G検定～模擬試験②～ 2024年12月6日2024年12月6日 ailearn 1. 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 2. 次のうち、ミニマックス法の目的として最も適切なものはどれか。 可能な限り最も大きな報酬を獲得する 相手が最も不利になるように自分の行動を最適化する 最も小さなコストで解を見つける 相手の最善の行動を考慮しつつ、自分の最善の行動を選ぶ None 3. 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 4. 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 5. 強化学習における「方策オフライン学習」と「方策オンライン学習」の違いは何ですか？ オフライン学習では既存のデータを用いて学習し、オンライン学習ではリアルタイムでデータを収集しながら学習する オフライン学習では報酬を即座に受け取り、オンライン学習では報酬を遅延させる オフライン学習では行動が確率的であり、オンライン学習では行動が決定的である オフライン学習はノイズを除去するが、オンライン学習はノイズを含む None 6. 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 7. 最大プーリング（Max Pooling）の動作は次のどれですか？ プール領域内の全ての値の和を取る プール領域内の最大値を取る プール領域内の最小値を取る プール領域内の平均値を取る None 8. 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 9. 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 10. AI関連技術の発明に対する特許取得において、重要なポイントは何ですか？ 発明が既存のAI技術と明確に異なること 発明が商業的に利用されていること 発明が秘密裏に開発されていること 発明が公開されていること None 11. 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 12. プーリング層を用いたとき、モデルの表現力に影響を与える可能性のあるパラメータはどれですか？ カーネルサイズとストライド バッチサイズと学習率 ニューラルネットワークの深さ 勾配降下法の種類 None 13. 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 14. 次のうち「勾配消失問題」を回避するために提案された活性化関数はどれか？ シグモイド関数 ReLU（Rectified Linear Unit） ソフトマックス関数 タンジェント関数 None 15. 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 16. 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 17. モンテカルロ木探索（MCTS）が特に有効である問題の特徴として正しいものはどれですか？ 状態空間が有限であり、すべての経路を探索可能な場合 問題が最短経路探索に限定される場合 状態空間が固定され、変化しない場合 環境が確率的であり、完全な情報が得られない場合 None 18. 機械学習において、「特徴量エンジニアリング」の目的として最も適切なものはどれですか？ データのノイズを完全に除去する モデルの学習時間を短縮する モデルの性能を向上させるため、重要な情報を抽出する ハイパーパラメータチューニングを自動化する None 19. 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 20. 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 21. 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 22. プーリング層で「サブサンプリング（Subsampling）」を行う主な目的として適切なものはどれですか？ 入力データの次元を増加させるため 特徴マップの解像度を下げ、計算負荷を軽減するため 入力データをフィルタリングするため データの空間的な分布を均一化するため None 23. 自動音声認識（ASR）システムの基本的なステップとして、次のどれが正しいですか？ 音声入力 → 波形分析 → 結果の出力 → 言語モデル 音声入力 → ノイズ除去 → 結果の出力 音声入力 → 音声特徴抽出 → 言語モデル → 結果の出力 音声入力 → 正規化 → 結果の出力 None 24. 勾配消失問題を軽減するために一般的に使用される活性化関数はどれですか？ シグモイド tanh ReLU 恒等関数 None 25. 「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 26. 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 27. AIにおいて、「アウトカムの公正性」とはどのように定義されますか？ AIの結果がすべてのユーザーに同一であること AIが各グループに対して平等な結果を提供すること AIがすべてのデータを平等に処理すること AIがデータ収集を最小化すること None 28. 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 29. 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 30. 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 31. 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 32. AIシステムが自動車保険の料金計算で性別に基づく不公平な料金を設定している場合、どのように修正すべきですか？ 性別に応じた料金を自動で設定する 性別データを増やす 性別に関連するデータを削除し、モデルを再トレーニングする AIシステムを停止する None 33. 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 34. 音声認識システムの開発において、ディープラーニングモデルの入力として頻繁に利用される「MFCC」以外の音声特徴量はどれですか？ ピッチ（Pitch） メルフィルターバンク（Mel Filter Bank） 振幅スペクトル（Amplitude Spectrum） 全て None 35. 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 36. 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 37. 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 38. 勾配降下法（Gradient Descent）の目的は何か？ 訓練データをランダムにシャッフルする モデルの出力を正規化する 次元削減を行うためにデータを変換する コスト関数を最小化するためにモデルのパラメータを更新する None 39. 