G検定～模擬試験④～ 2024年12月6日 ailearn 1. 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 2. 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 3. 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 4. 「マルチヘッドAttention」が、単一のAttentionに比べて優れている理由として最も適切なのはどれですか？ 計算コストが大幅に削減されるため モデルが異なる特徴を並列に学習できるため ソフトマックス関数の精度が向上するため 出力次元数を減少させるため None 5. 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 6. 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 7. 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 8. L1正則化を使用するとどのような効果がありますか？ 特徴選択を促進する 重みを均等に減少させる モデルのパラメータ数を増加させる 学習速度を遅くする None 9. 誤差逆伝播法で計算される出力層の誤差はどのように求められますか？ 出力値と実際の値の差を計算する 重みの二乗和を計算する アクティベーション関数の出力を平均する 勾配を二乗する None 10. 誤差逆伝播法において、学習率が非常に低い場合に発生する可能性がある問題はどれですか？ 勾配がゼロになる 学習の収束が遅くなる 勾配が発散する 損失関数が振動する None 11. 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 12. AIが「賃金格差」の拡大に寄与する可能性がある理由は何ですか？ AIが全ての賃金を平等にするため AIがすべての賃金を自動で管理するため AIが高スキルの労働者に対して高賃金を提供する一方、低スキルの労働者は賃金が減少する可能性があるため AIが労働者の賃金を無視するため None 13. 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 14. AIを活用する企業が「情報交換」を行う場合、独占禁止法上、注意が必要な行為として適切なのはどれですか？ 技術情報の共有 価格設定に関する情報交換 顧客満足度に関する情報共有 公開されたデータの利用 None 15. AIの発展により「技能再教育」が必要とされる理由は何ですか？ AIが全てのスキルを自動化するため AIが全ての仕事を消滅させるため AIが労働者のスキルを無視するため AIが新たな職種や高度なスキルを求める一方で、従来のスキルが不要になるため None 16. 誤差逆伝播法における「勾配消失問題」とは何ですか？ 勾配が小さくなりすぎてパラメータの更新が行われなくなること 学習速度が遅くなること 重みが大きくなりすぎること モデルの精度が低下すること None 17. モデルの選択において、交差検証の主な目的は何ですか？ 訓練データのサイズを増やす モデルの一般化性能を評価するため ハイパーパラメータを決定するため 学習速度を改善するため None 18. 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 19. 強化学習において、「エピソード」という用語が示すものは何ですか？ 環境内での単一の行動 状態から次の状態への遷移 エージェントが初期状態から終了状態に到達する一連の相互作用 モデルのハイパーパラメータを調整するプロセス None 20. 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 21. AIによる「フェイクニュースの拡散」が選挙に与える影響として正しいのはどれですか？ AIが正確な情報を提供する AIがすべての情報を削除する AIが候補者を公平に紹介する AIが誤った情報を拡散し、選挙結果に不当な影響を与える None 22. AI関連のカルテルに該当する行為はどれですか？ 競合するAI企業が価格設定に関して協定を結ぶ行為 AI技術を共有する行為 AIの研究開発を共同で行う行為 AI技術を他社にライセンスする行為 None 23. 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 24. 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 25. 正則化がモデルの汎化性能を向上させる主な理由は何ですか？ モデルの重みをゼロに設定するため モデルの自由度を制限し、過剰適合を防ぐため トレーニングデータを増やすため 訓練時間を短縮するため None 26. モデルの汎化性能を評価するために、トレーニングデータとテストデータを分割する際に注意すべき点はどれですか？ データの分布が均一になるようにする テストデータをトレーニングデータよりも多くする すべてのデータをトレーニングに使用する トレーニングデータを無作為に選択しない None 27. 誤差逆伝播法が適用されるネットワークにおいて、隠れ層の数が多い場合、何が懸念されますか？ 学習速度が速くなる 計算コストが低くなる 過剰適合のリスクが増える モデルの解釈が容易になる None 28. AIによる「海洋汚染の監視」のメリットは何ですか？ AIが海洋環境を継続的に監視し、汚染源を特定しやすくする AIが全ての汚染を隠す AIが全ての海洋データを削除する AIが海洋汚染を促進する None 29. 誤差逆伝播法における「ミニバッチ学習」とは何ですか？ 全データを一度に使用する方法 一つのデータポイントだけを使用する方法 データを小さなバッチに分けて学習する方法 特徴量を縮小する方法 None 30. 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 31. AI企業が他社の参入を妨げるために実施した価格操作は、どのような独占禁止法違反行為に該当しますか？ 