任意に利用目的を変更できる None 119. 全結合層のパラメータ数が非常に多い場合、過剰適合を防ぐために有効な手法として適切なのはどれですか？ バッチサイズを小さくする ドロップアウトを導入する 出力次元を増加させる 学習率を高く設定する None 120. 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 121. BERTモデルの事前学習において「次文予測（Next Sentence Prediction, NSP）」が行われる理由は何ですか？ モデルが文の長さを予測するため モデルが文の順序を学習するため モデルが複数の文書を要約するため モデルが文の感情を解析するため None 122. ニューラルネットワークにおいて、重みとバイアスが学習される理由として正しいのはどれですか？ 訓練データの特徴を効果的に捉えるため 訓練時間を短縮するため 勾配消失を防ぐため データ前処理を省略するため None 123. CNNにおける「畳み込み層」の役割は何ですか？ 出力層を生成する 特徴マップを生成し、局所的なパターンを捉える 勾配を計算する パラメータの初期化を行う None 124. CNNを使用して画像分類を行う際、データ前処理として一般的に行われる処理はどれですか？ 重みの初期化 バイアスの調整 画像の正規化やリサイズ ハイパーパラメータの調整 None 125. 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 126. 「差分プライバシー（Differential Privacy）」とは何を指しますか？ 個人データを完全に削除する技術 個人を特定できない形でデータを活用するための数学的手法 個人データを暗号化するためのプロセス データを特定のグループ間で共有する技術 None 127. 著作権法における「著作隣接権」とは何ですか？ 著作物を複製する権利 著作物を商業的に利用する権利 著作物そのものではなく、著作物を伝達する者に与えられる権利 著作物を削除する権利 None 128. 次のうち、AIと単純な自動化の違いを最も正しく説明しているものはどれか。 AIは未知の状況に対応できるが、自動化は事前に定義されたルールに基づいて動作する 自動化はデータに基づいて自律的に判断を行うが、AIはルールに基づいて動作する AIと自動化は同じ技術であり、相互に区別されない AIは物理的な作業を主に行い、自動化は知的作業を行う None 129. 自然言語処理における「ゼロショット学習（Zero-Shot Learning）」の主な特徴はどれですか？ 未学習のデータセットでタスクを実行できる ラベル付きデータが多いほど性能が上がる 翻訳タスク専用の学習方法である モデルサイズが小さいために高速で動作する None 130. 自然言語処理でトランスフォーマーの「マルチヘッド・アテンション（Multi-Head Attention）」が有効な理由として最も適切なのはどれですか？ 計算量を削減できるため 複数の文脈的特徴を同時に学習できるため 出力次元数を固定できるため 訓練データが少なくても動作するため None 131. 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 132. AI生成物が公表された後、第三者がその生成物を商業利用する場合、注意すべき法的リスクはどれですか？ 著作権が発生していないためリスクはない 公表されているため自由に利用できる 著作権以外の知的財産権侵害の可能性がある 利用目的を明示すれば問題ない None 133. AIを用いた画像生成サービスが生成した著作物に対して、ユーザーが行使できる権利は何ですか？ 著作権は発生しないが、生成物を自由に使用できる サービス提供者が著作権を保有するが、ユーザーは商業利用できる ユーザーが生成した作品の著作権を持つ AIによる生成物は著作権保護を受けない None 134. 全結合層の出力次元を変えることで、どのような効果が得られますか？ 訓練データの量を増加させる モデルの複雑さを調整する 入力データのサイズを変更する モデルの学習率を変更する None 135. 自然言語処理における「トピックモデル」として有名な手法はどれですか？ CNN Word2Vec VAE LDA（Latent Dirichlet Allocation） None 136. 畳み込み層のフィルター数を増やすことの効果は何ですか？ モデルの表現力が向上する 学習速度が遅くなる 過剰適合のリスクが増す 計算コストが増加する None 137. ニューラルネットワークにおける「ドロップアウト」の目的は何ですか？ モデルのサイズを小さくする 学習率を調整する オーバーフィッティングを防ぐこと 隠れ層の数を減らす None 138. 「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 139. 個人情報保護法に基づき、「匿名加工情報」を作成する際に、企業が行うべき措置として適切なのはどれですか？ データを完全に削除する 再識別される可能性をなくすために、特定の加工基準を満たす データの使用目的を非公開にする 本人の同意を得た上で匿名化する None 140. 