G検定～模擬試験②～ 2024年12月6日2024年12月6日 ailearn 1. バッチ正規化層が適用されるタイミングはどの部分ですか？ 入力層の前 各層の出力後、アクティベーション関数の前 各層の入力後、アクティベーション関数の後 最終層の直後 None 2. 機械学習における「バギング」とは何か？ データの特徴量を削減する手法 モデルの重みを調整する手法 複数のモデルを並行して訓練し、それぞれの予測を平均することで精度を向上させる手法 過学習を防ぐためにデータをシャッフルする手法 None 3. ニューラルネットワークにおける「バックプロパゲーション」とは何か？ 入力層から出力層に向かってデータを伝えるプロセス 出力層から入力層に向かって誤差を伝播させて重みを更新するプロセス モデルの性能を向上させるために追加される隠れ層 データを無作為にシャッフルして訓練するプロセス None 4. 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 5. 次のうち、貪欲法の特徴として正しいものはどれか。 未来のすべての選択肢を考慮して最適解を見つける 解を得るために全ての可能な選択肢を試す 最適解を保証しながら効率的に探索を行う 各ステップで最も利益が大きい選択肢を選び続ける None 6. AIのセキュリティにおける「動的リスク評価」が重要とされる理由は何ですか？ AIシステムの性能を常に最大化するため すべてのリスクを無視して動作を優先するため リアルタイムで変化するリスクに対応するため 静的なリスクのみを評価するため None 7. アルファベータ剪定を用いる場合、剪定の効率を高めるために推奨される手法はどれですか？ 可能な手をランダムに探索する 再帰を用いずに実装する ノードの評価順序を最適化する 剪定を無効にして全探索を行う None 8. AIシステムにおいて「個人間の公平性」を確保するための主な取り組みは何ですか？ 全てのデータを匿名化すること システムが結果を均一化すること 個々のユーザーを基に結果を調整すること ユーザーの意見を排除すること None 9. AIのセキュリティに関するリスクとして「データポイズニング」とは何ですか？ AIモデルがランダムに動作すること AIに与えるデータを意図的に改ざんし、モデルの性能を低下させる攻撃 AIが誤ってデータを削除すること AIがデータを正確に処理できなくなること None 10. 強化学習の「経験再生（Experience Replay）」の目的は何ですか？ エージェントが現在の行動に過去の結果を適用する エージェントのメモリをリセットする 過去の経験をランダムにリプレイし、学習の効率を高める 報酬を倍増させる None 11. 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 12. ドロップアウトと正規化層を併用するメリットは何ですか？ 正則化の効果が増加し、過剰適合を防ぐことができる モデルの計算速度が速くなる 勾配の変動を増加させ、学習を早く進める ニューラルネットワークの深さを減らすことができる None 13. DDPG（Deep Deterministic Policy Gradient）の主な利点は何ですか？ 連続行動空間での最適な方策学習が可能である 離散行動空間にのみ適用可能である エージェントが環境を変更できる 学習時間を大幅に短縮できる None 14. 深層強化学習（Deep Reinforcement Learning, DRL）における「エージェント」とは何を指しますか？ 環境内で行動を決定する主体 環境の状態を記録する装置 報酬を計算するアルゴリズム データの前処理を行うシステム None 15. グローバルプーリング層（Global Pooling）はどのように機能しますか？ 全てのピクセルの最大値を取る 特定の領域内で最小値を取る 画像全体に対して1つの値を出力する すべてのフィルターの重みを学習する None 16. ReLU関数の一般的な問題点は何ですか？ 勾配消失問題 出力が0か1に固定される 勾配爆発問題 死んだニューロン問題 None 17. 「強化学習における状態（State）」とは何を表しますか？ エージェントが実行する行動 環境がエージェントに提供する観測情報 エージェントが受け取る報酬の合計 次に選択される方策 None 18. AI関連技術における特許法上の「発明」とはどのような条件を満たす必要がありますか？ 技術的アイデアを含む具体的な手段であること 抽象的な概念や数学的理論を示すものであること 単なるデータの集合体であること 公共の利益に寄与しないものであること None 19. 「Curiosity-driven Exploration」は、どのような場合に強化学習で役立ちますか？ 環境に明示的な報酬がほとんど存在しない場合 環境が大きな報酬を明確に提供する場合 環境がエージェントに常に同じ状態を提供する場合 エージェントが確率的に行動する場合 None 20. 「割引率（Discount Factor）」が強化学習で果たす役割は何ですか？ 