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 2. ニューラルネットワークにおいて「勾配消失問題」が発生しやすい理由として最も適切なものはどれか。 学習率が低すぎる 活性化関数が非線形でない 隠れ層が少なすぎる シグモイドやtanh関数のような活性化関数を使用した場合に勾配が小さくなる None 3. 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 4. 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 5. 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 6. 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 7. 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 8. 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 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. ニューラルネットワークにおける「フィードフォワード」とは何を指すか。 重みを調整するプロセス 出力を入力層に戻すプロセス データが一方向に進む計算のプロセス モデルの誤差を最小化するプロセス None 11. 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 12. 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 13. 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 14. 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 15. 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 16. 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 17. ノーフリーランチ定理が提唱される際の前提条件として正しいものはどれか。 問題空間が無限であること 問題空間が有限で一様分布していること アルゴリズムが確率的手法を用いていること 問題空間が特定のバイアスを持っていること None 18. 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 19. 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 20. 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 21. 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 22. GPT-3が「ゼロショット学習」で高い性能を発揮する理由として最も適切なものはどれか。 特定タスク専用のデータセットで訓練されているから 非常に大規模な事前訓練により多様な知識を持っているから モデルサイズを小さくすることで一般化能力を向上させているから 双方向の文脈を同時に学習するアーキテクチャを採用しているから None 23. 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 24. 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 25. 「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 26. 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 27. 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 28. 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 29. 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 30. 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 31. 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 32. 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 33. 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 34. 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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. ノーフリーランチ定理が示唆する「アルゴリズム選択バイアス」の正しい説明はどれか。 特定の問題に対して適切なアルゴリズムが存在しないこと すべてのアルゴリズムがランダムに選ばれるべきであること データ特性に基づいてアルゴリズムを選択することの重要性 問題空間が一様分布していると仮定すること None 50. 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 51. 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 52. 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 53. 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 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 Time's up
3
1 3 8 11 19 20 23 24 27