G検定～模擬試験④～ 2024年12月6日 ailearn 1. 強化学習タスクで「割引率（Discount Factor）」が1に近い場合、エージェントの行動にどのような影響を与えますか？ 長期的な報酬を考慮する行動を取る 即時報酬を優先する行動を取る 短期的な報酬のみを考慮する 行動方針がランダムになる None 2. AIを用いた「監視技術」が民主主義に悪影響を与えるリスクは何ですか？ AIによる監視技術が市民の自由な行動を制限し、抑圧的な社会を作り出す可能性があるため AIが市民のプライバシーを保護するため AIが全てのデータを公開するため AIが選挙の結果を公平に管理するため None 3. 「ボットネット攻撃」が選挙プロセスに悪影響を与える理由は何ですか？ ボットが選挙結果を自動で集計するため ボットが投票を監視するため ボットが偽情報を拡散し、世論を操作する可能性があるため ボットが投票者のプライバシーを保護するため None 4. AIプロジェクトで「フェーズゲートプロセス」を導入する利点は何ですか？ 各フェーズでの進捗と品質を評価し、次のフェーズへの移行を適切に判断できる モデルのパラメータを増やす データ収集の時間を短縮する モデルのトレーニング時間を延長する None 5. AIの普及が「労働市場の分極化」を引き起こす理由として最も適切な説明を選んでください。 全ての労働者が同じスキルを持つようになるため 労働市場全体で同じ労働条件が適用されるため AIが全ての業務を自動化するため 高度なスキルを持つ労働者と、単純作業に従事する労働者の需要に差が生じるため None 6. ドロップアウト正則化とは何ですか？ モデルのパラメータを増加させる手法 特徴量を減少させる手法 学習中にランダムにニューロンを無効にする手法 データを増やす手法 None 7. モデル選択において、「バイアス・バリアンスのトレードオフ」を最適化する理由として正しいのはどれですか？ 訓練データへの適合度を最大化するため 汎化性能を向上させるため 訓練時間を短縮するため ハイパーパラメータを固定するため None 8. Self-Attentionが畳み込み層（CNN）に比べて特に優れている点として最も適切なのはどれですか？ 空間的な関係を直接学習できるため 並列処理が可能なため 長距離依存関係を直接学習できるため ノイズ耐性が高いため None 9. AI技術が労働市場で新たな雇用機会を創出する例として、最も適切なものを選んでください。 単純作業の自動化による職種削減 AI開発者やデータサイエンティストなどの新しい職種の需要増加 全ての業務をAIに置き換えることによる労働者の削減 AIを利用した職種の全面的な廃止 None 10. 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 11. AIの環境負荷を軽減するための取り組みとして最も適切なものを1つ選んでください。 データセンターの電力を再生可能エネルギーで供給する AIモデルを大規模化し、トレーニング頻度を増加させる 古いAIハードウェアを積極的に使用し続ける 計算資源をより多く利用するプログラムを開発する None 12. 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 13. マルチモーダル学習において、一般的に使用される2つのモダリティの組み合わせは何ですか？ 画像と音声 画像とテキスト 音声とテキスト すべてのモダリティを同時に使う None 14. AIが民主主義社会における選挙運営を支援する際の主な課題として最も適切なものを選んでください。 選挙の公正性と信頼性を確保する方法 選挙プロセスをすべて非公開にする方法 有権者の情報を収集せずに意思決定する方法 AIが選挙運営に関与しない方法 None 15. 誤差逆伝播法を使用する際の「学習率」の役割は何ですか？ モデルの精度を向上させる データのバッチサイズを決定する 訓練データの数を増やす 勾配の更新量を調整する None 16. 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 17. データ拡張が正則化手法として機能する理由はどれですか？ モデルの構造を簡素化するため トレーニングデータの多様性を高め、汎化性能を向上させるため モデルの重みをスパースにするため 学習率を最適化するため None 18. AIプロジェクトにおいて、なぜ「データガバナンス」が重要視されるのですか？ モデルの精度を向上させるため モデルのトレーニングを加速させるため データのスケールを調整するため データの管理と利用が法律や規制に適合していることを確認するため None 19. 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 20. Transformerモデルでの「位置エンコーディング（Positional Encoding）」が必要な理由として最も適切なのはどれですか？ 入力データのスケールを調整するため 計算コストを削減するため データ拡張のため 順序情報をモデルに組み込むため None 21. 