将来の報酬に対する現在の価値を調整する エージェントの行動頻度を調整する 環境の状態をリセットする Q関数の更新頻度を減少させる None 21. 次のゲームのうち、完全情報ゲームとして分類されるものはどれか。 ポーカー 麻雀 囲碁 ブラックジャック None 22. 自動運転車におけるAIのセキュリティ対策として、リアルタイムでの「異常検知システム」が必要な理由は何ですか？ 自動運転車がより高速に走行するため 自動運転車が予期しない障害や攻撃に対して即座に対応できるようにするため 自動運転車が自己修復機能を持つため 自動運転車が常に最新のソフトウェアを使用するため None 23. 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 24. 機械学習において「教師あり学習」とは何か？ ラベル付きデータを使用してモデルを訓練する手法 ラベルのないデータを使用してモデルを訓練する手法 自律的に報酬を受け取り学習する手法 データ間の類似性を測定し、クラスタに分類する手法 None 25. バッチ正規化を使用することで、学習率を大きく設定できる理由は次のうちどれですか？ 勾配がゼロになるのを防ぐため 重みの更新を制限するため 各層の入力データをシャッフルするため 勾配のスケールが一定に保たれるため None 26. 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 27. グループ正規化（Group Normalization）の利点は何ですか？ 正規化の速度を高速化すること 正則化の効果を増加させること バッチ学習の効率を上げること バッチサイズに依存しないこと None 28. レイヤーノーマライゼーション（Layer Normalization）とバッチ正規化の違いは何ですか？ 計算速度 入力データのサイズ 正規化する単位 モデルの複雑さ None 29. ヒューリスティック検索の利点として最も適切なものはどれか。 常に最適解を見つけることができる ランダムな探索で解を見つける メモリを一切使用せずに探索ができる より効率的に解を見つけるため、探索のコストを削減できる None 30. 特許法における「進歩性」とは何ですか？ 発明が全く新しくないこと 発明が既存技術に対して技術的に進んでいること 発明が商業的に利用できないこと 発明が他者に知られていること None 31. AI関連の特許出願において、「特許協力条約（PCT）」を利用する利点は何ですか？ すべての国で自動的に特許が認められる 特許取得の費用を削減できる 一度の出願で複数の国に特許出願ができる 審査を省略することができる None 32. 知識表現の形式として「フレーム」が使用される場合、その特徴として正しいものはどれですか？ ルールベースで条件と結果を記述する 概念やオブジェクトを属性と値で表現する データをグラフ構造で関連付ける 数値データを確率的にモデル化する None 33. 活性化関数の選択が勾配消失問題に与える影響について、正しい記述はどれですか？ シグモイド関数を使用すると勾配消失問題が発生しやすい Tanh関数は勾配消失問題を完全に解決する ReLUは勾配爆発を引き起こす可能性がある ソフトマックス関数が勾配消失を防ぐ None 34. 音声合成技術における「テキスト音声合成（TTS）」とは何ですか？ 音声をテキストに変換する技術 音声を圧縮する技術 テキストを音声に変換する技術 音声をノイズ除去する技術 None 35. バッチ正規化層が特に効果を発揮するのはどのような場面ですか？ 学習率が高い場合 バッチサイズが非常に小さい場合 過剰適合が問題となる場合 モデルが過学習する場合 None 36. 次の探索アルゴリズムのうち、常に最適解を保証するものはどれか。 深さ優先探索 貪欲法 幅優先探索 山登り法 None 37. 深層強化学習で報酬の「遅延」が問題となる理由は何ですか？ エージェントが遅延報酬を正しく評価できないことが多いため 遅延報酬はエージェントに無関係なため 遅延報酬は常に負の値であるため 遅延報酬は割引率に影響されないため None 38. AI技術の発展に伴い、特許の「進歩性」を証明するための新しい課題とは何ですか？ AI技術が急速に進化するため、既存技術との違いを明確にすることが難しくなっている AI技術は常に特許の対象とならないため AI技術は特許法の枠外であるため AI技術は特許を取得する際に商業的利用が難しいため None 39. エキスパートシステムでの「信頼度（確信度）」を持った推論について、どれが正しいか？ 推論結果が常に正しいと仮定する 各ルールに確率や信頼度を割り当て、推論の不確実性を考慮する 推論に不確実性を導入することはない 信頼度は推論の速度を上げるために使われる None 40. 探索アルゴリズムにおける「閉集合（Closed List）」の役割は何ですか？ 探索済みのノードを記録し、再探索を防ぐ 未探索のノードを格納する ヒューリスティック関数の値を保存する 最適解を保持する None 41. 次のうち、ディープラーニングにおいて「活性化関数」としてよく使用されるものはどれか？ 