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 40. 「AIの偏り（バイアス）」が発生する要因として適切なものはどれですか？ データの多様性が確保されていない場合 AIがすべてのデータを自動的に選別する場合 AIが常に人間の判断を上回る場合 AIが訓練データを使用しない場合 None 41. Adaptive Pooling（適応プーリング）が他のプーリング手法と異なる利点として適切なのはどれですか？ 出力サイズを柔軟に設定できる 入力特徴マップ全体を1つの値に縮小する カーネルサイズを動的に変更する 特徴マップの精度を自動的に高める None 42. AIシステムの「ロバストネス」とは何ですか？ AIシステムが攻撃や異常事態に直面しても正常に機能する能力 AIシステムが物理的に壊れにくいこと AIシステムが高速に動作すること AIシステムが最新の技術を採用していること None 43. 深層強化学習において、「価値関数」とはどのようなものですか？ 環境の状態を予測する関数 エージェントが受け取る報酬の期待値を表す関数 方策を直接決定するためのモデル ディープニューラルネットワークの学習損失を計算する関数 None 44. 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 45. 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 46. AIが「プロセスの公平性」を確保するために行うべき最も重要な取り組みは何ですか？ アルゴリズムがすべての結果を均一に提供すること 特定のグループを排除する結果を生成すること 意思決定プロセスの透明性を確保し、基準を明確化すること ユーザーからのフィードバックを完全に排除すること None 47. 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 48. 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 49. 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 50. 「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 51. 「交差検証（Cross Validation）」の主な目的はどれですか？ モデルの学習速度を向上させる 訓練データの数を増やす モデルの汎化性能を評価する モデルの過学習を完全に防ぐ None 52. 「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 53. 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 54. 最大プーリングを使用することで得られる主な利点は何ですか？ 局所的な特徴が強調される 全ての情報が均等に反映される モデルの計算負荷が増加する 勾配消失が防がれる None 55. 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 56. 正規化層が勾配爆発問題を防ぐ仕組みとして適切なのはどれですか？ 勾配の大きさを一定範囲内に制限する 勾配がゼロになるように調整する 各層の出力を一定の範囲に正規化する ネットワークの深さを削減する None 57. 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 58. 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 59. AIのバイアスを防ぐために、どのような対策が必要ですか？ AIにできるだけ多くのデータを与える 多様なデータを使用し、AIモデルのトレーニングにおいて公平性を評価する 人間の判断を完全に排除する AIモデルがデータを自動で選別する None 60. 深層強化学習における「行動価値関数（Action-Value Function）」とは何ですか？ 行動を選択する確率を示す関数 報酬の割引率を計算する関数 環境の状態を変化させる関数 状態と行動のペアに対する期待される報酬の総和を示す関数 None 61. 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 62. 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 63. 次の中でエキスパートシステムが最もよく使用される分野はどれか？ 自然言語処理 医療診断 画像認識 ロボット制御 None 64. Leaky ReLUを使用する場合、負の入力に対する勾配が大きすぎるとどのような問題が発生しますか？ モデルが過剰に適合する可能性がある 学習が停止する 出力がすべて1になる 勾配がすべて消失する None 65. 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 66. 特許の有効期間は一般的にどれくらいですか？ 出願日から10年 出願日から20年 出願日から50年 出願日から30年 None 67. 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 68. 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 69. 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 70. 音声処理における「スペクトルサブトラクション」の目的は何ですか？ ノイズを除去してクリアな音声を生成する 音声の周波数成分を可視化する 音声データを圧縮する 音声データを分類する None 71. 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 72. 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 73. AIシステムが公平に機能するために必要な「説明可能性（エクスプレイナビリティ）」とは何ですか？ AIが自動で全てを説明すること AIが全てのタスクを迅速に処理すること AIのアルゴリズムを完全に公開すること AIシステムの意思決定プロセスが理解できるように説明されること None 74. 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 75. 音声認識において、最も一般的に使用されるディープラーニングモデルはどれですか？ CNN RNN SVM k-NN None 76. 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 77. エキスパートシステムで、知識ベースが時系列データを取り扱う場合、どのような知識表現が適しているか？ ツリー構造 述語論理 フレーム テンポラルロジック None 78. 特許を取得するために必要な要件に該当しないものはどれですか？ 新規性 進歩性 産業上の利用可能性 登録商標 None 79. 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 80. 