「方策勾配法」とは何を指しますか？ 行動選択をランダムに行う方法 方策を直接最適化するためのアルゴリズム Q値を更新するための方法 状態遷移モデルを学習する方法 None 22. 二値分類において、モデルの「再現率（Recall）」が高いということは何を意味しますか？ モデルが正例を正確に予測している割合が高い モデルが負例を正確に予測している割合が高い モデルの誤分類率が低い モデルの予測精度が高い None 23. AI技術を活用した「職業マッチングシステム」が労働市場に与える効果として適切なものを選んでください。 労働者の能力や希望に関係なくランダムに職を紹介する 全ての職業をAIで置き換える 労働者のスキルや希望条件を基に、適切な職業を効率的に提案する 労働市場の公平性を低下させる None 24. AIの進展によって「労働法」がどのように影響を受けるか、適切な説明はどれですか？ AIが全ての労働法を無効化する AIが労働法の適用を無視する AIが全ての労働者を保護する AIを導入した労働環境における新たな労働者保護の必要性が生まれる None 25. 正則化が特に重要とされるのはどのような状況ですか？ 特徴量が多く、データ量が少ない場合 データ量が十分に多い場合 モデルが単純な場合 モデルのパラメータが固定されている場合 None 26. AIプロジェクトの進行中に「倫理的考慮」が必要な理由は何ですか？ モデルのトレーニング時間を短縮するため モデルの学習率を最適化するため モデルのパラメータを削減するため AIモデルが社会的に有害な影響を与えないようにするため None 27. 誤差逆伝播法を使用する際に、バッチサイズが大きい場合の利点は何ですか？ モデルが学習する速度が遅くなる 計算が並列化されやすくなる 学習率を下げる必要がある 過剰適合のリスクが増す None 28. 正則化手法として「Early Stopping」とは何ですか？ モデルの訓練を短縮する方法 学習率を動的に調整する手法 訓練データの量を減らすこと モデルの訓練を早期に停止する手法 None 29. 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 30. AUC-ROCスコアが0.5の場合、モデルの性能について何を示していますか？ モデルが非常に正確である モデルが過学習している モデルが常に正確に予測する モデルがランダムな推測と同等である None 31. 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 32. 複数のAI企業が共通のアルゴリズムを利用して価格を設定し、それによって市場価格が一定水準に固定された場合、どのような独占禁止法違反に該当する可能性がありますか？ 私的独占 優越的地位の濫用 再販売価格維持 不当な取引制限（カルテル） None 33. AIが「カーボンニュートラル」の実現に貢献する方法として適切なものを1つ選んでください。 温室効果ガスの排出量を予測し、削減プランを提案する 化石燃料の使用を推奨するモデルを構築する データセンターの冷却効率を低下させる 排出量削減のための取り組みを記録せず進捗を把握しない None 34. モンテカルロ法はどのように強化学習に利用されますか？ エピソード全体の報酬を利用して方策を更新する 行動を完全にランダムに選択する 状態遷移モデルを学習する Q値を即座に更新する None 35. DQN（Deep Q-Network）の特徴として正しいものはどれですか？ Q値を直接テーブルに保存する 環境モデルを使用する 行動選択が完全にランダムである ニューラルネットワークを用いてQ値を近似する None 36. AIによる「自然災害の予測」が環境保護に寄与する理由は何ですか？ AIが災害を引き起こすため 自然災害を予測し、被害を最小限に抑えるための対策を事前に講じることができるため AIが災害を無視するため AIが全ての災害データを削除するため None 37. 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 38. AIプロジェクトにおけるデータの前処理の役割は何ですか？ モデルの精度を低下させる データのノイズを削減し、モデルが学習しやすい状態にする アルゴリズムを選定するためのプロセス データを削除する手法 None 39. 誤差逆伝播法において「勾配爆発問題」が発生する原因として最も適切なものはどれですか？ 学習率がゼロになるため 重みが適切に初期化されないため 活性化関数がリニアであるため 層ごとの勾配の積が大きくなるため None 40. Attentionメカニズムが従来のSeq2Seqモデルに比べて優れている点は何ですか？ 計算量が少ない モデルのサイズが小さい 学習速度が常に速い 長距離依存性を捉える能力が高い 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. 強化学習において「ハイパーパラメータの調整」で重要な項目は何ですか？ 