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. 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 2. 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 3. 生成モデルにおいて「潜在空間」の役割として正しいものはどれか。 訓練データを直接保存する ジェネレータとディスクリミネータの評価を行う データセット間の類似性を計算する データの圧縮と新規データ生成の基盤を提供する None 4. 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 5. AIが生成した架空の人物の画像を商業利用する場合、パブリシティ権の侵害が成立する可能性はどのような場合か。 架空の人物が実在する著名人を連想させる場合 架空の画像であるため侵害は成立しない 生成物が一般的な外見で特定性がない場合 商業利用に関係なく侵害が成立する場合 None 6. 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 7. 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 8. 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 9. 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 10. Transformerモデルにおける「ポジショナルエンコーディング」の役割として正しいものはどれか。 入力データの順序を明示する 入力データを正規化する データの次元を削減する モデルの損失を最小化する None 11. 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 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. Transformerモデルのトレーニングにおいて重要な「マスク」の役割として正しいものはどれか。 無関係なデータをフィルタリングする トレーニング中に未来の情報を参照しないよう制約を加える 損失関数を調整する 訓練データのラベルを修正する None 14. 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 15. 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 16. AI生成物が他人の作品に酷似している場合、著作権侵害が成立する可能性がある条件として最も適切なものはどれか。 トレーニングデータに他人の作品が含まれている場合 AIが特許技術を使用している場合 AI生成物がオリジナルの表現として認められない場合 AI生成物が他人の作品に触れることなく独自に生成された場合 None 17. 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 18. 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 19. 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 20. Transformerモデルの「マルチヘッドアテンション」で発生する可能性のある計算コストの問題を軽減するための一般的な手法として正しいものはどれか。 各アテンションヘッドの数を増やす 入力データの次元数を削減する スパースアテンション(Sparse Attention)を使用する データのバッチサイズを小さくする None 21. 次のうち、AIの学習において「教師あり学習」に該当するものはどれか。 犬と猫の画像を分類する際にラベル付きデータを使用する 大量のデータから自然にクラスタを形成する 試行錯誤を繰り返して最適な行動を学ぶ 予測モデルを人間の手で設定する None 22. 生成モデルの一種であるVAE(変分オートエンコーダ)の主な目的として正しいものはどれか。 クラス分類精度の向上 データの潜在空間表現を学習して新しいデータを生成する 時系列データの予測 音声データの高速処理 None 23. 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 24. Transformerモデルの自己注意機構で使用される「キー(Key)」、「クエリ(Query)」、「バリュー(Value)」の役割を正確に理解するには、どの点を考慮する必要があるか。以下の中で正しい選択はどれか。 クエリが入力データを分割し、キーがそれを分類し、バリューが分類結果を統合する クエリが関連性を評価し、キーが関連性を示し、バリューが関連するデータを提供する バリューがデータをスケーリングし、クエリがそのスケールを適用し、キーが結果を保存する キーがデータを圧縮し、クエリがその圧縮を展開し、バリューが計算を最適化する None 25. 生成モデルの系譜において「フロー型モデル(Normalizing Flows)」が採用する主要な手法として正しいものはどれか。 データの逐次生成 ディスクリミネータを使用した分類 可逆変換によるデータ分布の明示的モデリング 高次元データのクラスタリング None 26. 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 27. 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 28. 生成モデルの系譜において「トランスフォーマーベースのモデル」が注目される理由として正しいものはどれか。 トレーニングが非常に高速である 画像データの生成には適していない 長い文脈を効率的に処理できる ラベル付きデータが必須である None 29. 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 30. Transformerモデルが従来のRNNと比較して優れている点として正しいものはどれか。 