生成AIパスポート～模擬試験③～ 2024年12月9日2024年12月9日 ailearn 1. AIが生成した商品説明が他社の営業秘密を利用していると指摘された場合、不正競争防止法の違反を回避するための対応として適切なものはどれか。 商品説明を即座に削除し、再度内容を精査する 営業秘密を使用している証拠を相手に求める 商品説明をそのまま公開し続ける トレーニングデータを公開し、正当性を主張する None 2. ChatGPTが得意とするタスクとして正しいものはどれか。 画像生成 テキスト分類 会話の生成と自然言語処理 音声データの分析 None 3. ニューラルネットワークで使用される活性化関数の目的として最も適切なものはどれか。 モデルの学習速度を向上させる 線形性を導入する 非線形性を導入する モデルの計算コストを削減する None 4. AI利活用に関する国際的な課題として最も適切なものはどれか。 AIの利用がすべての国で禁止されている AI技術が完全に統一された基準で運用されている 各国で異なるルールが適用されることで、国際的な調和が難しい AIが主に軍事利用に限定されている None 5. ノーフリーランチ定理が示す「万能なアルゴリズムは存在しない」理由として正しいものはどれか。 アルゴリズムはすべて同じ設計思想に基づいているため データサイズがアルゴリズムの性能を限定するため アルゴリズムはどれも決定的なものであるため 問題空間の多様性がアルゴリズムの性能を制約するため None 6. バックプロパゲーション（誤差逆伝播）の主な目的はどれか。 モデルの誤差を最小化するために重みを更新する 入力データを標準化する 出力値を正規化する ニューラルネットワークの構造を変更する None 7. ALBERTがBERTと比較して効率性を向上させた主な理由として正しいものはどれか。 マルチヘッドアテンションを削除したから パラメータ数を増加させて表現力を強化したから 全ての層で重みを共有する仕組みを導入したから 自然言語処理タスクに特化したアーキテクチャを採用したから None 8. AI開発において不正競争防止法違反を防ぐために最も重要な対応はどれか。 他社の営業秘密を積極的に利用する AIの生成物をすべて公開する トレーニングデータを秘密として適切に管理する 他社製品の模倣を推奨する None 9. AIの利活用において、「責任の所在」を明確にすることが求められる主な理由はどれか。 AIの出力結果による影響や損害に対処するため AIが法律を自動的に遵守するため AIの利用をすべての人が平等に享受できるようにするため AIが人間の監督なしで動作できるようにするため None 10. DistilBERTの設計目的として正しいものはどれか。 翻訳タスクでの性能を最大化する 自然言語処理タスクの精度を犠牲にする 画像認識タスクに特化している BERTの計算コストを削減し、軽量化する None 11. ニューラルネットワークの「多層構造」が有効である理由として正しいものはどれか。 学習速度を一定に保つ 非線形なデータの複雑なパターンを学習できる モデルの出力を単純化する 訓練データ量を減らせる None 12. AI社会原則の1つである「人間中心性」において、最も重要とされる要素はどれか。 AIがすべての判断を行うこと AIが人間の尊厳や価値を守ること AIが完全に自動化されること AIが商業的利益を最大化すること None 13. AIの利活用に関するルールの制定目的として最も適切なものはどれか。 AI開発を完全に規制するため AI利用における倫理的、法的、社会的なリスクを管理するため すべてのAI利用を自由化するため AIの利用を特定の国に限定するため None 14. AI利活用におけるプライバシー保護の観点で重要な概念はどれか。 データの匿名化と擬似匿名化 データの公開義務 データの商業的利用の制限 データの完全削除 None 15. 企業AはAIを利用して顧客データを分析する際、透明性を確保するために最も重要な対応として適切なものはどれか。 分析結果をすべて公開する データの収集目的と利用方法を顧客に明示する データ分析の詳細を企業内でのみ共有する 顧客データを完全に匿名化しない状態で分析する None 16. ノーフリーランチ定理（No Free Lunch Theorem）の主な主張として正しいものはどれか。 すべてのアルゴリズムは、特定の問題で等しく性能を発揮する 特定のアルゴリズムがすべての問題において最適である どのアルゴリズムも、すべての問題に対して同じ平均性能を持つ アルゴリズムの性能はデータのサイズに依存する None 17. AI利活用に関するルールで重視される「安全性」におけるリスク管理の例として適切なものはどれか。 