再販売価格維持行為 共同研究契約 不当廉売（ダンピング） 営業秘密の開示 None 32. AI時代における「柔軟な働き方」の推進が労働政策で重要視される理由として適切なものを選んでください。 全ての労働者を一箇所に集める必要があるため リモートワークやフリーランス労働が拡大し、柔軟な働き方が求められるため 労働時間を固定化するため 労働者の自由を制限するため None 33. 誤差逆伝播法で用いる損失関数の一例はどれですか？ 交差エントロピー損失 重み減衰 ドロップアウト アクティベーション関数 None 34. 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 35. 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 36. 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 37. AI導入に伴い、労働政策で特に重視される取り組みとして最も適切なものを1つ選んでください。 労働者の再教育（リスキリング） AI技術の全面禁止 労働時間の延長 全ての職業をAIに置き換える None 38. 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 39. 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 40. 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 41. AIを用いた「オンライン投票システム」が民主主義に与えるポジティブな影響は何ですか？ AIが投票を監視するため AIが市民の利便性を向上させ、投票率を上昇させる可能性があるため AIが投票結果を削除するため AIが選挙プロセスを手動で管理するため None 42. AIプロジェクトにおける「モデルのチューニング」の目的は何ですか？ データの前処理を行う モデルの予測精度を最大化する モデルの学習時間を短縮する モデルの構造を変更する None 43. 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 44. 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 45. ハイパーパラメータのチューニングを行う際に、どの手法が一般的に用いられますか？ 学習率の自動調整 グリッドサーチやランダムサーチ モデルの初期化 データの分割方法 None 46. 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 47. 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 48. 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 49. 強化学習における「探索と活用のトレードオフ」とは何ですか？ 環境の状態を観測しないこと 新しい行動を試すこと（探索）と既に知られている良い行動を繰り返すこと（活用）のバランスを取ること 行動を完全にランダムに選ぶこと エージェントが報酬を得ないこと None 50. 誤差逆伝播法で「勾配消失問題」が深層ネットワークで発生しやすい理由はどれですか？ 出力層での誤差が初期化されるため 損失関数がゼロに近づくため 活性化関数の導関数が極端に小さくなるため 勾配が符号を変えるため None 51. 正則化の主な目的は何ですか？ 学習速度を向上させること モデルの過剰適合を防ぐこと 訓練データを増やすこと モデルの複雑さを増すこと None 52. 誤差逆伝播法で使用されるアクティベーション関数の役割は何ですか？ モデルの精度を高める 出力を正規化する 非線形性を導入する 学習率を調整する None 53. 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 54. 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 55. 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 56. 「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 57. 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 58. AI技術が「在宅勤務」に与える影響として正しいのはどれですか？ 在宅勤務が全ての職場で廃止される AIがすべての在宅勤務者を解雇する AIがリモートワークの効率を向上させ、働き方の柔軟性を高める AIが在宅勤務を無視する None 59. 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 60. Attentionスコア計算において、「ソフトマックス関数」が使用される理由として最も適切なのはどれですか？ Attentionスコアを正規化し、確率分布として解釈可能にするため 負のスコアを除外するため 計算コストを削減するため 順序情報を付加するため None 61. AIによる「フェイクニュースの拡散」が民主主義に与える影響は何ですか？ AIが正確な情報を広める AIがニュースを削除する AIが誤った情報を拡散し、有権者の判断に影響を与える AIが全ての情報を検閲する None 62. DQNアルゴリズムで使用される「固定ターゲットネットワーク」の主な目的は何ですか？ エージェントの行動を制御するため Q値の更新を安定化させるため 環境の報酬を固定するため モデルの学習速度を上げるため None 63. 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 64. 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 65. 