生成AIパスポート～模擬試験④～ 2024年12月9日2024年12月9日 ailearn 1. 過学習を防ぐために「アーリークロスバリデーション（Early Cross-Validation）」を適用する場合、重要なポイントとして最も適切なものはどれか。 検証データのスコアが安定する前にトレーニングを停止する トレーニングデータ全体を使用せずに部分的に学習を進める クロスバリデーションで得られた結果を基に学習回数を調整する 検証データを用いずにテストデータで精度を評価する None 2. プロンプトがAIの性能に与える影響について正しいものを選びなさい。 プロンプトの内容はAIの性能に影響しない。 プロンプトが曖昧だとAIの応答が不正確になる可能性がある。 プロンプトが長ければ必ずAIの性能が向上する。 プロンプトはAIの出力形式には影響しない。 None 3. 畳み込み層（Convolutional Layer）が行う主要な操作はどれか。 データを正規化する フィルタを用いて画像データから局所特徴を抽出する 画像の解像度を高める データの次元を削減する None 4. 画像認識で用いられる「ソフトマックス関数（Softmax）」の主な役割はどれか。 データを正規化する 画像の解像度を変更する クラス確率を計算する 入力データを圧縮する None 5. 画像認識モデルで「過学習」を防ぐために使用される手法として適切でないものはどれか。 ドロップアウト データ拡張 早期終了（Early Stopping） フィルタサイズの増加 None 6. 以下のうち、プロンプトを利用したAIの応用例として適切なものを選びなさい。 AIモデルの学習データの取得 AIを使った文章要約 AIモデルのアルゴリズム改良 AIのハードウェア設計 None 7. ニューラルネットワークで「バイアス（Bias）」の役割として正しいものはどれか。 学習率を調整する 入力データのスケーリングを行う モデルに線形性の柔軟性を追加する 重みを初期化する None 8. 過学習を防ぐためにモデルの複雑さを制御する手法として正しいものはどれか。 活性化関数を変更する トレーニングデータを減らす モデルのパラメータ数を減らす 出力層を削除する None 9. ニューラルネットワークで「重み」が更新される際に用いられる手法として正しいものはどれか。 フィルタリング 勾配降下法（Gradient Descent） データ拡張（Data Augmentation） 次元削減 None 10. 以下のうち、プロンプトの具体例として適切なものを選びなさい。 「以下の文章を5つのポイントに要約してください。」 AIの学習データセットのリスト AIモデルのハードウェア構成 プログラミング言語のリファレンスドキュメント None 11. 過学習を防ぐために「検証データセット」が使用される主な理由として正しいものはどれか。 モデルの汎化性能を評価するため トレーニングデータを補完するため モデルの計算速度を向上させるため トレーニングデータをランダム化するため None 12. Whisperが従来の音声認識技術と異なる特徴として正しいものはどれか。 多言語対応とノイズ耐性を備えている 音声の生成を行う 画像認識タスクにも対応している モデルサイズを極限まで縮小している None 13. ChatGPTが進化する中で、商業利用における倫理的課題として最も重要なものはどれか。 モデルの応答速度が遅いこと 偏りのある応答を生成する可能性 一部のタスクに特化できないこと APIの使用料金が高額なこと None 14. ニューラルネットワークにおける「重み（Weights）」の主な役割として正しいものはどれか。 入力データを調整し、重要度を反映させる 出力データを保存する モデルの計算速度を向上させる トレーニングデータを補正する None 15. ChatGPTが商業利用向けに広く提供されたタイミングとして正しいものはどれか。 GPT-3の公開時点 GPT-4のリリース後 OpenAI APIの提供開始時点 DALL-Eの公開と同時 None 16. AI利活用原則におけるプライバシーの保護について正しいものを選びなさい。 AIは利用者の同意なしに個人情報を収集してもよい。 AIの利用ではプライバシーは考慮しない。 AIは必要に応じてすべてのデータを公開するべきである。 