環境の状態数 エピソードの長さ Q値の初期値 学習率や割引率、探索率 None 43. TransformerモデルがRNNに比べて計算効率が高い理由は何ですか？ パラメータ数が少ないから 訓練データを使わないから 勾配爆発が発生しないから 並列処理が可能だから None 44. 誤差逆伝播法の学習率が高すぎると、どのような影響がありますか？ 学習が遅くなる モデルが収束しない可能性がある 過剰適合が進行する モデルの精度が向上する None 45. 強化学習の「状態」とは何を表していますか？ エージェントが選択した行動 環境の現在の状況や情報を示すもの エージェントが受け取った報酬 学習プロセスのパラメータ None 46. 誤差逆伝播法で計算される勾配は、どのようにして求められますか？ 順伝播計算を行う 偏微分を用いる フィッティング関数を適用する 特徴量の平均を取る None 47. AI企業が市場での競争を抑制するために、競合他社との価格競争を避けるための協定を結んだ場合、どのような罰則が科される可能性がありますか？ 営業秘密の保護強化 特許権の取得 市場支配権の強化 公正取引委員会による排除措置命令と罰金 None 48. AIが民主主義に悪影響を与える「情報操作」の一例として、適切なのはどれですか？ AIが正確なデータを提供する AIが特定の情報を意図的に拡散し、世論を操作する AIが全てのデータを削除する AIが選挙の透明性を向上させる None 49. ドロップアウトの目的は何ですか？ モデルの複雑さを増す 学習を加速する 特徴選択を行う 過剰適合を防ぐ None 50. AIプロジェクトにおける「データドリブンな意思決定」とは何ですか？ データの収集を行う手法 データに基づいて意思決定を行い、主観的な判断を最小限に抑える手法 モデルの精度を最大化する手法 データセットを圧縮する手法 None 51. AIを利用した「デジタルガバメント」の普及が進む中で、どのように民主主義が影響を受ける可能性がありますか？ 政府の効率が低下する 政府がAIを通じて市民の声を迅速に反映し、政策形成に役立てることができる 政府がAIに依存して意思決定を行わなくなる AIが市民の意見を無視するようになる None 52. モデルの選択において、あるモデルがトレーニングデータに対して非常に良い性能を示すが、テストデータに対して性能が低い場合、何が起こっていますか？ モデルはオーバーフィッティングしている モデルはアンダーフィッティングしている モデルは訓練が不足している モデルは適切に訓練されている None 53. AI技術を有する大企業が、新規参入者を市場から排除するために特許権を乱用する場合、どのような法的問題が生じる可能性がありますか？ 特許法違反 著作権法違反 独占禁止法違反の「市場支配的地位の乱用」に該当する可能性 商標法違反 None 54. L1正則化とL2正則化の違いは何ですか？ 計算方法が異なる L1は特徴選択を促進し、L2は全ての重みを小さくする L1は線形回帰に使用され、L2はロジスティック回帰に使用される L1は大規模データに適しており、L2は小規模データに適している None 55. 正則化における「パラメータの重み減衰」とは何を指しますか？ モデルの複雑さを増やすこと モデルのパラメータを大きくすること モデルのパラメータを小さくすること 学習率を上げること None 56. 正則化手法として「早期停止（Early Stopping）」が特に効果的である理由として最も適切なのはどれですか？ モデルの計算コストを削減できるため トレーニングデータに対する適応を強化できるため 過学習を防ぎ、モデルの性能を最大化できるため 重みの正規化を実現できるため None 57. 強化学習において、エージェントが環境の動作を直接観察できない場合に使用されるモデルはどれですか？ Q学習 DQN 部分観測マルコフ決定過程（POMDP） SARSA None 58. マルチモーダル学習における「クロスモーダル学習」とは何ですか？ 1つのモダリティのみを使用する手法 モダリティごとに異なる学習率を設定する手法 モダリティごとに別々のデータセットを使用する手法 異なるモダリティ間で学習した知識を活用する手法 None 59. L1正則化を使用した場合、モデルの重みにスパース性が生じる主な理由は何ですか？ 重みの二乗をペナルティとして追加するため バッチサイズを調整するため 重みの絶対値に基づいてペナルティを課すため 活性化関数の変更による影響 None 60. Transformerモデルにおける「デコーダー」の主な役割は何ですか？ 出力シーケンスを生成する 入力データをエンコードする 重みを学習する 勾配を更新する None 61. AIを使った「環境モニタリングシステム」の目的は何ですか？ 環境データを削除すること 全ての環境データを隠すこと AIが自動で自然を修復すること 環境状況をリアルタイムで監視し、汚染や森林伐採などの環境変化を早期に検知すること None 62. AIプロジェクトの「MLOps（Machine Learning Operations）」が必要とされる理由は何ですか？ モデルの学習時間を短縮するため AIモデルの開発、デプロイ、運用を効率的に管理・自動化するため データの前処理を効率化するため モデルの精度を向上させるため None 63. 「方策勾配法」が「価値反復法」と異なる点はどれですか？ 即時報酬を直接最適化する 方策（ポリシー）を直接最適化する 状態遷移モデルを必要とする 勾配消失問題を完全に解消する None 64. AIによる「プライバシー侵害」が民主主義に悪影響を与える理由は何ですか？ AIが市民のプライバシーを保護するため AIが市民のプライバシーを侵害し、市民が自由に発言できない環境を作り出すため AIがすべてのプライバシーデータを削除するため AIが投票プロセスを保護するため None 65. 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 66. 正則化の効果を評価するために、どの手法を使用することが一般的ですか？ トレーニングデータの精度 テストデータの精度 バリデーションデータの精度 全ての選択肢 None 67. マルチモーダル学習で「相互情報量（Mutual Information）」が重要とされる理由は何ですか？ モダリティごとの学習速度を比較できる モダリティ間のデータ分布を可視化するため モデルのトレーニングコストを削減するため 各モダリティの相関関係を定量化し、情報共有を最適化できる None 68. 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 69. AI企業が複数の競合他社と共同で市場支配的地位を強化するための行動は、どのような独占禁止法違反に該当しますか？ 共同販売行為 共同研究開発行為 共同での市場独占行為 営業秘密の保護行為 None 70. 正則化が有効に機能するために、モデルの選択で考慮すべきことは何ですか？ データの前処理 モデルの複雑さ 使用するアクティベーション関数 全ての選択肢 None 71. モデル評価において、AUC-ROC曲線を利用する利点は何ですか？ 学習率を決定する 異なる閾値におけるモデルの性能を視覚的に評価できる モデルのパラメータ数を減少させる 訓練データのサイズを増やす None 72. AIプロジェクトで「モデルのドリフト」が発生する原因は何ですか？ モデルのチューニングが不十分なため モデルのトレーニング時間が短すぎるため 時間の経過とともにデータの分布が変化し、モデルが正しく予測できなくなるため モデルの精度が最適化されているため None 73. AI技術によって実現される「スマート農業」の目的は何ですか？ 農業プロセスを効率化し、エネルギーと水資源の消費を最小限に抑えること すべての農業活動を自動化してコストを削減する 農業生産を停止すること 機械がすべての農作物を収穫すること None 74. AIの発展が民主主義に与える影響として懸念されている点はどれですか？ AIが選挙プロセスを操作し、特定の候補者に有利な結果を導く可能性 AIが国民の意思を正確に反映すること AIが全ての投票を公開すること AIが国民全員に投票権を与えること None 75. AIを活用した「リモートワーク」の普及が労働政策に与える影響として適切なのはどれですか？ 労働者の全ての権利が自動的に保護される AIが全ての労働者を直接監視する 労働者の賃金が必ず上昇する 労働環境が柔軟になり、ワークライフバランスが向上する可能性がある None 76. AIが「非正規雇用」に与える影響として最も適切なのはどれですか？ AIによる自動化が非正規雇用の削減を促進し、労働市場の不安定さが増す可能性がある AIが全ての非正規労働者を解雇する AIが全ての非正規労働者を正規雇用に変える AIが非正規雇用を無視する None 77. AIを用いた「都市交通システムの最適化」が環境保護に寄与する理由は何ですか？ AIが交通量を増加させる AIが交通渋滞を緩和し、エネルギー消費と排出ガスの削減を実現する AIが全ての交通データを削除する AIが交通システムを無視する None 78. マルチモーダル学習における「共通潜在空間（Common Latent Space）」とは何ですか？ 各モダリティを別々に学習する空間 異なるモダリティのデータを同じ次元にマッピングする空間 モダリティのデータを圧縮する空間 モダリティのデータをドロップアウトする空間 None 79. Self-Attentionが畳み込み層と異なる点はどれですか？ Self-Attentionは局所的な情報のみを扱う Self-Attentionは画像データに適用されない Self-Attentionは順序情報を考慮しない Self-Attentionはグローバルな情報に焦点を当てる None 80. どの正則化手法が特徴選択に最も適しているか？ L1正則化 L2正則化 ドロップアウト バッチ正則化 None 81. 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 82. マルチモーダル学習で「相補的モダリティ」とは何を指しますか？ 