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 66. 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 67. クロスバリデーションを用いる際に「K-fold クロスバリデーション」の利点は何ですか？ 訓練データのサイズを増やす 全データを使用してモデルの汎化能力を評価できる モデルの学習速度を上げる データの次元を削減する None 68. 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 69. 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 70. どの正則化手法が最も計算コストが低いと考えられていますか？ L1正則化 ドロップアウト L2正則化 バッチ正則化 None 71. 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 72. AIが「ギグエコノミー」に与える影響として最も適切なのはどれですか？ AIがギグワーカーの仕事の効率を向上させると同時に、労働者の保護が不十分になる可能性がある AIがギグワーカーにすべての仕事を提供する AIが全てのギグワーカーを解雇する AIがギグワーカーに無限の仕事を提供する None 73. 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 74. AI時代における「所得格差是正」のために、最も重要とされる政策として適切なものを選んでください。 ベーシックインカムの導入や再分配政策の実施 AI開発企業への税制優遇措置の強化 労働者の権利を縮小する法律の導入 AI技術を開発する企業を制限する None 75. 誤差逆伝播法において、出力層にSoftmax関数と交差エントロピー損失関数を組み合わせる主な理由は何ですか？ クラス間の関係を無視するため 勾配計算を効率化するため 損失関数を簡略化するため 勾配消失を完全に防ぐため None 76. AI企業が競争相手を排除する目的で、自社のAIプラットフォームを使用する取引先に対して「競合製品の使用を禁止」する契約を結んだ場合、独占禁止法上の問題点として適切なのはどれですか？ データ漏洩のリスク 過剰な広告費用の発生 市場支配的地位の濫用 顧客満足度の低下 None 77. 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 78. AIの「透明性」が民主主義にとって重要である理由は何ですか？ AIの判断が不透明であると、選挙や政策決定における公正性が損なわれる可能性があるため AIがすべてのデータを公開するため AIがすべての投票を手動で処理するため AIが選挙の結果を自動的に決定するため None 79. 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 80. グリッドサーチとランダムサーチの主な違いは何ですか？ グリッドサーチはパラメータをランダムに選ぶ グリッドサーチはすべての組み合わせを試すのに対し、ランダムサーチはランダムに選んだ組み合わせを試す ランダムサーチは必ず最適解を見つける グリッドサーチは訓練データを使用しない None 81. 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 82. 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 83. AI技術が気候変動において「炭素排出量の削減」に貢献する方法として適切なのはどれですか？ AIが自動的に全ての炭素排出を停止する AIが炭素排出を促進する AIが産業プロセスを最適化し、エネルギー使用量を削減すること AIが炭素排出量を記録しない None 84. 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 85. 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 86. 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 87. 誤差逆伝播法の主な目的は何ですか？ モデルの学習率を調整すること パラメータを最適化するための勾配を計算すること 入力データを正規化すること アクティベーション関数を選択すること None 88. 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 89. マルチモーダルAIのデータ統合手法として、「ハイブリッド統合（Hybrid Fusion）」の主な利点は何ですか？ モダリティごとの独立した解析が可能になる 複数の統合戦略を組み合わせて柔軟性を高める モデルの複雑性を大幅に低減する データ前処理の手間を省く None 90. 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 91. AIプロジェクトにおける「デプロイ」とは何ですか？ モデルの学習プロセス 開発したモデルを本番環境に導入し、運用すること モデルの評価を行うプロセス データ収集を開始すること None 92. 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 93. Transformerモデルでの「位置エンコーディング（Positional Encoding）」の目的は何ですか？ データの次元を削減するため 各入力の位置情報を保持し、順序を考慮するため 学習率を調整するため 重みの初期化を行うため None 94. AIを利用した「スマートグリッド」の目的は何ですか？ 電力供給をすべて停止すること 電力の供給と需要を効率的に管理し、エネルギー消費を削減すること 電力価格を上げること 電力を無制限に供給すること None 95. 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 96. 