時系列データの順序を完全に無視できる 並列処理が可能である 入力データの順序を保持しない 訓練にラベル付きデータが不要である None 31. 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 32. AI生成物に基づくパブリシティ権侵害を回避するために必要な措置として最も適切なものはどれか。 肖像に関連する特定の個人を明確に特定できないようにする AIが使用したトレーニングデータを開示する AI生成物はすべて商業利用可能と見なす トレーニングデータに著名人の肖像を含めない None 33. 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 34. 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 35. 生成モデルの重要な研究分野の一つである「テキスト生成」の例として適切なものはどれか。 自然言語処理を用いた小説の自動生成 機械翻訳の精度向上 音声認識システムの開発 時系列データの分類 None 36. Transformerモデルが視覚データの処理に応用される際の特有の工夫として正しいものはどれか。 入力画像をトークン化して処理する 自己注意機構を除去する ポジショナルエンコーディングを廃止する 畳み込み層を追加する None 37. 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 38. 「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 39. 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 40. 生成モデルの中で「生成的敵対ネットワーク(GAN)」が導入した革新的なアイデアとして正しいものはどれか。 データ生成と分類の競争的トレーニング 自己教師あり学習 確率分布の明示的なモデリング トレーニングにラベル付きデータが必要 None 41. 「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 42. AIが生成した作品に関する著作権は、通常誰に帰属するか。 AIそのもの AIを開発した企業 AIを利用して作品を生成した人 公共の財産として扱われる None 43. 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 44. 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 45. 生成モデルにおける「自己教師あり学習」が重要視される理由として正しいものはどれか。 ラベル付きデータが大量に必要であるため モデルのトレーニングを完全に自動化するため ラベル付きデータの精度を向上させるため ラベルなしデータから特徴を学習できるため None 46. 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 47. 機械学習の手法のうち、教師なし学習に該当するものはどれか。 線形判別分析(LDA) 決定木 主成分分析(PCA) サポートベクターマシン(SVM) None 48. 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 49. 生成モデルの系譜における「自己回帰型モデル」の特徴として正しいものはどれか。 全データを同時に生成する データを逐次的に生成する 潜在変数を使用してデータを再構築する データのクラスタリングに特化している None 50. 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 51. 生成モデルの系譜の中で「変分オートエンコーダ(VAE)」が重視する主な概念として正しいものはどれか。 データ間の類似性の計算 潜在空間の確率分布を学習する ジェネレータとディスクリミネータの競争 データの逐次的生成 None 52. 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 53. 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 54. 生成モデルの誕生が注目されるようになった主な要因として正しいものはどれか。 計算能力の向上と大量データの利用可能性 クラス分類精度の向上 ハードウェアの低速化による影響 データベース技術の進化 None 55. AI生成物を商業利用する際、肖像権やパブリシティ権の侵害を防ぐための適切な方法として正しいものはどれか。 トレーニングデータに著名人の写真を含めない 生成物に著名人を想起させる特徴がないことを確認する 生成物が著名人に似ていても明確な断り書きを添える 生成物の使用後に対象者に通知を行う None 56. 変分オートエンコーダ(VAE)の潜在空間において、データの分布が学習される過程で「KLダイバージェンス」が果たす役割として適切なものはどれか。 潜在空間内のデータ間距離を最小化する デコーダの出力を直接最適化する 潜在分布が標準正規分布に近づくように調整する トレーニングデータのラベルを補完する None 57. 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 58. 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 59. AI生成物に基づいて著作権侵害の訴訟が提起された場合、開発者が最初に確認すべき事項として最も適切なものはどれか。 AIの利用規約が著作権侵害を回避できる内容かどうか AIの生成物が他人の商標を含むかどうか トレーニングデータが適切にライセンスされているか AIの生成結果が公開されたタイミング None 60. 企業が広告に著名人の肖像を無断で使用した場合、パブリシティ権の侵害が成立する可能性が高い理由として正しいものはどれか。 著名人のプライバシーが侵害されるため 著名人の肖像を使った広告が成功する可能性が高いため 著名人の同意が不要と考えられるため 著名人の商業的価値を損なう可能性があるため None Time's up