AIが収集したデータをすべて公開する AIの利用者に対する情報提供を省略する AIの動作が人間の監督を完全に必要としない状態にする AIの誤作動に備えたバックアップシステムを構築する None 18. 人工ニューロン（ノード）の基本的な構成要素として正しいものはどれか。 重み、バイアス、活性化関数 データベース、メモリ、制御ユニット センサ、モーター、制御ユニット 入力、ラベル、予測モデル None 19. 企業がAIを用いて生成した製品名が他社の商標と酷似している場合、不正競争防止法違反を防ぐための最も効果的な対応はどれか。 他社の商標が特許庁に登録されているか確認する 商標が商業利用されていない場合はそのまま使用する 製品名を変更し、他社との混同を避ける 製品名の使用を継続し、訴訟を想定する None 20. ノーフリーランチ定理の視点から、「モデル選択基準」を評価する際に重要な要素として適切なものはどれか。 問題の分布が一様であることを前提とする テストデータに対する予測性能を重視する モデルの計算効率のみを評価する トレーニングデータにおける精度を優先する None 21. AIが生成した商標に似たロゴが、不正競争防止法の下で問題となる可能性がある条件として最も適切なものはどれか。 商標が特許庁に登録されていない場合 商標が国際的に使用されていない場合 商標が他の企業によっても使用されている場合 商標が著名であり、混同を招く可能性がある場合 None 22. XLNetがBERTと異なる主な点として正しいものはどれか。 双方向ではなく片方向の文脈を使用する 自己回帰的なトレーニングを採用する 翻訳タスク専用に設計されている 軽量化を主な目的としている None 23. ChatGPTの基盤であるGPTシリーズが進化する中で、GPT-4が導入した新しい特徴として最も適切なものはどれか。 訓練データを完全に削減する トランスフォーマーアーキテクチャを廃止した モデルサイズを大幅に削減した マルチモーダル処理能力を追加した None 24. ニューラルネットワークの「出力層」の主な役割はどれか。 データの前処理を行う 学習率を調整する データの次元削減を行う 最終的な予測値を生成する None 25. 企業AがAIを活用して生成した商品説明が、競合他社Bの営業秘密を盗用しているとBから訴えられた場合、企業Aが法的責任を免れるために最も重要な要件はどれか。 商品説明の生成プロセスを公開する AIのトレーニングデータが営業秘密を含んでいないことを証明する 訴訟前に生成物を削除する意向を示す 営業秘密が競合他社によって適切に管理されていなかったことを示す None 26. ノーフリーランチ定理を理解する上での最適な比喩として正しいものはどれか。 問題ごとに異なる鍵が必要である 一つの鍵であらゆる鍵穴を開けることができる 鍵を選ばずに試し続ければ成功する 特定の鍵はすべての鍵穴に適合する None 27. AIの利活用に関する国際的なルールとして最も広く採用されているものはどれか。 GDPR（一般データ保護規則） TRIPS協定（知的財産権の貿易関連の側面に関する協定） パリ協定 ワシントン条約 None 28. ChatGPTが特定の業務（例：法律文書の作成）に応用される際に必要となるプロセスとして適切なものはどれか。 モデルのアーキテクチャを変更する 全てのトレーニングデータを削除して再構築する 対応する業務データで微調整（Fine-Tuning）を行う ラベル付きデータを使用して分類タスクを設定する None 29. 不正競争防止法の観点から、AIが生成した模倣デザインが問題となる可能性が高いのはどのような場合か。 模倣デザインが特定の企業の商品を連想させる場合 模倣デザインが完全に異なる用途で使用される場合 模倣デザインが商業利用されない場合 模倣デザインが競合商品と無関係の場合 None 30. AIの利活用に関するルールで求められる「データの正確性」が重要な理由はどれか。 AIの計算速度を向上させるため AIのトレーニングデータ量を削減するため AIの判断が信頼性のあるものであることを保証するため AIの利用を特定の業界に限定するため None 31. ノーフリーランチ定理が機械学習アルゴリズムに与える示唆として最も適切なものはどれか。 