異なるモダリティが相互に補完し合うことで情報を強化する モダリティが互いに独立して学習されること モダリティが交互に処理されること すべてのモダリティが同じ情報を提供すること None 83. AIの導入によって労働者の「心理的負担」が増加する可能性がある理由は何ですか？ AIが全ての労働者の心をケアするため AIによる労働者の監視や生産性向上の圧力が、ストレスや不安を引き起こす可能性があるため AIが労働者の仕事を減らすため AIがすべての仕事を手動で行うため None 84. AIプロジェクトにおいて、「スケーラビリティ」を考慮する理由は何ですか？ プロジェクトが拡大した際に技術やシステムが対応できるようにするため 開発コストを削減するため データの可視化を行うため モデルの精度を向上させるため None 85. 強化学習において「エージェント」とは何を指しますか？ 環境の状態 行動を選択して報酬を得る主体 学習アルゴリズム 状態遷移モデル None 86. AIが労働市場に与える最も一般的な影響として適切なのはどれですか？ AIが一部の単純作業を自動化し、生産性を向上させる AIが全ての労働者の仕事を奪う AIが全ての仕事を人間に戻す AIが労働者の賃金を常に上げる None 87. Attentionスコアを計算する際に、「スケールドドットプロダクト（Scaled Dot-Product）」が使用される理由として最も適切なのはどれですか？ 計算を高速化するため 勾配消失を防ぐため スコアのスケールを調整して数値が大きくなりすぎるのを防ぐため データを正規化するため None 88. AIプロジェクトの進行において「過学習」を防ぐために使用される技術はどれですか？ データのスケーリング 学習率の増加 ドロップアウト データの削減 None 89. AIを利用して政策の決定を効率化する場合、透明性を確保するために最も重要な取り組みとして適切なものを選んでください。 AIアルゴリズムの動作を非公開にする 政策の決定を完全にAIに依存する 市民の意見を考慮せずに決定する 意思決定に用いられたデータとロジックを市民に公開する None 90. 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 91. AIが選挙における「ターゲティング広告」に悪用されるリスクは何ですか？ AIが候補者のデータを削除する AIが全ての候補者を平等に紹介する AIがすべての広告をブロックする AIが特定の有権者層に対して個別に広告を表示し、特定の候補者への投票を促す None 92. 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 93. Transformerモデルで使用されるAttentionの形式は何ですか？ Global Attention Soft Attention Self-Attention Local Attention None 94. AIによる「フリーランス労働者」の保護に関して最も重要な課題はどれですか？ AIが全てのフリーランス労働者を支援する AIがフリーランス労働者を監視する AIがフリーランス労働者を無視する フリーランス労働者が社会保障や健康保険などの権利を持たない可能性があるため、AI技術を用いた労働者保護の枠組みが必要である None 95. マルチモーダルAIモデルが「データスケールの不一致」に直面する理由はどれですか？ 各モダリティのデータ量やスケールが異なるため モダリティ間で使用されるアルゴリズムが異なるため データのラベルが不十分なため モデルのトレーニングが不完全なため None 96. 誤差逆伝播法における「連鎖律」を適用する主な目的は何ですか？ ネットワーク全体の勾配を効率的に計算するため 学習率を動的に変更するため 損失関数を最適化するため 勾配消失を完全に防ぐため None 97. ドロップアウト率が非常に高い場合、トレーニング中のモデルにどのような影響がありますか？ モデルの汎化性能が大幅に向上する 過学習が発生する 損失関数が急速に減少する モデルの学習が進まなくなる可能性がある None 98. BERTのようなトランスフォーマーモデルがマルチモーダル学習に活用される理由は何ですか？ 音声認識精度を向上させるため モダリティごとのデータを圧縮できるため テキストデータと他のモダリティの関係を効率的に学習できるため モデルのパラメータを減少させるため None 99. AIプロジェクトを進める際に最初に行うべきステップはどれですか？ データ収集 モデルの選択 ビジネス課題の明確化 アルゴリズムの実装 None 100. マルチモーダル学習において「アテンションメカニズム」が導入される理由は何ですか？ 各モダリティ間の関連性に重みを付けて学習するため モダリティ間の非同期データを処理するため データのノイズを除去するため モデルのパラメータ数を減少させるため None 101. あるデータセットにおいてクラスの不均衡が存在する場合、モデルの評価指標としてどの指標を優先すべきですか？ F1スコア 精度 MSE（平均二乗誤差） 交差エントロピー損失 None 102. AIによる「市民の意見集約」が民主主義において有効である理由は何ですか？ AIが市民の意見を無視するため AIがすべてのデータを削除するため AIが膨大な市民の意見を迅速に集約し、政策形成に反映させることができるため AIが市民に投票を促すため None 103. AIが民主主義を促進するための取り組みとして適切でないものを選んでください。 市民の意見を集約するためのAIツールの導入 政策立案時にAIを利用して多様な意見を分析する 選挙プロセスをAIで完全に自動化し市民の関与を排除する データ駆動型の意思決定で客観性を確保する None 104. AIの導入に伴い「労働時間」が短縮される可能性がある理由は何ですか？ AIが全ての仕事を終わらせるため AIが労働者に仕事を与えないため AIが生産性を向上させることで、従来より短い時間で仕事が完了するため AIが全ての労働者を解雇するため None 105. 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 106. 「私的独占」とは何ですか？ 企業が市場で競争を排除または制限し、支配的な地位を築く行為 企業が価格を統一すること 企業が技術を開発すること 企業が他社の商品を模倣すること None 107. AIによる「バイアス」が民主主義に与える影響として適切なのはどれですか？ AIが公正な判断を常に行う AIが特定のグループに不公平な結果をもたらし、社会的不平等が助長される可能性がある AIがすべてのデータを削除する AIが投票結果を操作する None 108. AI技術を持つ企業が、自社技術の利用を他企業に制限するために行う行為は、どのような独占禁止法違反となる可能性がありますか？ 再販売価格維持行為 不当取引制限 特許権の無効化 営業秘密の公開 None 109. DQN（Deep Q-Network）で使用される「経験再生（Experience Replay）」の主な目的はどれですか？ 訓練データを増やす ネットワークの重みを初期化する 報酬をリセットする データの非依存性を高め、効率的な学習を実現する None 110. Self-Attentionにおいて、「クエリ（Query）」「キー（Key）」「バリュー（Value）」の役割は何ですか？ クエリは注目する要素、キーはその要素に関連する情報、バリューはその結果の重み付け クエリはモデルの出力、キーは入力、バリューは誤差 クエリは訓練データ、キーは予測結果、バリューは正解データ クエリ、キー、バリューの役割は全て同じ None 111. AIプロジェクトにおいて、モデル運用後に「継続的モニタリング」が求められる理由はどれですか？ モデルの性能低下やデータドリフトを検出し、適切な対策を講じるため モデルの精度が常に向上するよう調整するため モデルを廃止するタイミングを決定するため 新しいモデルをすぐに導入するため None 112. AIプロジェクトにおいて「プロジェクトゴール」を文書化する主な理由はどれですか？ 法的な問題を回避するため スコープの変更を容易にするため ステークホルダー間の目標共有を確実にするため プロジェクトメンバーを増員するため None 113. 強化学習における「報酬」とは何を指しますか？ 環境の変化を表す数値 エージェントが受け取る行動の効果 エージェントの行動に対するフィードバックとして与えられる数値 学習率を調整する値 None 114. マルチモーダルデータを扱う際に重要なことは何ですか？ 各モダリティのデータ特性を理解し、適切な統合方法を選択すること すべてのモダリティで同じ学習アルゴリズムを使用すること データサイズを均等にすること モデルを大きくすること None 115. モデルの選択において、「エンコーディング技術」を利用する際の目的は何ですか？ モデルのサイズを削減する データの次元を削減する データの前処理を行う カテゴリ変数を数値に変換して、モデルに適した形式にする None 116. 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 117. 独占禁止法がAI分野において「データ独占」に適用される場合、問題となる主な理由は何ですか？ データを所有する企業が他社の市場参入を不当に制限するため データが無料で提供されるため データが適切に保護されないため データの収集方法が違法であるため None 118. L2正則化のペナルティ項はどのように計算されますか？ 重みの絶対値の和 重みの二乗和 重みの平方根の和 重みの対数和 None 119. マルチモーダルAIが直面する課題の一つに「モダリティ欠損」があります。この問題への最適な対処法はどれですか？ 欠損モダリティを完全に除外する モデルの複雑性を増やす 他のモダリティから欠損モダリティを補完する技術を使用する 欠損モダリティの影響を無視する None 120. AI技術が「都市計画」において環境保護に貢献する方法はどれですか？ 全ての建物を自動で建設する 都市の人口を増加させる 都市の交通やエネルギー消費を最適化し、持続可能な都市を設計する AIが全ての都市データを削除する None 121. AIを使った「持続可能な漁業管理」の目的は何ですか？ すべての魚を捕獲すること 漁業活動を停止すること 海洋環境を監視しないこと 魚群の動きを予測し、乱獲を防止すること None 122. AI技術を持つ企業が、市場で競争を排除するために「排他的取引契約」を結ぶことは、独占禁止法に違反する可能性がありますか？ はい、特定の取引先にのみAI技術を提供する行為は競争を制限する可能性がある いいえ、取引契約は自由に結ぶことができる はい、AI技術を他社に無償で提供する場合のみ違反となる いいえ、独占禁止法は取引契約には適用されない None 123. 強化学習における「割引率（ディスカウントファクター）」の役割は何ですか？ 未来の報酬の価値を現在の報酬と比較するため 学習率を決定する 行動選択を調整する 環境の動きを変化させる None 124. AIプロジェクトにおける「POC（Proof of Concept）」の目的は何ですか？ AIモデルの実装を完了させること プロジェクトのビジネス価値を検証すること データ収集の方法を決定すること AIツールの購入を進めること None 125. 公正取引委員会の役割は何ですか？ 企業が自由に競争できるようにするための助成金を提供する 独占禁止法の遵守を監視し、違反行為に対して排除措置や罰則を課す機関 企業の価格設定を行う 企業の市場シェアを管理する None 126. マルチモーダル学習のタスクにおいて、エラーが発生しやすい要因として考えられるのはどれですか？ データが大量であること モデルが小さいこと モダリティ間の非同期性やデータの欠落 データが多様でないこと None 127. 「モダリティドロップアウト」はどのような状況で使用されますか？ すべてのモダリティを無視して学習するため 一部のモダリティが欠損している場合に学習を続けるため モダリティ間の相互作用を無視するため モダリティごとの精度を増やすため None 128. AIプロジェクトにおける「ROI（Return on Investment）」の評価はなぜ重要ですか？ プロジェクトの成功や失敗を金銭的な観点で評価するため データの質を向上させるため モデルの精度を計算するため プロジェクトの規模を縮小するため None 129. 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 130. マルチモーダル学習における「中間統合（Intermediate Fusion）」の特徴は何ですか？ モダリティの特徴を複数の段階で統合する すべてのモダリティのデータを最初に統合する モダリティごとに個別に学習し、最後に統合する モダリティを同時に処理するが別々の出力を得る None 131. マルチモーダルデータの統合方法として「初期統合（Early Fusion）」が示す方法は何ですか？ 各モダリティを個別に学習し、結果を統合する モダリティごとに別々に最適化する モダリティを特徴抽出の初期段階で統合する モダリティを学習の最後に統合する None 132. AIが「デジタル独裁」の実現に利用されるリスクを最小化するための重要な取り組みとして適切なものを選んでください。 AIを利用して市民を監視し続ける AIシステムの運用に法的規制と国際基準を導入する AIをすべての政府運営から排除する AIを利用して情報操作を進める None 133. AIが民主主義において「デジタル独裁」を助長するリスクは何ですか？ AIがすべての市民の投票を監視する AIが民主的な選挙をサポートする AIが市民のプライバシーを保護する AIが政府による市民監視を効率化し、独裁的な体制の強化を支援するリスクがある None 134. 強化学習を用いたロボットの制御タスクにおいて、エージェントが「サンプル効率」を高めるために考慮すべき手法はどれですか？ 環境の動作を完全にランダムにする モデルベースの手法を導入する 行動選択を完全にランダムにする 環境の状態を簡素化する None 135. 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 136. AIによる自動化が進展する分野で特に懸念される問題は何ですか？ AIが労働者のプライバシーを保護する AIが職場の安全を確保する AIが低スキルの仕事を奪い、失業率の上昇を引き起こす可能性がある AIが労働者の賃金を大幅に増加させる None 137. ドロップアウト率を高く設定すると、どのような影響がありますか？ モデルの精度が向上する 学習が遅くなる モデルのパフォーマンスが低下する可能性がある モデルのメモリ使用量が減少する None 138. AIが「自然災害の影響予測」において果たす役割として正しいのはどれですか？ AIが災害を引き起こす AIが災害の影響を無視する AIが全ての災害データを削除する AIが気象データや地震データを分析し、自然災害の発生リスクを予測する None 139. バッチ正則化が効果的でない状況はどれですか？ 学習率が非常に高い場合 ミニバッチサイズが小さい場合 モデルが非常に浅い場合 入力データが標準化されていない場合 None 140. AIがソーシャルメディアでの「フィルターバブル」を作り出すことが民主主義にどのような影響を与えるか？ 