生成AIパスポート～模擬試験②～ 2024年12月9日2024年12月9日 ailearn 1. GANとVAEの違いとして正しいものはどれか。 GANは教師あり学習、VAEは教師なし学習に基づく GANは潜在空間を持たないが、VAEは潜在空間を持つ GANは高速だが、VAEは非常に遅い GANは競争的アプローチを採用し、VAEは確率的アプローチを採用する None 2. 強化学習において「Q学習」が利用される理由として最も正しいものはどれか。 環境の全情報が事前に与えられる場合に適しているから モデルを用いずに最適な行動ポリシーを学習できるから ラベル付きデータを必要としない教師あり学習だから 現実世界の全てのタスクに適用可能だから None 3. 機械学習が使用される主な目的はどれか。 データの可視化を最適化する データから予測や分類を行う コンピュータの計算速度を高める 人間の知識を直接的に適用する None 4. AIが生成した作品の著作権が帰属しない場合、生成物の扱いとして正しいものはどれか。 公共財として自由に利用できる 開発者の権利として保護される 利用者が独占的に利用できる 知的財産権の対象外となる None 5. AIが持つ学習手法のうち、「教師なし学習」の特徴として正しいものはどれか。 ラベル付きデータを利用する 行動と報酬を基に学習する クラスターを形成してデータをグループ化する 確率モデルを用いて推論する None 6. 次のうち、「勾配ブースティング」の特徴として最も適切なものはどれか。 クラスタリングアルゴリズムの一例である 入力データの標準化を必須とする 過学習を防ぐために正則化を使用しない 弱学習器を直列的に構築し、モデルの精度を向上させる None 7. Transformerモデルを大規模にスケーリングした場合、一般的に発生し得る問題として最も適切なものはどれか。 モデルがトレーニングデータの全てを記憶する 勾配爆発が頻発する 訓練コストが指数関数的に増加する モデルが極端なモード崩壊を示す None 8. トランスフォーマーベースの生成モデルがGANやVAEと異なる主な点として正しいものはどれか。 データの逐次生成を行わない 明示的な潜在空間を持たない 損失関数にKLダイバージェンスを使用する 自己注意機構を用いて長距離の依存関係をモデル化する None 9. 教師あり学習の典型的なアルゴリズムとして適切なものはどれか。 ロジスティック回帰 K-平均法（K-means） 自己組織化マップ（SOM） アソシエーション分析 None 10. ディープラーニングモデルの「活性化関数」が果たす役割として正しいものはどれか。 ニューラルネットワークの出力範囲を制限するため 隠れ層の計算効率を向上させるため 非線形性を導入して複雑なパターンを学習可能にするため 入力データを正規化するため None 11. Transformerモデルの「デコーダ」の主な役割として正しいものはどれか。 入力データの順序を調整する データをクラスタリングする 潜在変数を生成する エンコーダの出力を用いてターゲットデータを生成する None 12. AIが生成した肖像画像を広告キャンペーンに使用したところ、第三者から肖像権侵害で訴えられた。この場合、広告主が法的責任を回避するために最も有効な証拠はどれか。 生成物が完全に架空のものであることを示す証拠 使用された画像がトレーニングデータから直接引用されたことを証明する証拠 訴えた第三者の実際の肖像と生成物の一致を否定する証拠 AI開発者が肖像権侵害を認識していなかったことを証明する証拠 None 13. VAE（変分オートエンコーダ）がGANと比較して有利とされる点として正しいものはどれか。 VAEは計算資源をほとんど必要としない VAEは完全に教師あり学習に基づいて動作する VAEは確率的潜在空間を学習し、生成データの多様性が高い VAEは大規模データセットが必要ない None 14. AIが生成した肖像画像が他人の顔に似ている場合、肖像権の侵害が成立する可能性があるのはどのような場合か。 AIの生成プロセスに人間が関与していない場合 生成された画像が特定の個人を連想させる場合 生成された画像が完全に架空の人物である場合 AIの開発者が画像を使用した場合 None 15. 生成モデルが「トレーニングデータの分布を忠実に再現」する場合に発生し得る問題として最も適切なものはどれか。 潜在空間の次元が不足する モード崩壊が頻発する ラベル付きデータの精度が低下する 新規性のないデータが生成される None 16. 肖像権の侵害が成立する可能性がある状況として最も適切なものはどれか。 公共の場で撮影された写真を個人のアルバムに保存する 著名人の名前をSNSの投稿で褒める内容を書く 他人の写真を本人の許可なくインターネットで公開する 写真撮影の際に被写体の顔が写っていない None 17. 生成モデルが特に注目される応用分野として正しいものはどれか。 ハードウェア設計の最適化 医療画像の生成と診断支援 経済データの分析と予測 高速データベース検索 None 18. 機械学習モデルにおいて、バイアス・バリアンストレードオフが示す現象として正しいものはどれか。 モデルの複雑さが増すと、必ず汎化性能が向上する 高バイアスのモデルは訓練データにもテストデータにも適合しない傾向がある 高バリアンスのモデルは訓練データへの適合度が低い バイアスが高い場合、モデルは過学習する None 19. 