データが十分に多ければ、すべてのアルゴリズムは同じ性能を発揮する 最適なアルゴリズムは存在しないため、すべてのアルゴリズムをランダムに選ぶべきである 問題やデータに応じてアルゴリズムを適切に選択する必要がある データの前処理を行う必要がなくなる None 32. ニューラルネットワークで「バッチ正規化（Batch Normalization）」を使用する主な目的として正しいものはどれか。 勾配消失問題を完全に解決する 学習の収束を速めるとともに過学習を防ぐ モデルの構造を簡略化する 学習率を固定化する None 33. ChatGPTがRLHF（人間のフィードバックによる強化学習）を利用する際に直面する主な課題として適切なものはどれか。 フィードバックデータの収集が自動化できない フィードバックがモデルの偏りを強化する可能性がある モデルの計算コストが大幅に増加する モデルのトレーニングが完全に停止する None 34. AI社会原則の「倫理性」の要件として最も適切なものはどれか。 AIが特定の利益を優先すること AIが倫理的判断を完全に人間に任せること AIが法律を無視して判断を下すこと AIが社会的価値観に基づいて行動すること None 35. ニューラルネットワークの「畳み込み層（CNN）」が特に有効である分野として最も適切なものはどれか。 時系列データ解析 テキスト生成 画像認識 強化学習 None 36. AIが生成したコンテンツが他者の著作権を侵害していると主張された場合、コンテンツを使用した企業が責任を免れるために最も重要な手段はどれか。 コンテンツがAIによって生成されたものであると主張する トレーニングデータに著作権侵害がなかったことを証明する 著作権者に直接交渉を試みる コンテンツを削除し、AIの利用を中止する None 37. ノーフリーランチ定理の適用範囲を超える状況として最も適切な説明はどれか。 すべての問題が均等に分布している場合 アルゴリズムがランダムに選択される場合 問題の難易度が一様に異なる場合 問題空間が特定のバイアスを持っている場合 None 38. Vision Transformer（ViT）がCNN（畳み込みニューラルネットワーク）と比較して異なる主な特徴として正しいものはどれか。 ピクセル単位で逐次処理を行う フィルターを用いて特徴マップを計算する 時系列データ処理に特化している 画像を固定サイズのパッチに分割して処理する None 39. AIの利用において持続可能性を確保するために、企業が最も優先して実施すべき取り組みとして適切なものはどれか。 AIシステムを常に最大限稼働させることで効率を高める エネルギー消費を抑えたAI設計を採用する 短期間で利益を最大化するためにAIを利用する 古いAIシステムを廃止せずに併用する None 40. AI社会原則の「安全性」と関連が深い取り組みとして最も適切なものはどれか。 AIの誤動作が起きても運用を続ける AIの利用に関する規制を完全に撤廃する AIの判断が常に正確であると主張する AIが誤作動を起こした場合の影響を最小限に抑える設計を行う None 41. 畳み込みニューラルネットワーク（CNN）の「プーリング層」が果たす役割として最も適切なものはどれか。 特徴マップのサイズを縮小し計算効率を向上させる データの次元を増やす 特徴量の重要性を評価する 非線形性を導入する None 42. T5と他のTransformer派生モデルを区別する際の特徴として正しいものはどれか。 全てのタスクを分類問題として処理する 入力も出力もテキスト形式に統一する 軽量化を主な目的としている 画像処理タスクをサポートしない None 43. BERT（Bidirectional Encoder Representations from Transformers）の特徴として正しいものはどれか。 トークンの生成を逐次的に行う 双方向の文脈を考慮してトークン表現を学習する デコーダのみに基づいたアーキテクチャである 翻訳タスク専用に設計された None 44. AIが生成した作品が不正競争防止法に違反すると見なされる条件として正しいものはどれか。 他社の営業秘密を使用して生成された場合 トレーニングデータが公開されていない場合 生成物が他人の商標を模倣していない場合 生成物が商業利用されていない場合 None 45. AI社会原則における「持続可能性」の意味として最も適切なものはどれか。 AIが環境や社会に与える影響を最小限に抑えること AIをすべての分野で無制限に活用すること AIシステムを経済的利益の最大化に利用すること AIの技術革新を一切停止しないこと None 46. AI社会原則の「説明責任」の要件として正しいものはどれか。 