決定木 SVM ReLU（Rectified Linear Unit） 最近傍法 None 42. 特許法において「クレーム」とは何ですか？ 発明に対する異議申し立て 発明の技術的範囲を定める記述 特許庁への申請書 発明の内容を公開する文章 None 43. AIシステムが交通違反の罰金を課す際に、特定の地域住民に不公平な罰金を科している場合、そのバイアスを軽減する方法は何ですか？ すべての地域のデータを均等に使用してAIモデルを訓練する 特定の地域データを増やす 罰金をAIで自動設定する 地域データを完全に削除する None 44. AI技術の特許出願において、アルゴリズムそのものが特許として認められるためには、どのような工夫が必要ですか？ アルゴリズムを単純な形で記載する アルゴリズムの具体的な応用や効果を明確に記載する 数学的な理論に焦点を当てる 特許請求範囲を広く設定する None 45. 次のうち、アルファベータ法の適用先として最も適切なものはどれか。 迷路問題の最短経路探索 ゲーム木における最適戦略の探索 データの分類における次元削減 機械学習モデルのパラメータ最適化 None 46. 雑音環境下での音声認識精度を向上させるために、ディープラーニングを用いて「データ拡張」を行う場合の手法として最も適切なのはどれですか？ 音声データをそのまま増やす 音声のピッチやスピードを変更して学習データを増やす 音声データにノイズを付加してそのまま保存する 音声データを切り取って短くする None 47. 次のうち、エキスパートシステムの開発における「知識獲得」の主な課題はどれか？ 必要なデータを効率的に収集すること 専門家の知識を形式化し、システムに組み込むこと データベースの効率的な設計 ルールを自動生成すること None 48. エキスパートシステムの要素でないものはどれか？ 知識ベース 推論エンジン センサーデータ収集システム ユーザーインターフェース None 49. A3C（Asynchronous Advantage Actor-Critic）の利点は何ですか？ Q関数を最適化することができる 離散的な行動空間にのみ適用可能である 報酬の割引率を調整できる 並列処理を用いて学習速度を向上させることができる None 50. 深層強化学習における「環境」とは何を指しますか？ エージェントが行動を取る場所と、その行動の結果を提供するシステム エージェントが訓練されるニューラルネットワークモデル 強化学習の方策を定義する関数 報酬を決定する関数のみを管理するシステム None 51. AIシステムが「アウトカムの公平性」を欠いている場合、どのような対応が必要ですか？ システムの結果を分析し、不公平な影響を是正する 結果を固定してすべてのユーザーに提供する システムのデータを完全に削除する 不公平な結果をそのまま維持する None 52. AI分野において、特許権の取得が重要な理由は何ですか？ 他社が同様の技術を無断で使用するのを防ぐため 特許権を取得しなければ技術を公開しなければならないため 特許を取得しないと技術の開発が進まないため 特許庁に技術の所有権を移転するため None 53. AIシステムのセキュリティリスクを評価するために使用される「リスクベースアプローチ」とは何ですか？ AIシステムが遭遇する可能性のあるリスクを無視すること 全てのリスクに同じ対応を行うこと リスクを完全に排除すること 発生し得るリスクを特定し、その重大性に応じて対応策を講じるアプローチ None 54. 音声処理における「LSTM」が有効な理由は何ですか？ 音声データの圧縮に適しているため 音声データの周波数成分を分析するため 訓練時間を短縮できるため 音声データの長期的な依存関係を捉えることができるため None 55. 深層強化学習において「カリキュラム学習」が導入される理由は何ですか？ エージェントの学習速度を減速させるため 報酬の変動を抑えるため エージェントが段階的に難易度の高いタスクを学習できるようにするため 環境の状態をリセットするため None 56. ソフトウェア発明に対する特許取得において、重要な要件は何ですか？ ソフトウェアが具体的な技術的効果をもたらすこと ソフトウェアが商業的に利用されていること ソフトウェアが公開されていること ソフトウェアが広く使用されていること None 57. 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 58. 次のうち「回帰問題」に適したアルゴリズムはどれか？ ロジスティック回帰 K-最近傍法（K-NN） 線形回帰 Naive Bayes None 59. 音声認識におけるデータの「音声合成攻撃」とは何ですか？ 音声信号を無効化する攻撃 音声データを改ざんする攻撃 音声信号を圧縮する攻撃 攻撃者が合成音声を使用してシステムを誤認識させる攻撃 None 60. AIが「公平性」を持っているかどうかを評価するために、何が重要ですか？ AIの結果が特定の集団や個人に偏らず、全体として平等であることを評価すること AIが常に正確な結果を提供すること AIの開発者がアルゴリズムを公開すること AIが高速に動作すること None 61. 