G検定～模擬試験④～ 2024年12月6日 ailearn 1. 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 2. 正則化手法の選択において重要なポイントは何ですか？ データセットのサイズ モデルの目的 計算リソースの制約 全ての選択肢 None 3. 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 4. 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 5. AI技術を活用して循環型経済を促進する取り組みとして最も適切なものを選んでください。 廃棄物を処理せずにそのまま埋め立てる リサイクルに関するデータを収集しない 循環型経済のプロセスにAIを導入しない 廃棄物の分別をAIが効率的に行い、リサイクル率を向上させる None 6. 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 7. 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 8. 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 9. 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 10. AIが「環境規制の遵守」において果たす役割は何ですか？ AIが規制を無視する AIが企業や組織の環境規制の遵守状況を監視し、違反を早期に検出する AIが規制を強化する AIが全ての規制を削除する None 11. 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 12. 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 13. AIが環境保護に活用される例として適切でないものを1つ選んでください。 気候変動の予測と対応策の提案 自然災害の発生時期を特定する 化石燃料の使用を推奨するAIの設計 森林破壊を監視するリモートセンシング技術の補助 None 14. 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 15. 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 16. 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 17. 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 18. 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 19. 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 20. 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 21. 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 22. モデル評価において「グラウンドトゥルース」とは何を指しますか？ モデルのトレーニングデータ 正解ラベル、すなわち実際の正しい出力 モデルのハイパーパラメータ 学習率の設定値 None 23. 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 24. 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 25. 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 26. 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 27. 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 28. 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 29. 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 30. 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 31. 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 32. 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 33. 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 34. 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 35. 「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 36. 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 37. 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 38. AIシステムの運用が環境に与える影響として、最も適切なものを1つ選んでください。 AIの運用には環境への影響はない データセンターの膨大なエネルギー消費が環境負荷を増大させる AIの導入により化石燃料の消費が減少する AIは環境問題を直接的に解決する None 39. 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 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. AIプロジェクトの成果物が「運用環境に適合しない」場合に起こり得る問題はどれですか？ モデルの精度が向上する プロジェクトのROI（投資収益率）が向上する モデルの再学習が不要になる システム全体のパフォーマンス低下や障害が発生する None 48. 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 49. 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 50. 「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 51. Transformerにおける「マルチヘッドアテンション」の目的は何ですか？ 複数の異なる特徴空間でAttentionを計算し、情報の多様性を持たせる 複数のデータセットを同時に処理する アテンションの重みを強化する モデルのパラメータを増やす None 52. 独占禁止法の主な目的は何ですか？ 企業間の競争を減少させるため 公正で自由な競争を促進し、市場の健全な発展を図るため 大企業の市場独占を促進するため 企業が価格を統一するため None 53. 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 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 61. 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 62. 過学習を防ぐために使用される「ドロップアウト」の仕組みとして正しいものはどれですか？ モデルの出力をランダムに減少させる ニューラルネットワーク内のランダムなユニットを一時的に無効化する データポイントをランダムに削除する 学習率をランダムに変更する None 63. AIが「廃棄物管理」において果たす役割はどれですか？ 廃棄物の分別やリサイクルプロセスを自動化し、効率的な資源管理を促進する すべての廃棄物を削除する 廃棄物の収集を停止する 廃棄物を全て埋め立てる None 64. 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 65. 誤差逆伝播法における「バッチ学習」と「オンライン学習」の違いは何ですか？ データの前処理方法が異なる 使用するデータ量が異なる モデルの精度が異なる 学習の頻度が異なる None 66. AIを利用した「労働者の監視」が問題視される理由は何ですか？ AIが全ての労働者を保護するため AIによる過度な監視が労働者のプライバシーを侵害するリスクがあるため AIが労働者に仕事を与えないため AIが労働者の給与を自動で計算するため None 67. 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 68. 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 69. AIプロジェクトを進める際、データ収集時に「収集対象のデータ特性」を理解することが重要な理由は何ですか？ プロジェクトの目的を変更するため 収集コストを削減するため 適切なモデル選択や分析手法を決定するため データ収集後の前処理を省略するため None 70. 「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 71. AI技術を独占する企業が、競合他社に対してその技術の利用を不当に制限し、結果として市場の競争を排除した場合、どのような救済措置が取られる可能性がありますか？ 罰金の支払いと競争環境の是正措置 該当技術の特許権の取消し 企業活動の全面停止命令 全ての顧客契約の解除 None 72. 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 73. 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 74. 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 75. 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 76. 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 77. 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 78. 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 79. 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 80. 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 81. AI技術が環境保護に貢献する方法として、最も適切なのはどれですか？ AIが環境データを解析して、気候変動の影響を予測する AIが全ての自然資源を自動的に管理する AIが無限のエネルギーを生成する AIが自然環境の監視を停止する None 82. 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 83. AIによって実現される「気候モデル」の役割は何ですか？ 人間の活動をシミュレーションすること 気候を直接制御すること 気候変動の未来の影響を予測し、政策決定を支援すること 天気予報を自動的に行うこと None 84. 