生成モデルが「モンテカルロ法」と関連する理由として最も適切なものはどれか。 データの確率分布を明示的に計算するため サンプリングを通じて不確実性をモデル化するため データの分類精度を向上させるため 潜在変数の次元を削減するため None 20. 肖像権が適用されない場合として最も適切なものはどれか。 他人の顔が特定できる状態での写真のインターネット公開 無許可で撮影された他人の動画の商業利用 著名人の肖像を広告に使用する 公共イベントで多数の人が写った写真 None 21. 次のうち、ブースティングに分類されるアルゴリズムはどれか。 アダブースト K-平均法 ナイーブベイズ 線形回帰 None 22. 次の機械学習手法のうち、「アンサンブル学習」に該当するものを選びなさい。 サポートベクターマシン（SVM） 主成分分析（PCA） ランダムフォレスト K-近傍法（KNN） None 23. ディープラーニングがAIに知能をもたらす点として最も適切なものはどれか。 簡単な問題を素早く解決する能力 全てのタスクを人間より正確に解決する能力 複雑で非線形な問題の解決能力 小規模データセットに特化した能力 None 24. 強化学習で用いられるアルゴリズムとして適切なものはどれか。 Q学習 ランダムフォレスト K-means 主成分分析（PCA） None 25. 肖像権が適用される対象として正しいものはどれか。 企業のロゴ 一般人や著名人の顔や姿 著作物の内容 動物の画像 None 26. 生成モデルの最も初期の概念に近い理論として正しいものはどれか。 ガウス分布 隠れマルコフモデル（HMM） ニューラルネットワーク k-近傍法（k-NN） None 27. 肖像権とパブリシティ権の侵害が同時に成立する可能性がある状況として最も適切なものはどれか。 著名人の写真を許可なくSNSで称賛する投稿を行った場合 一般人の顔写真を広告に使用した場合 公共イベントで撮影された群衆の写真を公開した場合 著名人の写真を無断で広告に使用した場合 None 28. パブリシティ権が適用される具体的な事例として適切なものはどれか。 著名人の出演するテレビ番組を録画する 著名人のファンがその名前をSNSでシェアする 著名人が所有する物件の住所を公開する 著名人の写真を許可なく広告に使用する None 29. 「サポートベクターマシン（SVM）」において、カーネル関数が果たす役割として正しいものはどれか。 モデルの学習速度を上げる 高次元空間で線形分離を可能にする データをクラスタリングする 次元削減を自動的に行う None 30. 「ハイパーパラメータ調整」が重要となる手法はどれか。 線形回帰 主成分分析（PCA） A/Bテスト ランダムフォレスト None 31. 機械学習における「決定木」の主な特徴として正しいものはどれか。 線形分離可能なデータにのみ適用できる データの分類や回帰の両方に使用できる 教師なし学習の一例である 事前にデータを次元削減する必要がある None 32. 企業が公共イベントの写真を広告に使用する際、肖像権の侵害を避けるために最も適切な対応はどれか。 写真の背景を加工して全員の顔を隠す 写真に写っている人物全員から事前の許可を得る 公共イベントで撮影された写真は自由に利用できるため許可は不要 写真の使用後に人物に通知を行う None 33. 自己回帰型生成モデルの特徴として適切なものはどれか。 全てのデータポイントを同時に生成する 逐次的にデータポイントを生成する ラベル付きデータに依存する 潜在空間を利用しない None 34. AIが生成した作品が著作権保護の対象となるための条件として正しいものはどれか。 AIによる自動生成である場合 人間が生成プロセスに創作性を付加している場合 AIの出力内容が完全に自動的に決定された場合 トレーニングデータが著作権フリーである場合 None 35. ニューラルネットワークが従来のルールベースAIと異なる点はどれか。 データの前処理が不要である 推論能力を持たない プログラミングなしで動作可能である 決定ルールを明示的に記述する必要がない None 36. AIに知能をもたらす2つの仕組みとして正しい組み合わせはどれか。 機械学習とルールベース 機械学習とニューラルネットワーク ルールベースと推論エンジン 機械学習と知識ベース None 37. 生成モデルの「自己回帰型モデル」に該当する技術として正しいものはどれか。 GAN VAE PixelRNN 主成分分析 None 38. ディープラーニングにおける「畳み込みニューラルネットワーク（CNN）」が画像認識に特化している理由として正しいものはどれか。 画像データの空間的特徴を効率的に抽出できるから 全ての入力データを一括処理できるから データの分類を行わずに処理するから 大規模データセットが不要だから None 39. 次の行為のうち、パブリシティ権侵害のリスクが最も高いものはどれか。 著名人の名前を個人ブログで称賛する 著名人の肖像を無許可で商品パッケージに使用する 著名人が参加したイベントの写真を個人のアルバムに保存する 著名人の出演するテレビ番組を視聴する None 40. AIが生成した架空の人物の肖像画像について、肖像権が適用される可能性はどれか。 