機械学習における「ラベルデータ」とは何を指しますか？ 訓練データセットで使用される全ての特徴量のこと 入力データに対応する正解値やカテゴリ情報 学習アルゴリズムのハイパーパラメータ設定 訓練データから抽出された特徴量のセット None 81. グローバルプーリング層が用いられる場面として適切なものはどれですか？ 中間層での特徴抽出 最終的なクラスラベルの出力前 畳み込み層の前処理 活性化関数の適用後 None 82. 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 83. 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 84. 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 85. 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 86. Swish関数をReLUの代わりに使用する利点は何ですか？ より滑らかな勾配で、特定のタスクで性能向上が見込める すべてのニューロンを活性化させる すべての入力をクリッピングする 出力を制限する None 87. 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 88. 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 89. 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 90. 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 91. 「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 92. 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 93. 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 94. 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 95. Layer Normalization（層正規化）が自然言語処理（NLP）タスクにおいて効果的な理由として最も適切なものはどれですか？ シーケンス全体の統計情報を利用するため 各層の出力を独立して正規化するため 時間ステップ間の依存関係を考慮するため ミニバッチに依存せず正規化が可能なため None 96. 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 97. 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 98. 「Actor-Critic」アーキテクチャにおけるActorの役割は何ですか？ 状態価値関数を計算する 行動方針を選択し、エージェントの行動を決定する 報酬を最大化するために環境を変化させる 行動価値関数を評価する None 99. 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 100. AIシステムがサイバー攻撃を受けた場合、何が最優先で行うべき対応ですか？ システムの動作を完全に停止する 攻撃の痕跡を消去する 被害範囲を評価し、迅速に攻撃を封じ込める システムを再起動する None 101. Q学習において、学習の目標は何ですか？ 状態遷移確率を計算する 最適なQ関数を学習し、報酬を最大化する 学習率を最小化する 報酬を無限大にする None 102. 音声処理で使われる「スペクトログラム」は何を表しますか？ 音の周波数成分を時間ごとに可視化したもの 音声の波形データ ノイズ除去の手法 音声データの正規化手法 None 103. 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 104. 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 105. 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 106. 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 107. 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 108. AIが採用面接の評価で候補者の学歴を過度に重視し、特定の集団に不利な評価をしている場合、どのようにバイアスを解消できますか？ 学歴データを削除し、評価基準を見直す 学歴データをさらに強化する 学歴データに基づく評価を続ける 採用システムを停止する None 109. 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 110. 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 111. 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 112. AI開発において、バイアスを排除するための「データクリーニング」の目的は何ですか？ データの数を増やすこと データセットから不正確な情報や偏りのあるデータを取り除き、AIの公平性を向上させること AIが自動で判断を行えるようにすること AIが効率的に動作するためのメモリを増やすこと None 113. 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 114. 「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 115. 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 116. 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 117. 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 118. 正規化層の使用が特に重要となるのはどのようなモデルですか？ 深層ニューラルネットワーク 線形回帰モデル サポートベクターマシン ロジスティック回帰モデル None 119. 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 120. 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 121. 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 122. 「ε-greedy法」とは何ですか？ 探索と活用のバランスをとるための行動選択手法 環境をリセットする手法 学習率を調整するアルゴリズム 報酬を増やすための手法 None 123. 畳み込み層とプーリング層を組み合わせる主な理由は何ですか？ モデルの精度を向上させるため 活性化関数の効果を最大化するため 重みの更新を効率化するため 次元削減と特徴抽出を同時に行うため None 124. 