次の中で、エキスパートシステムが「自己学習機能」を持つものとして適切なのはどれか？ ルールベースシステム ケースベース推論システム ニューラルネットワーク 機械学習システム None 62. 次の中で「プロダクションルール」に該当するものはどれか？ IF A THEN B A AND B B OR C NOT A None 63. AIにおける「敵対的攻撃（Adversarial Attack）」とは何を指しますか？ AIシステムの処理速度を高める技術 AIシステムの物理的破壊 AIシステムの更新プロセス AIモデルに意図的な誤情報を与え、誤った予測や判断をさせる攻撃 None 64. 次のうち、幅優先探索の特徴として正しいものはどれか。 ゴール状態に最も近いノードから探索を始める 最も深いレベルのノードから探索を開始する 木構造やグラフ構造を浅いレベルから順番に探索する ゴールが見つかるまでランダムにノードを探索する None 65. AIシステムのセキュリティリスクとして「攻撃対象領域」とは何を指しますか？ AIシステムが物理的に設置される場所 AIシステムの脆弱性を悪用される可能性がある領域 AIが使用するデータの種類 AIが実行される時間 None 66. 音声処理において、リカレントニューラルネットワーク（RNN）が持つ課題を解決するために導入された技術は次のうちどれですか？ バッチ正規化（Batch Normalization） ドロップアウト（Dropout） LSTM（Long Short-Term Memory） スペクトル正規化（Spectral Normalization） None 67. AIシステムの安全性確保のために「サンドボックス環境」を利用する主な目的は何ですか？ システムを本番環境で直接テストするため システムの動作を完全に停止させるため サンドボックス内でのみシステムを使用するため システムが外部リスクから隔離された状態でテストできるようにするため None 68. プーリング層のカーネルサイズを大きくすることのデメリットは何ですか？ 計算量が増加する モデルの表現力が低下する 過剰適合が進行する 情報の損失が大きくなる None 69. エキスパートシステムの開発において、知識の欠如や矛盾が発生した場合、それを解決するために使用される手法として適切なのはどれですか？ グリッドサーチ 知識獲得のための反復プロセス オントロジーの自動生成 データ拡張 None 70. AIによる雇用採用システムが特定の性別に偏った結果を出している場合、どのような修正が必要ですか？ 性別に関するデータを増やす 性別に関連するデータを削除し、AIモデルを再トレーニングする 性別に基づく評価を自動化する AIシステムを完全に停止する None 71. 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 72. 正規化層の追加によって、学習速度が向上する理由は何ですか？ 計算量が減少するため バッチサイズを小さくすることができるため アクティベーション関数の出力が増加するため 勾配が安定し、より高い学習率を使用できるため None 73. ベイズネットワークの推論における役割として、正しいものはどれか。 データのクラスタリングに使用する 変数間の依存関係を表し、確率に基づいて推論を行う 変数の因果関係を無視して、ランダムな推論を行う 強化学習のための報酬関数を設計する None 74. シグモイド関数の主な欠点は何ですか？ 出力が0か1しかない 計算速度が遅い 勾配消失問題が発生しやすい 勾配爆発問題が発生しやすい None 75. K-meansクラスタリングにおいて、「エルボー法」が使用される主な理由は何ですか？ クラスタの境界を可視化するため クラスタの数を最適化するため 計算速度を向上させるため クラスタ間の重複を解消するため None 76. 平均プーリング（Average Pooling）ではどのような計算を行いますか？ プール領域内の最大値を取る プール領域内の平均値を取る プール領域内の最小値を取る プール領域内の和を取る None 77. プーリング層のカーネルサイズとは何ですか？ フィルターの移動幅 学習率の設定 勾配の計算方法 プール領域のサイズ None 78. WaveNetが音声処理で使用される理由は何ですか？ データの圧縮を行うため 音声認識精度を向上させるため テキスト処理を行うため 高品質な音声を生成できるため None 79. AIシステムにおける「安全性」とは、どのようなことを指しますか？ AIが物理的な危害を引き起こさないこと AIシステムが常に正しい結果を提供すること AIがユーザーのプライバシーを保護すること AIが常に高速に動作すること None 80. プーリング層で使用される「ストライド」の設定を大きくすると、どのような影響がありますか？ 出力特徴マップのサイズが大きくなる モデルが特徴を過学習する 特徴マップの縮小率が増加する ノイズが強調される None 81. ReLUとSwishを比較した際に、Swishが持つ利点として正しいのはどれですか？ 