次のうち、AIが監視社会を助長するリスクとして最も正しいものはどれか。 AIはプライバシーを保護するため、監視には使用されない AIは監視社会を防ぐために設計されている AIは監視に使われることが少ないため、リスクはない AIは個人の行動を追跡し、過度な監視を行うリスクがある None 141. 活性化関数の主な目的は何ですか？ データの正規化 非線形性を導入すること モデルのトレーニング速度を上げる データの次元を削減する None 142. 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 143. 日本政府が策定した「AI社会原則」において、「安全性」として求められる取り組みは何ですか？ AIシステムが予測可能でリスクを最小限に抑えること AIの運用中に全てのデータを公開すること AIシステムが全くエラーを起こさないことを保証すること AIシステムが完全に自律的に動作すること None 144. 著作権法における「同一性保持権」とは何を指しますか？ 著作物を複製する権利 著作物を公表する権利 著作物を改変されないよう保護する権利 著作物を自由に利用する権利 None 145. AIによるデータ保護に関する課題として最も適切なものはどれか。 AIはすべてのデータを安全に保管するため、データ保護の問題はない AIが収集したデータの不正利用や流出のリスクが存在する AIはデータを保管しないため、データ保護の問題は発生しない AIはデータを常に暗号化して保管するため、保護の問題はない None 146. 著作権法に基づく「引用」が認められるための条件は何ですか？ 出典を明示し、公正な範囲で行うこと 著作物を改変すること 著作物を商業利用すること 著作物の一部を削除して使用すること None 147. 次のうち、ディープラーニングの特徴として最も正しいものはどれか。 単一の層から構成されるニューラルネットワークを使用する 複数の層を持つニューラルネットワークであり、入力データの特徴を自動的に学習する ルールベースのアルゴリズムを用いて動作する 手動で設定されたパラメータに基づいて動作する None 148. 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 149. 日本における「AI活用のためのガバナンスガイドライン」では、AIシステムの開発においてどのような点に特に注意が払われるべきとされていますか？ AIシステムが人間による制御下にあることを保証すること AIが社会に与える影響を最小限にすること AIが経済成長を加速させること AIが人間の知能を超えること None 150. 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 151. 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 152. 「フェアユース」の概念はどのような場合に適用されますか？ 著作物を公正な範囲で利用する場合に、著作権侵害とみなされない 著作物を商業的に利用する場合に適用される 著作物のすべてを自由に使用できる場合 著作物を改変した場合 None 153. 畳み込み層で使用されるフィルターのサイズが一般的に小さい理由は何ですか？ 計算コストを下げるため 局所的な特徴を捉えるため モデルの複雑さを増すため 重みの数を減らすため None 154. 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 155. 著作権の「翻訳権」とは何ですか？ 著作物を複製する権利 著作物を改変する権利 著作物を販売する権利 著作物を異なる言語に翻訳する権利 None 156. リカレントニューラルネットワーク（RNN）が適用されるタスクの特徴として最も適切なのはどれですか？ 高解像度の画像データを扱う 非構造化データを扱う 時系列データやシーケンスデータを扱う 大規模なデータセットに対する並列処理を行う None 157. AIのバイアスに関する問題として、正しいものはどれか。 AIはデータに基づいて公正に判断するため、バイアスは存在しない AIのバイアスはプログラムの初期設定で完全に排除される AIは常に正しい結論を導くため、バイアスの心配はない AIはデータに存在する偏りを学習し、その偏りが結果に影響を与える可能性がある None 158. 「デジタルデバイド」がAI分野で議論される理由として最も適切なものはどれですか？ AI技術へのアクセスが不平等であるため AI技術の開発が難しいため AIが特定の職業を奪うため AIが教育制度に統合されないため None 159. AIシステムが「データポータビリティの権利」をどのようにサポートするべきですか？ データを他のユーザーに販売できる データを削除せずに無期限で保存する データの変更を禁止する ユーザーが自分のデータを他のシステムやサービスに移行できるようにする None 160. 中国のAIガイドラインでは、「公共の利益を優先する」ことが強調されていますが、その理由は何ですか？ AIが政府の管理下にあるため AI技術が社会全体に有益であると考えられているため AIが経済的な競争を促進するため AIが主に軍事目的で使用されるため None Time's up