「ソフトマックス関数」は、Attentionメカニズムにおいてどのように使用されますか？ 入力データの正規化 アテンションスコアを確率分布に変換し、重み付けに使用する 学習率の調整 勾配消失問題を防ぐ None 97. 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 98. 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 99. 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 100. 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 101. 誤差逆伝播法において「ミニバッチ学習」が採用される主な理由はどれですか？ 計算コストを削減し、安定した勾配を得るため 勾配消失を完全に防ぐため 学習率を大幅に減少させるため 重みの更新回数を増加させるため None 102. AIによる「アルゴリズムバイアス」が労働市場に与える影響として正しいのはどれですか？ AIのアルゴリズムが特定の人種や性別に対して差別的な結果をもたらす可能性がある AIが全ての労働者を平等に扱う AIが労働市場を無視する AIが全ての賃金を平等に設定する None 103. 「排除措置命令」とは何ですか？ 企業が価格を設定する権利 企業が市場を独占する権利 独占禁止法に違反する行為を停止させるための公正取引委員会による命令 企業が他社と連携する権利 None 104. 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 105. マルチモーダル学習における「後期統合（Late Fusion）」とは何ですか？ モダリティを初期に統合する モダリティごとに別々のネットワークを使用する モダリティの一部だけを統合する 各モダリティの特徴を別々に学習し、後で結果を統合する None 106. マルチモーダルモデルの一例として、画像からテキストを生成するモデルの名称は何ですか？ 画像分類モデル 画像キャプション生成モデル 自然言語処理モデル 音声認識モデル None 107. AIによって「職場の安全性」が改善されるケースとして最も適切なのはどれですか？ AIが危険な作業を自動化し、労働者の安全を守ること AIが労働者を無視する AIが労働者を監視する AIがすべての仕事を消滅させる None 108. 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 109. マルチモーダルAIにおいて、モデルの性能向上に寄与する「アライメント（Alignment）」とは何を指しますか？ モダリティ間の特徴を同期させ、一貫した表現を得ること モデルの計算速度を最適化すること 各モダリティごとに独立した特徴を抽出すること モデルの学習データを圧縮すること None 110. 「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 111. AIが「フェイクニュースの検出」に利用される場合、その主な目的として最も適切なものを選んでください。 情報操作を助長するため 偽情報を特定し、民主主義の信頼性を維持するため 政治的プロパガンダを強化するため 有権者の投票行動を強制するため None 112. 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 113. マルチモーダル学習において、どのような問題がよく発生しますか？ モダリティごとのデータサイズが等しいこと モデルが過学習すること モデルのパラメータ数が減少すること 異なるモダリティのデータが非同期であること None 114. 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 115. 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 116. 次の状況において、どの正則化手法が最も適切ですか？特に外れ値の影響を軽減したい回帰問題 L1正則化 L2正則化 ドロップアウト バッチ正則化 None 117. 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 118. 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 119. AIプロジェクトで重要な「ステークホルダーの調整」が困難になる理由はどれですか？ AIプロジェクトの技術的複雑性が高いため、全てのステークホルダーが理解しづらい データ収集の難易度が高いため 開発ツールの選定に時間がかかるため モデルの精度を向上させるため None 120. 強化学習における「価値関数（Value Function）」の主な役割はどれですか？ 各状態での即時報酬を予測する 各行動の最適な遷移確率を計算する 各状態または状態-行動ペアの長期的な累積報酬を評価する 探索と活用のバランスを調整する None 121. 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 122. 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 123. 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 124. 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 125. マルチヘッドアテンションで各「ヘッド」が持つ役割は何ですか？ 全てのヘッドが同じ役割を果たす ヘッド間でデータを分散処理する ヘッドの数は性能に影響を与えない 各ヘッドが異なる部分に焦点を当てる None 126. 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 127. AIが「労働市場の公平性」に貢献するために必要な取り組みとして正しいのはどれですか？ AIが全ての労働者を無視する AIのアルゴリズムが公正かつ透明に運用されるように監視し、アルゴリズムバイアスを除去するための取り組みが必要である AIがすべての労働者を解雇する AIが全ての職業を自動で提供する None 128. 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 129. 独占禁止法において「不当な取引制限」とは何ですか？ 企業が自由に価格を設定する行為 競合企業が協定を結び、取引の条件を制限する行為 企業が市場に参入する行為 企業が他社と技術を共有する行為 None 130. 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 131. 誤差逆伝播法での学習プロセスの主なステップはどれですか？ 入力データを正規化する アクティベーション関数を選択する パラメータをランダムに設定する フォワードパスを実行し、損失を計算する None 132. 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 133. 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 134. Attentionメカニズムを使用しない従来のSeq2Seqモデルの課題は何ですか？ 長距離依存性の問題 パラメータ数が多すぎる 学習率が低い 勾配爆発が発生しやすい None 135. 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 136. 誤差逆伝播法において、ミニバッチ学習の利点は何ですか？ メモリ使用量が増える 勾配の計算が安定する モデルの訓練速度が低下する ニューロンの数を減らす None 137. 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 138. 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 139. DQNアルゴリズムを使って複雑な環境でエージェントを訓練する際、リプレイバッファのサンプリング戦略として最も効果的な方法はどれですか？ 優先サンプリングを行う ランダムサンプリングを行う 全ての経験を均等にサンプリングする 環境の最新の経験のみを使用する None 140. AIが民主主義において「市民参加」を促進する方法として、適切なのはどれですか？ AIが市民からの意見や提案を効率的に集約し、政策形成に反映させる AIがすべての決定を自動で行う AIが市民の投票を無効にする AIがすべての投票結果を削除する None 141. どのような場合にドロップアウトを使用するのが効果的ですか？ データが少ない場合 モデルが非常に単純な場合 モデルが非常に複雑な場合 モデルのパラメータが固定されている場合 None 142. AI技術が「エネルギー効率の改善」に与える影響として正しいのはどれですか？ AIがエネルギー消費をリアルタイムでモニタリングし、効率的な使用方法を提案する AIが全てのエネルギーを削除する AIがエネルギーを無駄遣いする AIがエネルギーの供給を停止する None 143. 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 144. AIを用いた「就職活動支援システム」が労働市場に与える効果は何ですか？ AIがすべての求職者を無視する AIが求職者のスキルや希望に基づいて適切な職業を紹介し、就職活動を効率化する AIが求職者のデータを削除する AIが全ての職業を自動で提供する None 145. 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 146. 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 147. 「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 148. AIを利用した「森林モニタリング」が環境保護に与える効果は何ですか？ AIが森林の健康状態をモニタリングし、違法な伐採や森林火災を早期に検知する AIが森林伐採を加速させる AIが全ての森林データを削除する AIが森林環境を無視する None 149. 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 150. 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 151. 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 152. 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 153. 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 154. 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 155. 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 156. 独占禁止法において「再販売価格維持行為」とは何ですか？ 企業が自由に販売価格を設定する行為 企業が他社の商品を販売する行為 企業が価格を引き下げる行為 企業が販売先に対して価格の設定を指示し、価格を固定する行為 None 157. 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 158. 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 159. 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 160. 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 Time's up