AIはプライバシーを保護し、情報漏洩のリスクを最小限にするべきである。 None 17. AI利活用原則における「持続可能性」の説明として最も適切なものを選びなさい。 AIは環境や社会に配慮せず、利益のみを追求するべきである。 AIは短期間の利益を優先して利用されるべきである。 AIは社会的影響を考慮せず、技術的な進化のみを重視するべきである。 AIは環境への影響を最小限にし、持続可能な形で活用されるべきである。 None 18. 以下のうち、テキスト生成に特化した生成AIモデルとして正しいものはどれか。 GPT DALL-E StyleGAN Whisper None 19. ChatGPTが「生成AIパスポート」において学習するべき重要なポイントとして正しいものはどれか。 応答生成の仕組みと進化の過程 モデルのアーキテクチャの細部 モデルの全てのパラメータ 計算リソースの最適化方法 None 20. 次のうち、「公平性の確保」に該当する内容を選びなさい。 AIはすべての人々に同じ結果を保証するべきである。 AIは個人情報を利用して正確なプロファイリングを行うべきである。 AIの意思決定が不当な差別を避けるよう設計されるべきである。 AIは一部の特権階級のみに利用されるべきである。 None 21. 画像認識モデルにおいて、学習中に損失関数を最小化する目的で用いられる手法はどれか。 最大値探索法（Maximization Search） クラスタリング 勾配降下法（Gradient Descent） 時系列解析 None 22. ChatGPTが進化を遂げた理由として最も重要な要素はどれか。 モデルの計算速度を制限したこと モデルサイズを固定化したこと 商業利用を一切制限したこと ユーザーからのフィードバックを活用したこと None 23. 「重みの共有」が特に有効なニューラルネットワークの構造はどれか。 畳み込みニューラルネットワーク（CNN） リカレントニューラルネットワーク（RNN） 全結合ニューラルネットワーク（FCN） 強化学習モデル None 24. 「バッチ正規化（Batch Normalization）」が過学習の防止に役立つ理由として正しいものはどれか。 トレーニングデータを削除する モデルの構造を変更する 各層の入力を標準化し、学習を安定化させる 学習率を自動的に調整する None 25. AIによる画像認識で使用される「畳み込みニューラルネットワーク（CNN）」の主な役割はどれか。 データをクラスタリングする 画像から特徴を抽出する テキストデータを生成する 時系列データを解析する None 26. 「ドロップアウト」を適用するタイミングとして適切なものはどれか。 モデルの推論時 モデルのトレーニング時 モデルの初期化時 トレーニング後の評価時 None 27. 画像認識モデルで「注意機構（Attention Mechanism）」を組み込む目的として正しいものはどれか。 画像全体を均等に処理するため モデルのサイズを縮小するため データの正規化を自動化するため 重要な領域に焦点を当てて処理の効率を向上させるため None 28. AIの応答が期待に沿わない場合、プロンプトを改善する最善の方法はどれですか？ プロンプトを試行錯誤で繰り返し改善する。 AIモデルを変更する。 タスク自体を変更する。 プロンプトを簡潔にしすぎて内容を省略する。 None 29. 「重ね付け（Overlay）」がAIモデルで使用される主な目的として正しいものはどれか。 データの冗長性を削減する モデルの異なる特徴を統合し、複数の視点を活用する 学習プロセスを高速化する モデルの誤差を完全に取り除く None 30. 画像認識で「転移学習」を使用する際に、学習済みモデルの「上位層のみを再訓練」する主な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向上させるため トレーニングデータが少ない場合でも特定のタスクに適応させるため モデルのサイズを削減するため 学習済みモデルの精度をそのまま維持するため None 31. 音声認識に特化した生成AIとして正しいものはどれか。 GPT DALL-E Whisper StyleGAN None 32. AIモデルに複雑なタスクを指示する際に、プロンプトを最適化するための最適な方法はどれですか？ 曖昧な指示を与え、AIに自由に解釈させる。 