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. 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 2. ニューラルネットワークの性能向上のために「正則化（Regularization）」が使用される理由として最も適切なものはどれか。 モデルの計算速度を上げるため 過学習（Overfitting）を防ぐため データ量を減らすため ラベル付きデータが不要になるため None 3. 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 4. 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 5. 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 6. 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 7. 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 8. 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 9. 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 10. 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 11. 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 12. 「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 13. 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 14. 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 15. 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 16. 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 17. 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 18. 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 19. 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 20. 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 21. 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 22. 次のアルゴリズムのうち、教師なし学習に該当する「次元削減」の手法を選びなさい。 主成分分析（PCA） ランダムフォレスト 勾配ブースティング 線形回帰 None 23. 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 24. 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 25. 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 26. 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 27. 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 28. 自己回帰型生成モデル（例：PixelRNN）が画像生成タスクにおいて直面する主な課題として正しいものはどれか。 高次元データの逐次生成による計算コストの増大 ラベル付きデータが必須である点 モード崩壊の頻発 潜在変数の分布が不明確である点 None 29. 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 30. 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 31. AIの「知能」が進化する仕組みとして正しい説明はどれか。 データの量を増やすだけで知能が向上する データ、アルゴリズム、計算資源の相互作用で進化する ハードウェア性能だけで知能が大幅に向上する 人間がすべてのルールを設定することで進化する None 32. 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 33. 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 34. 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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 生成モデルの中で「フリシェーインセプション距離（FID）」が使用される主な目的として正しいものはどれか。 生成されたデータの品質を評価する トレーニングデータセットのサイズを決定する モデルのトレーニング速度を測定する データのクラスタリング精度を確認する None 48. 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 49. Transformerモデルで用いられる「マルチヘッドアテンション」の主な目的として正しいものはどれか。 異なる情報の側面を同時に学習する モデルの計算コストを削減する 入力データを圧縮する 出力のランダム性を増加させる None 50. 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 51. 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 52. 肖像権とパブリシティ権の違いとして適切な説明はどれか。 肖像権は商業利用を目的とし、パブリシティ権はプライバシー保護を目的とする 両者は同じ内容であり、区別されない 肖像権はプライバシー保護、パブリシティ権は商業的価値の保護を目的とする パブリシティ権は著作権に含まれる None 53. 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 54. Transformerモデルが自然言語処理（NLP）で広く利用される理由として正しいものはどれか。 自然言語データの前処理を完全に不要にするため 小規模データセットでのみ高精度を達成できるため 文法構造を直接的に理解するため 文中の長距離依存関係を効率的にモデル化できるため None 55. 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 56. 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 57. Transformerモデルの「ポジショナルエンコーディング」を不要にするために提案されている改良点として最も適切なものはどれか。 入力データをランダムにシャッフルする デコーダでポジショナル情報を学習させる ポジショナル情報を完全に削除する 相対位置エンコーディングを導入する None 58. 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 59. 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 60. 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 Time's up
