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の動作を改善するために採用されている「RLHF（人間のフィードバックによる強化学習）」の主な目的として正しいものはどれか。 モデルの計算速度を向上させる トレーニングデータの量を削減する 応答の品質を人間の期待に近づける モデルのパラメータ数を増加させる None 2. AI社会原則の「プライバシー保護」の具体的な実施例として正しいものはどれか。 個人データの収集を制限せずに行う 個人データの公開を義務付ける AIモデルにすべての個人データを取り込む 個人データを匿名化し、必要最小限の範囲で利用する None 3. AIシステムが高い信頼性を維持するために「説明責任」を果たす際、開発者が特に注意すべき点として最も適切なものはどれか。 モデルの判断プロセスを専門家だけが理解できるように説明する モデルの判断プロセスを詳細に記録するが、外部には公開しない 利用者がモデルの判断理由を理解できるレベルで説明する モデルの結果が正しいと利用者に信じさせる None 4. ニューラルネットワークで使用される「ドロップアウト」の仕組みとして正しい説明はどれか。 学習中にランダムな重みを削除して計算を簡略化する 学習を早期終了させ、無効なノードを削除する 一定のノードを固定的に無効化する トレーニング時にランダムに一部のノードを無効化し、過学習を防ぐ 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. 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 7. 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 8. 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 9. 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 10. 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 11. 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 12. 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 13. 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 14. 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 15. 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 16. 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 17. 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 18. 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 19. 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 20. 不正競争防止法が保護する対象として最も適切なものはどれか。 商業機密や営業秘密 公共のデータベース AIが生成したすべての作品 商業的価値のない情報 None 21. ニューラルネットワークで「過学習」を防ぐ手法として最も適切なものはどれか。 ドロップアウト 活性化関数の変更 入力層の削減 出力層のサイズ拡大 None 22. 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 23. 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 24. 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 25. 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 26. 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 27. 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 28. AI社会原則の「透明性」における実施例として最も適切なものはどれか。 AIの判断プロセスを秘密にする AIの出力結果をすべて記録する AIの利用をユーザーに知らせる AIのアルゴリズムをすべて公開する None 29. 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 30. 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 31. ノーフリーランチ定理が「データ駆動型」のアプローチに与える影響として適切なものはどれか。 データ量が増えればアルゴリズム選択の重要性は減少する 問題固有のデータを活用することでアルゴリズムの性能を引き出せる データの前処理はアルゴリズムの性能に影響しない 汎用的なアルゴリズムを採用することで、どのデータでも同じ結果が得られる None 32. 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 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. 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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. 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 50. 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 51. 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 52. 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 53. 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 54. 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 55. 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 56. AIの利活用におけるリスク管理の第一歩として最も適切なものはどれか。 AIシステムの完全な自動化 AIシステムに関するすべての規則を無視する AIを人間の判断から完全に切り離す AIの利用目的と影響範囲を明確にする None 57. 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 58. 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 59. 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 60. 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 Time's up
3
1 3 8 11 19 20 23 24 27