多様な意見が反映される 一部の情報だけが強調され、意見の多様性が失われる 全ての情報が平等に伝えられる フェイクニュースが完全に排除される None 141. 誤差逆伝播法の計算中に「連鎖律」を使用する理由は何ですか？ モデルを簡素化するため 勾配を効率的に計算するため 計算時間を短縮するため アクティベーション関数を選択するため None 142. マルチモーダルAIモデルにおいて、クロスモーダル生成（Cross-Modal Generation）が特に効果的な応用例はどれですか？ センサー異常検知 自動運転車の経路最適化 映画の字幕生成 医療データ解析における画像生成 None 143. マルチモーダルモデルの評価指標としてよく使われるのはどれですか？ クロスエントロピー 精度（Accuracy） BLEUスコア F1スコア None 144. 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 145. 強化学習における「探索的行動」と「活用的行動」のバランスを調整するためのϵ-グリーディ法の仕組みはどれですか？ 常にランダムな行動を選択する 一定の確率で最適行動を選択し、それ以外はランダムな行動を取る 最適行動のみを選択する 確率分布に基づいて行動を選択する None 146. AI企業が取引先に対して「優越的地位の濫用」を行った場合、企業が負うリスクは何ですか？ 市場シェアの向上 営業秘密の開示 特許権の譲渡 公正取引委員会による排除措置命令と罰金 None 147. 強化学習のタスクにおいて、エージェントが報酬を長期的に最大化するために実装すべき戦略はどれですか？ 行動を完全に固定する 報酬を短期的なものに依存させる 環境の状態を無視する 割引率を設定して未来の報酬を考慮する None 148. 注意機構（Attention）のスコアを計算するために使用される主な手法はどれですか？ 内積（Dot Product） 和の積（Sum Product） 活性化関数 誤差逆伝播法 None 149. AIプロジェクトを成功させるために、クロスファンクショナルチームの重要性は何ですか？ すべてのメンバーがデータサイエンスの専門家であるため 開発コストを削減するため データ収集に特化したチームを構成するため 技術面だけでなく、ビジネス面や法的要件などの多角的な視点が必要なため None 150. Attentionメカニズムの主な目的は何ですか？ 訓練データの数を増やす 重要な情報に焦点を当て、不要な情報を無視する 計算リソースを削減する 勾配消失問題を防ぐ None 151. マルチモーダル学習の実用例として、正しいものはどれですか？ 音声データを使った機械翻訳 画像とテキストを組み合わせた自動キャプション生成 テキスト分類のみを行う 音声のみで動物の画像を分類する None 152. マルチモーダル学習とは何ですか？ 単一のデータソースを使用してモデルを訓練する手法 複数の異なるデータモダリティ（例: 画像、音声、テキスト）を統合して学習する手法 異なるネットワーク構造を比較する手法 データの前処理を行う手法 None 153. 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 154. Self-Attentionはどのような仕組みですか？ 各入力の要素が、他のすべての要素と相互作用し、注目する モデルの全体の重みを調整する 出力層に適用される正則化手法 過剰適合を防ぐためのドロップアウト None 155. 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 156. バッチ正則化（Batch Normalization）が、学習速度を向上させる理由として最も適切なのはどれですか？ モデルの出力次元を削減するため 各層の入力分布を正規化し、学習を安定化するため ドロップアウト率を調整するため 重みの初期化を最適化するため None 157. 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 158. AIプロジェクトの進行管理において、「アジャイル開発」が選ばれる理由は何ですか？ 開発プロセスが迅速で、柔軟に変更に対応できるため 全てのプロジェクトフェーズを一度に完了できるため データの前処理を効率化できるため 開発コストが削減されるため None 159. マルチヘッドアテンションを使うことで得られる主な利点は何ですか？ 並列処理による計算効率の向上 パラメータ数が減少する 複数の異なる視点から情報を取得でき、表現力が向上する 過剰適合を防ぐ None 160. AIプロジェクトで「反復的な改善プロセス」を採用するメリットとして最も適切なものはどれですか？ モデルを頻繁に変更しないことで安定性を保てる 小さな失敗を早期に発見し、改善する機会を得られる プロジェクトのスコープを無制限に広げられる 初期段階で詳細な要件定義が不要になる None Time's up