AIの出力結果を公開すること AIが人間に代わって責任を負うこと AIがどのように判断を行ったかを説明可能にすること AIの誤作動をすべて回避すること None 47. ChatGPTの動作の基盤となっているモデルはどれか。 GAN（生成的敵対ネットワーク） BERT（Bidirectional Encoder Representations from Transformers） GPT（Generative Pre-trained Transformer） CNN（畳み込みニューラルネットワーク） None 48. GPT-3が従来のGPTシリーズと比較して注目された主な理由として正しいものはどれか。 トレーニングデータが極めて小規模である デコーダベースではなくエンコーダベースに変更された 翻訳専用タスクに特化している パラメータ数が大幅に増加し、幅広いタスクに対応可能 None 49. AIの利活用に関するルールの策定で、国際的に重要視される原則の1つはどれか。 AIの利用を完全に規制すること AIが倫理的に利用されること AIを特定の業界でのみ使用可能にすること AIの利用に制約を課さないこと None 50. AIの利活用における「公平性」の概念が最も適切に関係するものはどれか。 AIが完全な自由意志で動作すること AIが人間の意図を正確に反映すること AIが特定のグループを不利益に扱わないこと AIがすべてのタスクを同じ速度で実行すること None 51. 企業がAIを用いて生成した画像が、他社製品と類似したデザインを含んでいる場合、不正競争防止法に違反しないための対応として最も適切なものはどれか。 デザインの使用が偶然であることを主張する 他社のデザインの使用を認めた上で謝罪する 他社のデザインと類似していても公開を続ける デザインが独自に生成されたものであることを示す証拠を用意する None 52. ノーフリーランチ定理が強調する「データドリブンなアプローチ」の利点として最も適切なものはどれか。 問題を一律に解決できるアルゴリズムを作成する 問題特性に依存せずに最適なアルゴリズムを選ぶ 問題の特性に合わせて適切なアルゴリズムを選択する 問題の定義を不要にする None 53. 不正競争防止法において、「デッドコピー商品」に該当する例として最も適切なものはどれか。 他社の製品を改良して販売する商品 他社製品と同じカテゴリの商品を販売する場合 他社製品を忠実に模倣した商品 他社製品の商標を許可を得て利用する商品 None 54. ニューラルネットワークの「重み」の役割として最も適切なものはどれか。 各層の計算を並列化する 入力信号を調整する 活性化関数を最適化する データの次元を削減する None 55. AIモデルが特定の人種に対して偏見を持つ結果を出した場合、公平性の観点からAI開発者が最初に行うべき対応はどれか。 モデルのトレーニングデータを見直し、バイアスを軽減する 偏見を含む結果をそのまま利用する 偏見があることを隠して運用を継続する AIの利用を一時的に停止するが、モデルは変更しない None 56. ノーフリーランチ定理を踏まえた機械学習モデルの評価において重要な点はどれか。 常に精度が高いモデルを選ぶ 一般化されたモデルを採用する どのデータにも適用可能な評価方法を使用する 問題ごとに適切な評価基準を設定する None 57. T5（Text-to-Text Transfer Transformer）の特長として正しいものはどれか。 全ての自然言語処理タスクを「テキスト生成」として統一する トランスフォーマーのデコーダのみを使用する 画像生成タスクに最適化されている 翻訳タスクには対応しない None 58. 不正競争防止法で定められる「営業秘密」に該当する条件として正しいものはどれか。 広く一般に公開されている情報 秘密として管理されている情報 個人の日記の内容 他社の商品と類似する情報 None 59. ニューラルネットワークの「隠れ層」が果たす役割として最も適切なものはどれか。 モデルの入力データを保存する データの特徴を抽出する モデルの最終出力を計算する 重みとバイアスを保存する None 60. ノーフリーランチ定理の理論的な背景に基づいて、アルゴリズム選択の戦略として最も適切なものはどれか。 すべてのアルゴリズムをランダムに試す 問題のデータ特性に基づいてアルゴリズムを選択する 一つの高性能アルゴリズムを使用する データを変更せずにアルゴリズムを調整する None Time's up
3
1 3 8 11 19 20 23 24 27