指示の一部を省略して、応答の自由度を高める。 タスクの背景や条件を含めて、具体的で詳細なプロンプトを作成する。 長文の指示でAIの負荷を増やし、試行錯誤を繰り返す。 None 33. プロンプトの主な目的として正しいものを選びなさい。 AIモデルの学習データを変更するため AIモデルの応答や行動を指定するため AIの実行速度を向上させるため AIの動作を停止させるため None 34. ChatGPTの進化における「責任あるAI」の取り組みとして適切な事例はどれか。 応答の速度を一定に保つ トレーニングデータを一切公開しない 偏見のある応答を最小化するための調整 すべてのユーザーに同じ応答を提供する None 35. ニューラルネットワークの「重みの正則化」において、L1正則化が特に有効な理由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 重みをスパース化し、特徴選択を促進する 勾配消失問題を完全に解消する 学習率を自動調整する None 36. LLM（大規模言語モデル）を利用する際、プロンプト設計で特に考慮すべき点はどれですか？ LLMは曖昧なプロンプトでも正確に応答できるため、詳細な設計は不要である。 LLMはプロンプトの内容を無視して学習データからランダムに応答を生成する。 LLMはタスクごとに専用のプロンプト形式を固定する必要がある。 LLMは多様なタスクに対応可能だが、プロンプト次第で応答の品質が変化する。 None 37. ChatGPTが得意とする生成AIのタスクとして正しいものはどれか。 動画生成 テキストベースの対話生成 画像の補完 音声合成 None 38. 「バッチサイズ」を小さく設定すると過学習のリスクが減少する主な理由として最も適切なものはどれか。 トレーニングデータ全体を頻繁に再利用するため 各更新ステップでの勾配にノイズが加わり、モデルが汎化性能を高めるため 学習率を動的に調整するため モデルのパラメータ数が自動的に減少するため None 39. 画像認識タスクにおける「プーリング層（Pooling Layer）」の目的として正しいものはどれか。 特徴マップのサイズを縮小し、計算負荷を軽減する モデルの学習速度を向上させる 画像の色彩情報を保存する データをランダムにシャッフルする None 40. AI利活用原則における「透明性と説明責任」に関する内容として正しいものを選びなさい。 AIの意思決定プロセスは公開する必要はない。 AIの意思決定プロセスは利用者が理解できるよう説明可能であるべきだ。 AIの利用では透明性よりも効率性を重視すべきだ。 AIは結果のみを提示し、プロセスは秘匿するべきだ。 None 41. 画像認識タスクにおいて「ドメイン適応（Domain Adaptation）」が必要となる場面として最も適切なものはどれか。 トレーニングデータが非常に大規模である場合 トレーニングデータとテストデータが同一である場合 トレーニングデータとテストデータが異なる分布を持つ場合 トレーニングデータに欠損値が多い場合 None 42. プロンプト設計において最も重要な点として正しいものを選びなさい。 プロンプトは曖昧であるべき プロンプトには無関係な情報を含めるべき プロンプトは簡潔かつ明確であるべき プロンプトの長さは重要ではない None 43. モデルの「アンサンブル学習」を使用して過学習を防ぐ場合、適切な手法として最も正しいものはどれか。 同じアルゴリズムで構築された複数のモデルを組み合わせる トレーニングデータを小分けにして、単一のモデルで学習する モデルの層数を調整して単純化する 異なるアルゴリズムを用いて複数のモデルを構築し、組み合わせる None 44. GPTシリーズが進化する中で、GPT-3.5がGPT-3と異なる主な改良点として正しいものはどれか。 モデルサイズを半分に削減した 応答生成時の速度を改善した 強化学習による調整を導入した 訓練データの範囲を狭めた None 45. 畳み込みニューラルネットワーク（CNN）において、「フィルタサイズ」を調整する主な目的はどれか。 モデルの出力範囲を拡大する 特徴マップの詳細度を調整する モデルの計算速度を向上させる トレーニングデータのサイズを減少させる None 46. StyleGANが他のGANモデルと比較して革新的とされた理由として正しいものはどれか。 