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. 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 2. 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 3. ChatGPTが自然な対話を生成する際に、文脈の維持に関連する主な課題として正しいものはどれか。 過去のトークンを全て記憶できない トークンの生成速度が遅すぎる 固有名詞の認識能力が欠如している 応答が常にランダムになる None 4. 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 5. 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 6. 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 7. 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 8. XLNetがBERTと比較して導入した改良点として正しいものはどれか。 自己回帰的な学習方式を採用し、双方向の文脈を統合した 自己注意機構を削除した モデルのパラメータ数を削減した マルチヘッドアテンションを廃止した None 9. 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 10. 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 11. AIの利活用における「透明性」が最も重要とされる理由はどれか。 AI技術を独占的に利用するため AIの判断プロセスが不明瞭なまま利用されるリスクを減らすため AIをすべての人が利用可能にするため AIの利用を完全に自動化するため None 12. 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 13. AIが生成した文章が他社の営業秘密を含むことが判明した場合、企業が直ちに取るべき最適な行動はどれか。 該当する文章を削除し、影響範囲を調査する トレーニングデータの管理者を訴える 該当する文章を部分的に修正して再公開する 他社に責任を転嫁する方法を検討する None 14. 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 15. 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 16. ALBERT(A Lite BERT)の主な改良点として正しいものはどれか。 モデルサイズを大幅に削減する データ拡張技術を利用する 翻訳専用タスクに最適化されている 大規模な事前訓練データが不要である None 17. 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 18. Vision Transformer(ViT)の主な特長として正しいものはどれか。 自己注意機構をテキスト生成に適用する 画像のピクセルを逐次生成する 画像をパッチに分割し、それをトークンとして処理する CNNとRNNを組み合わせた構造を持つ None 19. AI社会原則の「インクルーシブ性(包摂性)」が重視する点として正しいものはどれか。 AI利用を特定の技術者に限定する AIが社会全体に平等な利益をもたらすこと AIの利用を特定の国や地域に制限する AI技術を一般市民に完全に公開する None 20. 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 21. 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 22. 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 23. 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 24. 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 25. RoBERTa(Robustly Optimized BERT)の主な改良点として正しいものはどれか。 デコーダベースのアーキテクチャを採用する ポジショナルエンコーディングを削除する 事前訓練データ量とバッチサイズを増加させる 軽量化のためにモデルサイズを削減する None 26. 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 27. 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 28. 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 29. 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 30. ChatGPTの利用において、倫理的課題となり得るものとして正しいものはどれか。 応答の生成速度が遅い 特定の言語に対応していない 音声データを生成できない 偏った情報を提供する可能性がある None 31. GPT(Generative Pre-trained Transformer)の主要な特徴として正しいものはどれか。 エンコーダのみを利用する デコーダのみを利用する 双方向の文脈を考慮する 文法解析に特化している None 32. 企業AがAIを利用して開発した製品が、誤動作により消費者に損害を与えた場合、企業Aが法的責任を回避するために最も重要な対応はどれか。 AIが独自に判断した結果であることを主張する 消費者に対して責任を転嫁する AIの設計・運用における安全対策を立証する 迅速な謝罪を行い、製品の回収を表明する None 33. 不正競争防止法に基づき、営業秘密として保護されるために必要な条件として該当しないものはどれか。 公開されていないこと 事業活動にとって有用であること 秘密として管理されていること すでに特許庁に登録されていること None 34. 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 35. 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 36. 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 37. 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 38. ChatGPTが活用される分野として適切でないものはどれか。 カスタマーサポート 医学論文の生成 ゲーム内キャラクターの対話システム 画像編集 None 39. ノーフリーランチ定理の概念が現実の機械学習において完全には適用されない理由として正しいものはどれか。 現実のデータは特定の構造やバイアスを持つため アルゴリズムの性能はデータセットのサイズに依存しないため すべての問題空間が一様分布しているため 現実の問題は無限の可能性を持つため None 40. ChatGPTの「トレーニングデータ」の範囲として正しいものはどれか。 幅広い公開データを使用 特定の業界のデータのみを使用 ユーザーのプライベートデータを使用 個別に提供されたデータのみを使用 None 41. 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 42. 「リカレントニューラルネットワーク(RNN)」が特に有効とされるタスクとして正しいものはどれか。 時系列データの解析 画像認識 強化学習 グラフデータの解析 None 43. 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 44. T5(Text-to-Text Transfer Transformer)が他のモデルよりも幅広いタスクに適応できる理由として正しいものはどれか。 入力と出力をテキスト形式に統一しているから 全ての自然言語処理タスクをテキスト分類として扱うから エンコーダのみを使用しているから データセットのサイズを自動調整するから None 45. ChatGPTの制限事項として正しいものはどれか。 トレーニングデータ以降の知識が欠如している 数値データの計算能力が高すぎる 言語生成が完全にランダムである 文脈の理解が不要なタスクには適していない None 46. 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 47. 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 48. ノーフリーランチ定理がアルゴリズム設計に与える重要な教訓として最も適切なものはどれか。 アルゴリズム設計では汎用性を追求するべきである 性能の高いアルゴリズムを一つ採用し続けるべきである 特定の問題設定に特化したアルゴリズムを設計するべきである 問題に依存せずにランダムにアルゴリズムを選ぶべきである None 49. AI生成物が他社の商標を模倣したと主張された場合、広告主が商標権侵害に該当しないことを示すために最も重要な要件はどれか。 商標が消費者に混同を招く可能性がないことを証明する 模倣商標が特定の国でのみ使用されていることを示す トレーニングデータに商標が含まれていないことを証明する 模倣商標が意図的に作成されたものでないことを証明する None 50. AI社会原則の「公平性」の目的として最も適切なものはどれか。 AIがすべての判断を平等に行うこと 特定のグループに不利益を与えないこと AIがすべてのデータを均等に扱うこと AIが特定の人種や性別を優先すること None 51. ChatGPTが会話の文脈を理解する際に使用する主な技術はどれか。 自己回帰型学習 自己注意機構(Self-Attention) クラスタリングアルゴリズム 強化学習 None 52. 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 53. ChatGPTとは何を指すか。 決定木アルゴリズムを用いた機械学習モデル 大規模言語モデルを基盤とした対話型AI 音声認識に特化したAIモデル 自動翻訳システム None 54. 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 55. AIの利用における「説明責任」の概念に関して最も正しい説明はどれか。 AIの出力結果をすべて記録する義務 AIの判断プロセスを人間が理解できる形で説明する義務 AIの判断が正確であることを保証する義務 AIの利用を完全に透明化する義務 None 56. 不正競争防止法が適用される行為として正しいものはどれか。 営業秘密の許可された利用 他人の商品を模倣して販売する行為 公開されている情報の使用 特許取得済みの技術を活用する行為 None 57. 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 58. AIが利用するデータセットが不正確であり、それが社会的に不公平な結果を招いた場合、AI開発企業が求められる最善の対応はどれか。 不公平な結果を改善するためにデータを見直し、再トレーニングを行う データセットの収集元を公開して責任を回避する 不正確なデータが存在した可能性を否定する 不公平な結果が発生したことを公にしない None 59. 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 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