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 125. グラフ探索において、サイクル（循環）が存在する場合にどのように処理するか、最も適切な方法はどれか。 サイクルを無視して探索を続ける サイクルを検出したら、即座に探索を中断する サイクルを検出したら、そのノードを再度訪問しないようにする サイクルを検出することは不可能である None 126. 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 127. 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 128. 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 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. 探索アルゴリズムにおける「ビーム幅」が狭すぎる場合に発生する可能性が高い問題はどれですか？ 探索が無限ループに陥る 計算コストが大幅に増加する 最適解を見逃す可能性がある 探索時間が長くなりすぎる None 131. 音声処理タスクにおいて、雑音を除去するために用いられる技術はどれですか？ ノイズキャンセリング 正則化 勾配クリッピング バッチ正規化 None 132. エキスパートシステムにおける「メタ知識」の役割として最も適切なものはどれですか？ 専門分野に関する詳細な知識を管理する ユーザーの入力を解釈して知識ベースに登録する 時系列データを解析して推論に利用する 推論プロセスを制御し、どのルールを使用するかを判断する None 133. 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 134. 特許出願後に行われる「審査請求」の意義は何ですか？ 出願された発明が特許として認められるかどうかを審査すること 出願内容を変更するための手続き 特許権を他者に譲渡するための手続き 特許出願を取り下げるための手続き None 135. プーリング層で生じる情報の損失に関して、どのような影響がありますか？ 一部の情報が失われるが、重要な特徴は保持される プーリング層は情報損失を避ける 全ての情報が保持される 情報損失は発生せず、情報が増加する None 136. A*アルゴリズムにおいて、ヒューリスティック関数はどのように使用されるか。 次に探索するノードをランダムに選ぶために使用される 現在のノードからゴールまでの予想コストを見積もるために使用される ノードの重み付けを決定し、最適な道を選ぶために使用される 探索が終了する条件を設定するために使用される None 137. 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 138. 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 139. 音声認識において、Transformerモデルを用いることで従来のRNNベースのモデルと比較して得られる主な利点は何ですか？ 時系列データの並列処理が可能になる モデルサイズが小さくなる ノイズの影響を完全に除去できる 訓練データが少なくても高精度を保てる None 140. 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 141. 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 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. ドロップアウト層と正規化層の違いは何ですか？ ドロップアウト層はパラメータを学習するが、正規化層はパラメータを持たない 正規化層は過剰適合を防ぐが、ドロップアウト層は収束を速くする ドロップアウト層はモデルの複雑さを増やす 正規化層はデータのスケーリングを行うが、ドロップアウト層はランダムにニューロンを無効にする None 144. 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 145. 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 146. 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 147. 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 148. 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 149. バッチ正規化が適用されることで、モデルの収束が速くなる理由は何ですか？ 勾配のスケールが安定し、高い学習率を使用できるため パラメータ数が減少するため 正規化によって計算が簡略化されるため 入力データのサイズが増えるため None 150. 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 151. 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 152. AIシステムのセキュリティリスクとして、「モデルインバージョン攻撃」とは何を指しますか？ AIモデルを逆向きに運用する攻撃 AIモデルに入力されたデータから個人情報を復元する攻撃 AIモデルの性能を意図的に低下させる攻撃 AIモデルを完全に破壊する攻撃 None 153. 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 154. AIによる刑事司法システムで、特定の人種が過度に厳しい処罰を受けている場合、その原因として考えられるのは何ですか？ AIが人種データを誤って処理している AIが訓練データに含まれる歴史的なバイアスを学習している AIがデータを適切に解析していない AIがデータをすべて削除している None 155. AI関連技術において「進歩性」が認められない場合、特許出願者が取り得る対応策として適切なのはどれですか？ 出願を取り下げ、別の技術で再出願する 出願内容を公開し、進歩性を補完する 出願内容を変更せずに審査を継続する 補正書を提出し、発明の技術的効果を強調する None 156. 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 157. 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 158. 正規化層を使用することで、モデルの一般化性能にどのような影響がありますか？ モデルの複雑さが増し、過剰適合が進む 勾配が消失しやすくなる モデルの一般化性能が向上する 正規化層の使用は一般化性能に影響しない None 159. AIシステムが公平性を確保する際に重要な「グループ間公正性」とは何を指しますか？ すべてのユーザーに同じ結果を提供すること 異なるグループ間での結果が平等であること 特定のグループのみに有利な結果を提供すること ユーザーに応じて結果を完全に非公開にすること None 160. 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 Time's up