完全に架空であれば肖像権は適用されない AIが生成した場合、自動的に肖像権が適用される トレーニングデータが公開されていない場合、適用される 架空であっても特定の個人を連想させれば適用される None 41. AIが生成した商業ポスターに、著名なキャラクターに似たイラストが含まれていた場合、広告主が著作権侵害やパブリシティ権侵害を防ぐために取るべき最適な対応はどれか。 生成されたイラストに大幅な修正を加えて公開する 著名なキャラクターの権利者から利用許諾を得る AI開発者に責任を求める ポスターの公開を一旦中止して社内で検討する None 42. AIが生成した著名人の肖像を広告に利用する場合、最も重要な法的対応はどれか。 AIの利用規約を確認する 著名人本人から事前に同意を得る AIが生成したため問題はない 生成された肖像に修正を加える None 43. 機械学習の基本的な役割はどれか。 データからルールを自動的に見つけ出すこと ルールを手動でプログラミングすること コンピュータのハードウェア性能を向上させること データベースを最適化すること None 44. AIが生成した画像を商業利用する際、知的財産権の侵害を避けるための最適な手段はどれか。 AI生成物を完全に加工する 商業利用の前に適切な権利確認を行う AIが生成した場合、権利確認は不要 AIの出力結果を自動的に公開する None 45. Transformerモデルのアーキテクチャで重要な「残差接続」の役割として正しいものはどれか。 入力データを次元削減する 過学習を防止する 勾配消失問題を緩和する データのクラスタリングを容易にする None 46. ニューラルネットワークがAIに知能をもたらす仕組みとして用いる主な原理はどれか。 確率論 シンボリック推論 人工的な神経回路モデル 強化学習 None 47. 次のうち、「次元削減」に分類される手法はどれか。 主成分分析（PCA） Q学習 決定木 ロジスティック回帰 None 48. 生成モデルが「データの補完」に活用される例として適切なものはどれか。 欠損した画像の部分を補完する クラス分類モデルの精度向上 大規模データベースの最適化 データ圧縮アルゴリズムの設計 None 49. 次のアルゴリズムのうち、データのクラスタリングに使用されるものはどれか。 ランダムフォレスト 線形回帰 K-平均法（K-means） サポートベクターマシン（SVM） None 50. 次のうち、パブリシティ権を侵害している行為に該当するものはどれか。 著名人の肖像を許可なく広告に使用する 著名人の名前をSNSで称賛する投稿を行う 著名人が出演するテレビ番組を視聴する 著名人のファンクラブに入会する None 51. 肖像権侵害を防ぐため、写真や動画を公開する際に最も適切な対応はどれか。 被写体の同意を得る 公共の場で撮影した場合は同意不要 商業利用のみ同意を得る 顔が写っていなければ公開に制限はない None 52. 生成モデルとは何を指すか。 訓練データから新しいデータを生成できるモデル 決定木やサポートベクターマシンのような分類モデル データのクラスタリングに特化したモデル 高速なデータ処理に最適化されたアルゴリズム None 53. 企業AがAIを活用して生成した商品デザインが、既存の著作物と酷似しているとの指摘を受けた場合、企業Aが最初に行うべき対応として最も適切なものはどれか。 既存の著作物を無視して生成物を継続的に使用する 相手に対して反訴を行う準備を始める AI開発者にすべての責任を転嫁する 生成物のトレーニングデータや生成プロセスを精査する None 54. 次のうち、機械学習モデルの回帰問題を解決するためのアルゴリズムはどれか。 ナイーブベイズ K-平均法（K-means） ロジスティック回帰 線形回帰 None 55. 生成モデルが訓練データから学習する「分布」の性質を評価するために使用される指標として最も適切なものはどれか。 ヒューリスティックスコア クロスエントロピー損失 誤差逆伝播率 フリシェーインセプション距離（FID） None 56. Transformerモデルの中核となる仕組みとして正しいものはどれか。 リカレントニューラルネットワーク（RNN） 畳み込みニューラルネットワーク（CNN） 自己注意機構（Self-Attention） 主成分分析（PCA） None 57. 「パブリシティ権」とは何を保護するための権利か。 作品の著作権を保護する 著名人の名前や顔の商業的価値を保護する 企業ロゴのデザインを保護する 著名人の個人情報を公開する権利 None 58. 次のうち、機械学習の分類に該当する手法はどれか。 線形回帰 K-近傍法（KNN） 主成分分析（PCA） A/Bテスト None 59. 「肖像権」とは何を保護するための権利か。 作品の著作権を保護する 自分の顔や姿を無断で撮影されたり公開されたりしない権利を保護する 商業利用のためのロゴやデザインを保護する 企業のブランド価値を保護する None 60. 生成モデルがテキスト生成において直面する「長い文脈の維持」の課題を克服するために利用される技術として最も適切なものはどれか。 畳み込みニューラルネットワーク（CNN） 長短期記憶ネットワーク（LSTM） 主成分分析（PCA） 最近傍探索（KNN） None Time's up