滑らかな非線形性により、より高い精度が得られる場合がある 負の入力に対する勾配が一定である 出力が確率分布として解釈可能である 学習率を自動的に調整する None 82. エキスパートシステムにおける「推論エンジン」の主な役割はどれですか？ 知識ベースの情報を管理する 入力データを解析し、ユーザーに出力する 知識ベースを利用して問題解決のための推論を行う ユーザーからの入力を受け取り、知識ベースに保存する None 83. 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 84. 音声処理における「メル周波数ケプストラム係数（MFCC）」の役割は何ですか？ 音声信号の特徴量を抽出する 音声信号のノイズを除去する 音声信号を正規化する 音声信号を圧縮する None 85. 「勾配ブースティング」の特徴はどれか？ 各モデルが独立して学習し、最終的な予測を多数決で決定する 教師なし学習であり、ラベルのないデータを扱う 各モデルが前のモデルの誤差を修正しながら学習を進める モデルの重みを自動的に初期化する None 86. 「Advantage Actor-Critic（A2C）」アルゴリズムにおけるAdvantage（A）の役割は何ですか？ 方策を学習するための損失関数を計算する 環境の報酬を直接予測する 行動をランダムに選択するための確率を計算する 状態の価値と行動の価値の差分を計算し、行動の改善を促進する None 87. 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 88. AIシステムが医療分野で使用される際、患者の人種によって診断結果に違いが生じる場合、その原因として考えられるのは何ですか？ 医療データに人種ごとのバイアスが含まれている AIシステムが常に正確に動作していない AIがすべての患者に同じ治療を提供するため AIが適切なアルゴリズムを使用していないため None 89. 機械学習における「ハイパーパラメータ」とは何か？ 学習アルゴリズムが自動的に調整するパラメータ モデルの学習前に手動で設定されるパラメータ データセットのラベルに関連するパラメータ モデルが訓練中に動的に調整するパラメータ None 90. フレームの「スロット」とは何を意味するか？ 推論ルールの種類 オブジェクトに関する属性 データベースのテーブル メモリの領域 None 91. 「Leaky ReLU」の特長は何ですか？ すべての入力を1にクリッピングする 勾配を自動調整する 負の入力にもわずかな勾配を持たせる 勾配をリセットする None 92. エキスパートシステムが現代AI（例: ディープラーニング）と統合される際に直面する主な課題はどれですか？ ユーザインターフェースの設計 推論エンジンのアルゴリズムの選択 データ駆動型とルール駆動型の統合の複雑さ 知識ベースの構造化 None 93. バッチ正規化を適用することで、学習率がどのように影響されますか？ 学習率を低くする必要がある 学習率の影響がなくなる 学習率を高く設定できる 学習率が自動的に調整される None 94. Q学習において、「Q関数」は何を表しますか？ 状態と行動のペアに対する期待される累積報酬 行動の選択確率 エージェントの行動方針 環境の変化速度 None 95. プーリング層を用いない「ストライド付き畳み込み（Strided Convolution）」を使用する利点として最も適切なのはどれですか？ モデルの計算負荷を増大させるため プーリング層を省略しながら特徴抽出と解像度縮小を同時に行えるため プーリング層の計算精度を向上させるため 入力データを均一にするため None 96. 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 97. 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 98. ELU（Exponential Linear Unit）はどのような特性を持っていますか？ 負の入力を0にする 負の入力に対して滑らかな減少を行い、学習を安定化させる 勾配を消失させる 正の入力をすべてクリッピングする None 99. AIシステムが公平性を欠く原因として考えられる「サンプルバイアス」とは何ですか？ トレーニングデータが特定のグループを過剰に代表する偏り システムがすべてのデータをランダムに選択すること トレーニングデータを完全に削除すること システムが結果を固定的に生成すること None 100. プーリング層は通常どのような位置に配置されますか？ ニューラルネットワークの入力層 畳み込み層の後 出力層の直前 重み更新のタイミングで挿入される None 101. 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 102. AIアルゴリズムの特許取得において、最も考慮すべき点はどれですか？ アルゴリズムが公開されているかどうか アルゴリズムが商業利用されているかどうか アルゴリズムが他国で使用されているかどうか アルゴリズム自体が特許法に基づく発明として認められるかどうか None 103. エキスパートシステムにおける「ブラックボックス」方式の問題点として適切なのはどれか？ 推論過程がユーザーに対して不透明になる 知識ベースの構築が困難になる 推論結果がすぐに提供される すべての知識が一度に処理される None 104. 音声処理における「シーケンス・トゥ・シーケンスモデル（Seq2Seq）」はどのように使用されますか？ 音声認識において音声をテキストに変換するため 音声の波形を画像に変換するため 音声信号を圧縮するため ノイズキャンセリングのため None 105. 次のアルゴリズムの中で、分類問題に最適なものはどれか？ K-最近傍法（K-NN） 線形回帰 主成分分析（PCA） アダブースト None 106. 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 107. AIシステムの安全性において、「フェールセーフ」とは何を指しますか？ システムがエラーを検出した際に安全な状態に移行する仕組み システムが全てのエラーを無視して動作を継続する仕組み システムの稼働を外部に完全依存する仕組み エラーを防ぐために全てのデータを破棄する仕組み None 108. 音声処理で使用されるトランスフォーマーモデルの利点は何ですか？ 音声データを圧縮する 音声データを分類する 長距離の依存関係を効率的に処理できる ノイズを除去する None 109. 機械学習において「過学習（オーバーフィッティング）」とは何か？ モデルが学習データに過度に適合し、新しいデータに対しての汎化能力が低下すること モデルが学習データに適合できず、予測精度が低下すること 学習データが十分でないために、モデルの性能が低いこと モデルが極端に単純化され、性能が高くなること None 110. 機械学習モデルの評価に使用される「F1スコア」は何を表すか？ モデルの正確性（Accuracy）を評価する指標 精度（Precision）と再現率（Recall）の調和平均 誤分類の割合を示す指標 回帰問題における誤差の平均 None 111. 推論エンジンにおいて「前向き推論」が適しているタスクは次のうちどれですか？ ゴールが明確であり、そのゴールに至るための条件を調べるタスク 与えられた初期データから可能な結論を導くタスク 結論の正しさを検証するタスク 与えられたルールセットを簡略化するタスク None 112. ストライドとは何ですか？ プーリング層のサイズを決定するパラメータ プーリング層の計算速度を決定するパラメータ フィルターの移動幅を決定するパラメータ ニューラルネットワークの学習率を決定するパラメータ None 113. AIシステムの「セキュリティ」と「プライバシー」の違いとして正しいのはどれですか？ セキュリティはシステムの動作を保護し、プライバシーはデータの保護に関わる セキュリティはデータの保護に関わり、プライバシーはシステムの動作を保護する 両者は全く同じ意味を持つ セキュリティは個人情報にのみ関わる None 114. 強化学習において「Q-learning」の目的は何か？ ラベル付きデータを使ってモデルを訓練する データをクラスタリングする 最適な行動を選択するために報酬を最大化する 次元削減を行う None 115. 特許法に基づく「新規性喪失の例外」とは何ですか？ 発明が既に公開されていても、特定の条件を満たせば特許を取得できること 発明が全く新しくないこと 発明が商業的に利用できないこと 発明が特許庁に登録されないこと None 116. プーリング層を使用する主な理由は次のどれですか？ モデルのパラメータ数を増加させるため 特徴抽出を強化するため 入力データのノイズを除去するため 計算量を削減し、過剰適合を防ぐため None 117. ディープラーニングを用いた音声処理において、「音声エンハンスメント（Speech Enhancement）」の主な目的は次のうちどれですか？ 音声から話者の感情を推定する 音声データを雑音やエコーから改善する 音声を他の言語に翻訳する 音声を圧縮してデータサイズを小さくする None 118. AIシステムのセキュリティ対策において、データの「暗号化」の目的は何ですか？ データを迅速に処理するため データを永久に保存するため データの機密性を確保し、不正アクセスから保護するため データを共有しやすくするため None 119. 「Multi-Agent Reinforcement Learning（MARL）」が特に適用されるタスクとして最も適切なものはどれですか？ チェスや将棋などのターンベースのゲーム 単純な迷路問題の解決 ロボット群による協調作業 画像分類モデルのトレーニング None 120. 特許権が日本で認められるためには、どの国の特許庁に出願する必要がありますか？ 世界知的所有権機関（WIPO） アメリカ合衆国特許商標庁 日本特許庁 欧州特許庁 None 121. エキスパートシステムにおける「メタ知識」とは何か？ 