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 85. 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 86. AIが「選挙の公正性」を損なう可能性がある理由は何ですか？ AIがすべての選挙結果を手動で計算する AIが全ての候補者を公平に扱うため AIが特定の候補者や有権者層に対して偏った情報を提供し、公正な選挙プロセスを妨げるため AIがすべてのデータを無視するため None 87. 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 88. 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 89. 大規模AIモデルのトレーニングが環境に与える影響を軽減するための技術的アプローチとして最も適切なものを選んでください。 トレーニングに必要なデータ量を無制限に増やす 軽量化されたモデルを使用し、計算負荷を低減する 電力消費の多い地域にデータセンターを集約する 高性能なAIモデルのみを運用する 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. 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 92. 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 93. 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 94. モデルの評価において、「リーブワンアウト交差検証（LOOCV）」の特徴として正しいものはどれですか？ データセットを小さなグループに分割して交差検証を行う データセット全体をトレーニングに使用し、モデルを評価しない 各サンプルを1つずつテストデータとして使用し、残りをトレーニングデータとして使用する テストデータを固定して、トレーニングデータをランダムに選択する None 95. 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 96. 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 97. モデル評価の際に「AUC（Area Under the Curve）」は何を示す指標ですか？ ROC曲線の下の面積で、分類モデルの性能を示す モデルのトレーニング時間 モデルのパラメータの数 学習率の最適値 None 98. 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 99. 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 100. 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 101. 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 102. 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 103. 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 104. 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 105. 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 106. バッチ正則化の主な目的は何ですか？ データセットを増やすこと 学習率を安定化させること ニューロンの数を減らすこと 外れ値を削除すること None 107. 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 108. 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 109. 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 110. 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 111. 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 112. モデルの評価において「混同行列」とは何ですか？ モデルのパラメータを一覧化したもの 学習データの分布を示す図 分類問題の結果を視覚化した表 モデルのハイパーパラメータを記録する表 None 113. 次のうち、Attentionメカニズムが導入される以前のSeq2Seqモデルの課題として正しいものはどれですか？ 訓練データが不足していた 出力文の長さを固定できなかった 長い入力シーケンスの情報を十分に活用できなかった ソフトマックス関数を使用できなかった None 114. 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 115. 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 116. 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 117. ソフトアテンションとハードアテンションの違いは何ですか？ ソフトアテンションは離散的、ハードアテンションは連続的 ソフトアテンションは確率的重み付け、ハードアテンションは1つの部分に完全に注目 ハードアテンションは出力を無視する 両者に大きな違いはない None 118. 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 119. 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 120. 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 121. 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 122. 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 123. 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 124. 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 125. 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 126. モデルの選択において、ハイパーパラメータチューニングの目的は何ですか？ モデルの性能を最適化するため 訓練データを増やす モデルの構造を変更するため データの前処理を行うため None 127. 「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 128. 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 129. 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 130. 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 131. 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 132. 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 133. 「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 134. 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 135. 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 136. 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 137. 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 138. 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 139. 「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 140. 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 141. 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 142. 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 143. 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 144. 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 145. 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 146. 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 147. 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 148. 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 149. 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 150. 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 151. 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 152. 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 153. 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 154. 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 155. 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 156. 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 157. 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 158. 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 159. 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 160. 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 Time's up
