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. 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 2. ChatGPTのモデル設計が、ユーザーからのフィードバックを反映するために採用している手法として正しいものはどれか。 転移学習 ハイパーパラメータの自動最適化 アンサンブル学習 人間のフィードバックによる強化学習（RLHF） None 3. 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 4. 「セキュリティ」に関するAI利活用原則の内容として正しいものを選びなさい。 AIシステムのセキュリティは利用者の責任で確保すべきである。 AIシステムは脆弱性があっても使用を続けられるべきだ。 AIシステムは安全性を確保し、外部攻撃から保護する必要がある。 AIのセキュリティ対策は重要ではない。 None 5. 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 6. 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 7. AIを使用したデータセンターが「持続可能性」に配慮する際に最も適切なアプローチはどれですか？ AIモデルの精度を向上させるために計算リソースを無制限に使用する。 電力消費を気にせず、高性能なハードウェアを常に利用する。 持続可能性を考慮せず、短期的なパフォーマンスを重視する。 省エネルギー技術や再生可能エネルギーを積極的に活用する。 None 8. ニューラルネットワークにおける「重みのスパース化（Sparse Weights）」が有効である理由として正しいものはどれか。 モデルの性能を向上させる 過学習を引き起こすリスクを高める トレーニングデータの品質を向上させる モデルの計算コストを削減し、効率化する None 9. 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 10. 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 11. 「プロンプト」とは何を指しますか？ AIが生成する出力結果のこと AIモデルに指示や質問を伝える入力テキスト AIモデルが動作するためのハードウェア AIモデルの学習データセットの名称 None 12. Whisperが音声認識タスクで競合他モデルと比較して優れている理由として適切なものはどれか。 完全に教師なし学習でトレーニングされている 音声データから直接画像を生成できる ノイズ耐性と多言語対応能力を持つ 音声データの生成速度が圧倒的に速い None 13. 過学習を防ぐための正則化手法として「ドロップコネクト（DropConnect）」が特に有効である理由として最も適切なものはどれか。 特定の層を完全に無効化する 重みをランダムに無効化して汎化性能を向上させる データの次元を削減する 重みの更新を不要にする None 14. 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 15. 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 16. 画像生成AIとして知られるDALL-Eの主な特徴として正しいものはどれか。 音声認識を行う テキストを基に画像を生成する データの分類タスクに特化している 動画生成を行う None 17. 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 18. 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 19. 過学習を防ぐために「データ拡張（Data Augmentation）」が使用される理由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ため モデルの構造を単純化するため トレーニングデータの多様性を増やすため 学習率を調整するため None 20. 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 21. 「人間中心の原則」の内容として正しいものを選びなさい。 AIは人間の価値を保護し、人々の生活を向上させるべきである。 AIは常に人間の指示に従うべきである。 AIの利用において、開発者の意図が最優先される。 AIは人間に代わって意思決定を行うべきである。 None 22. 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 23. AI利活用原則における「教育とリテラシー」の目的として正しいものを選びなさい。 すべての人々がAI技術を理解し、適切に利用できるよう教育を促進する。 AIに関する教育は専門家に限定されるべきだ。 AIのリテラシーは社会全体には不要である。 AI教育はAI開発者だけが対象である。 None 24. プロンプトとAIの応答の関係について正しい記述を選びなさい。 プロンプトはAIの応答に影響を与えない。 プロンプトの形式は応答には関係ない。 プロンプトはAIモデルの動作速度にのみ影響を与える。 プロンプトの内容によってAIの応答が大きく変わる。 None 25. 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 26. 以下のうち、プロンプトを使用する典型的な活用分野として最も適切なものを選びなさい。 AIの物理設計 AIのトレーニングデータ収集 インフラ管理 文章生成や翻訳 None 27. 「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 28. 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 29. 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 30. 「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 31. 「国際協調」の観点から、AI利活用において各国間で取り組むべき最も重要な事項はどれですか？ AIの開発と利用に関する国際的な標準を制定し、共有する。 国ごとに独自の基準を設け、他国の基準を無視する。 AI技術の利用は国際協調よりも自国の利益を優先するべきである。 他国のAI基準に従わず、自国の技術開発を最優先する。 None 32. 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 33. 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 34. 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 35. 「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 36. 「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 37. 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 38. 過学習を防ぐために「早期終了（Early Stopping）」を使用する場合、重要な判断基準として適切なものはどれか。 トレーニングデータの精度が一定値を超えたとき モデルの複雑さが限界を超えたとき 学習率が収束したとき テストデータの精度が向上しなくなったとき None 39. GPTシリーズのモデルが進化する中で、GPT-4が他のバージョンと異なる特徴として正しいものはどれか。 マルチモーダル処理が可能になった 完全に教師あり学習に依存する パラメータ数がGPT-3より大幅に少ない 応答がランダムに生成される None 40. 「重みの初期化」がニューラルネットワークの学習に与える影響として正しいものはどれか。 学習率を調整する必要を無くす 活性化関数を選択するプロセスを簡略化する モデルの学習速度と安定性に影響を与える モデルの出力を固定化する None 41. 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 42. 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 43. 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 44. 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 45. 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 46. 「重ね付け」による学習の効果を説明するモデルとして正しいものはどれか。 レイヤーノーマライゼーション（Layer Normalization） 残差ネットワーク（ResNet） ソフトマックス関数 時系列モデル（Time Series Model） None 47. 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 48. 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 49. 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 50. 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 51. AIを活用した個人データ分析システムの設計で、「プライバシー保護」に適合する最も効果的な方法はどれですか？ すべてのデータを暗号化し、アクセス権を制限する。 利用者にデータの収集方法を知らせるが、暗号化はしない。 データを暗号化せずに匿名化のみ行う。 データ保護の必要性を軽視し、利便性を優先する。 None 52. 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 53. 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 54. 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 55. 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 56. 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 57. 畳み込みニューラルネットワーク（CNN）のトレーニング中に「フィルタの数」を増やすと予想される影響として最も適切なものはどれか。 訓練時間が短縮される 過学習のリスクが減少する モデルの出力次元が減少する モデルの学習能力が向上し、より多様な特徴を抽出できる None 58. 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 59. 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 60. 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 Time's up