推論の方法や、知識の使い方に関する知識 推論に必要な基本的な知識 知識ベースに格納された事実の集まり 自然言語で表現された知識 None 122. エキスパートシステムにおける「ルールベース」と「ケースベース」の違いは何か？ ケースベースは過去の事例を参照する ルールベースは定量データを扱う ルールベースは過去の事例を参照する ケースベースは推論ルールを使う None 123. 特許法における「発明の公開」と「秘密保持契約（NDA）」の関係性は何ですか？ NDAにより発明は公開されない 発明の公開を遅らせるためにNDAを活用する NDAは特許取得に必須である 発明はNDAによって自動的に特許が認められる None 124. 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 125. 活性化関数としてPReLU（Parametric ReLU）がLeaky ReLUよりも優れている理由は何ですか？ 勾配消失問題を完全に防ぐ 負のスロープを学習可能にするため、適応性が高い 出力をゼロに制限する 計算コストを大幅に削減する None 126. モデルの過学習を防ぐために一般的に使用される手法として適切でないものはどれですか？ 高次元の特徴量を追加 データ拡張 交差検証 正則化 None 127. 強化学習における「探索」と「活用」のバランスを取るための一般的な方法はどれですか？ 正規化とドロップアウト Boltzmann探索とε-greedy法 勾配降下法と逆伝播 サンプリングとリサンプリング None 128. AIシステムが公平性を確保するために、特定の結果を意図的に調整する手法の利点と課題は何ですか？ 利点: 公平性が向上する / 課題: 意図的調整が新たなバイアスを生む可能性がある 利点: 公平性が低下する / 課題: バイアスが完全に排除される 利点: 結果が完全にランダム化される / 課題: 公平性の向上が困難になる 利点: 全てのグループが同じ結果を受け取る / 課題: データの偏りが固定される None 129. ストライドを大きく設定したプーリング層の影響はどれですか？ より多くの特徴が保存される モデルの表現力が増加する 次元削減が進み、情報の圧縮が強化される 学習率が低下する None 130. 次のうち、「教師なし学習」の手法はどれか？ ロジスティック回帰 K-means 線形回帰 サポートベクターマシン（SVM） None 131. 次のうち、モンテカルロ法が用いられる場面として最も適切なものはどれか。 統計的手法に基づくランダムサンプリングによって近似解を求める データをクラスタリングして分類を行う 最適な経路を必ず発見する 確率モデルを使わずに探索を行う None 132. プーリング層が過剰適合を防ぐ理由として正しいのはどれですか？ モデルのパラメータ数を増加させるから データの次元を削減し、訓練データへの過度なフィットを防ぐから ニューラルネットワークの学習速度を速めるから 過剰適合には影響しない None 133. Softmax関数は、どのようなタスクで最もよく使用されますか？ 回帰問題 多クラス分類問題の出力層 強化学習の報酬計算 時系列データの前処理 None 134. バッチ正規化が勾配消失問題に与える影響は何ですか？ 勾配消失問題を完全に防ぐ 勾配の安定性を保ち、勾配消失問題を軽減する 勾配消失問題を助長する 勾配を拡大させて、問題を解決する None 135. エキスパートシステムの知識ベースを構築する際に使用されることが多いのはどの手法か？ データマイニング 機械学習 ヒューリスティックアプローチ ニューラルネットワーク None 136. AIシステムが敵対的攻撃を受けるリスクを軽減するために、どのような手法が有効ですか？ AIモデルを公開する AIのトレーニングデータを増やす AIシステムの動作を停止する AIモデルをテストして、敵対的サンプルに対する耐性を高める None 137. Parametric ReLU（PReLU）で、パラメータを学習することで得られる利点は何ですか？ ReLUを完全に無効化できる 負の入力に対する勾配を学習して最適化できる 訓練データの前処理を行う 勾配爆発を防ぐ None 138. プーリング層を使用した場合に発生しやすい情報損失の影響を軽減するために、適切な対策として最も有効なのはどれですか？ プーリングのストライドをゼロに設定する 畳み込み層のフィルタサイズを大きくする プーリング層と畳み込み層を組み合わせ、情報の冗長性を活用する プーリング層を完全に削除する None 139. AIの公平性を評価する際に使用される「差別の公正性」とは何ですか？ AIが特定の集団に有利な判断をすること AIが集団ごとに異なる精度で結果を提供すること AIが異なる集団に対して一貫した結果を提供すること AIが常に最適な結果を提供すること None 140. AI倫理における「プロセスの公正性」とは何ですか？ AIが全てのプロセスを自動化すること AIがデータ処理を迅速に行うこと AIが意思決定プロセスにおいて、全てのユーザーを公平に扱うこと AIが結果の正確性を優先すること None 141. 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 142. 