ジェネレータとディスクリミネータを削除した テキスト生成に対応した トレーニング時間を大幅に短縮した 潜在空間を効果的に操作可能にした None 47. ニューラルネットワークにおいて、「ドロップアウト率」を適切に設定するために考慮すべき点として最も適切なものはどれか。 トレーニングデータが少ない場合は低めに設定する 過学習がひどい場合は100%に設定する モデルの複雑さに関係なく固定値を使用する ドロップアウト率を高めに設定するほど学習速度が向上する None 48. 生成AIの分野で、GANを使用せずにトランスフォーマーベースで画像生成を行う技術として正しいものはどれか。 DALL-E StyleGAN GPT Whisper None 49. GPTシリーズが進化する過程で、API提供を通じた商業利用がもたらした主な利点として正しいものはどれか。 モデルの全ての機能が無料で利用可能になった 開発者が独自の応用を開発できる環境を提供した トレーニングデータの収集が不要になった 応答生成速度が大幅に向上した None 50. DALL-EとStyleGANの主な違いとして最も適切な説明はどれか。 DALL-EはGANに基づいているが、StyleGANはトランスフォーマーベースである DALL-Eはテキスト入力を基に画像生成を行うが、StyleGANは潜在変数を基に画像生成を行う DALL-Eは固定の画像生成に特化しており、StyleGANは画像編集機能を持たない DALL-Eは生成モデルであり、StyleGANは分類モデルである None 51. 画像認識において、「特徴量の抽出」に主に関与する層はどれか。 畳み込み層 入力層 出力層 ソフトマックス層 None 52. ChatGPTが進化する中で、大規模言語モデルに初めてRLHF（人間のフィードバックによる強化学習）が導入された目的として正しいものはどれか。 モデルのサイズを削減する 応答を人間にとってより自然で役立つものにする トレーニングデータの収集を簡略化する モデルの生成速度を向上させる None 53. GPT-4が画像を入力として処理可能にした背景として正しいものはどれか。 トランスフォーマーモデルのアーキテクチャを変更した モーダル間の情報統合を可能にする技術を導入した モデルのパラメータ数を削減した 自然言語処理タスクを廃止した None 54. ChatGPTが進化の過程で課題として直面している「長文対話」の問題を解決するために考案された技術として正しいものはどれか。 メモリ強化型の注意機構を導入する トークン数の制限を完全に撤廃する データ拡張手法を採用する 応答生成をランダム化する None 55. ChatGPTの初期バージョンが公開された年として正しいものはどれか。 2017年 2018年 2020年 2021年 None 56. AI画像認識における「セグメンテーション」と「分類」の主な違いとして正しいものはどれか。 セグメンテーションは個別のピクセルにラベルを割り当てるが、分類は全体の画像にラベルを割り当てる セグメンテーションは画像全体をラベル付けするが、分類は一部のオブジェクトを無視する セグメンテーションは回帰タスクに適用され、分類は分類タスクに適用される セグメンテーションと分類は同じタスクを異なる手法で解決する None 57. AI利活用原則の主な目的は何ですか？ AIの技術的な開発だけを推進する AIの社会的・倫理的な活用を促進する AIの市場価値を最大化する AIをすべての業務に導入することを義務化する None 58. DALL-Eが生成する画像の品質向上に寄与する技術として正しいものはどれか。 スパースアテンション GANベースのアーキテクチャ マルチモーダル表現 強化学習 None 59. AIモデルに与えるプロンプトに文脈情報を追加する利点として正しいものを選びなさい。 文脈情報はAIの処理速度を遅くするだけで利点がない。 文脈情報を加えると、AIが応答に矛盾を含む可能性が高まる。 文脈情報を追加することで、AIがタスクをより正確に理解できるようになる。 文脈情報を追加すると、応答の内容が単純化される。 None 60. 「正則化（Regularization）」を用いた過学習の回避方法として正しいものはどれか。 モデルのトレーニングを停止する 損失関数にペナルティ項を追加する トレーニングデータを削除する 重みを固定する None Time's up