次のうち、探索アルゴリズムとして正しいものはどれか。 データの分類やクラスタリングを行うアルゴリズム 目的に最適な経路や解を見つけるために、状態空間を調べるアルゴリズム 深層学習モデルの訓練に使用するアルゴリズム 強化学習で使われる報酬システムを最適化するアルゴリズム None 143. AIシステムが敵対的攻撃に耐性を持つためには、どのような設計が必要ですか？ 敵対的サンプルを用いたトレーニングを行い、AIの堅牢性を向上させる AIシステムの完全なブラックボックス化を進める 全てのトレーニングデータを公開する 敵対的攻撃を無視してシステムを稼働させる None 144. 強化学習における「報酬（Reward）」の役割は何ですか？ 環境の状態を変える エージェントが行った行動の評価 エージェントのメモリをリセットする エージェントの行動履歴を保存する None 145. A*アルゴリズムの計算効率が低下する可能性がある状況は次のうちどれですか？ ヒューリスティック関数が過大評価を行う場合 グラフにサイクルが存在する場合 開集合のサイズが小さい場合 探索空間が木構造の場合 None 146. ELU（Exponential Linear Unit）の特徴として適切なのはどれですか？ 出力が負の場合、ゼロに固定される 負の値に対してスムーズな勾配を提供する 勾配消失問題を完全に防ぐ 出力範囲が0から1に限定される None 147. Swish関数の特徴は何ですか？ ReLUの完全な代替関数 勾配消失問題を解消する関数 ReLUとシグモイドを組み合わせた特性を持つ関数 正の入力のみを許容する関数 None 148. AIが公平に機能するために「差別の公正性」と「プロセスの公正性」の両方が重要とされる理由は何ですか？ AIが効率的に動作するため AIがユーザーのプライバシーを保護するため AIの意思決定プロセスとその結果が共に公平であることが、真に公正なAIシステムを構築するために不可欠だから AIが自律的に判断を行うため None 149. 「ReLU（Rectified Linear Unit）」の出力範囲はどれですか？ -1から1 0から1 0から無限大 -無限大から無限大 None 150. サポートベクターマシン（SVM）において、「カーネル関数」を使用する主な理由は何ですか？ 高次元データの計算を効率化する モデルの収束速度を向上させる データの欠損値を補完する 線形分離可能でないデータを分離するために特徴空間を拡張する None 151. インスタンス正規化（Instance Normalization）が、画像スタイル変換タスクに適している理由はどれですか？ バッチ全体の統計情報を利用するため 各インスタンスごとに独立した統計情報を利用するため 特徴マップ全体を正規化するため 各ピクセルごとに正規化を適用するため None 152. 「意味ネットワーク（Semantic Network）」が他の知識表現形式と異なる特徴はどれですか？ 属性と値のペアを用いる 確率モデルに基づいて推論を行う 条件付きルールで推論を行う グラフ構造を使用して概念間の関係を視覚的に表現する None 153. 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 154. Softmax関数を使用する場合、出力の合計が1になる理由として正しいのはどれですか？ 各出力を正規化するから 入力値をそのまま返すから 確率分布を生成するために指数関数を使用するから 勾配をゼロにするため None 155. 特許出願に関して、出願後に行う「特許請求の範囲」とは何を示しますか？ 発明の技術的範囲を定義し、特許として保護される部分 特許の公開範囲 特許権の譲渡範囲 特許庁への申請書の範囲 None 156. 「サポートベクターマシン（SVM）」の特徴はどれか？ データを高次元空間にマッピングして線形分離する クラスタリング手法の一つである 連続値の予測に用いられる回帰手法 訓練データをランダムにサンプリングして学習を行う None 157. AIによる学校の成績評価システムで特定の学生グループが過小評価されている場合、考えられるバイアスの要因は何ですか？ 学生グループに特化したデータが不足している AIがすべてのデータを均等に処理していない 学校がAIシステムを更新していない 学生がデータを提供していない None 158. 音声認識における「注意機構（Attention）」の役割は何ですか？ 音声信号中の重要な部分に焦点を当て、関連する情報に重みを付ける 音声信号の周波数成分を分析する 音声信号を圧縮する 音声データを正規化する None 159. バッチ正規化における「ガンマ（γ）」と「ベータ（β）」の役割は何ですか？ 勾配の更新を調整する 正規化後の出力を再スケーリング、再シフトする ニューラルネットワークの深さを調整する 学習率を調整する None 160. 特許法における「発明」とは何ですか？ 単なる新しいアイデア 自然法則を利用した技術的思想の創作 物理的に存在する物体のみ 知識の集約 None Time's up
