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. 「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 2. 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 3. 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 4. 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 5. AI画像認識の分野で、転移学習(Transfer Learning)が有効である理由はどれか。 新しいデータセットでゼロからモデルを訓練する必要がない モデルの精度を固定化できる すべてのデータをクラスタリングする能力を持つ データの正規化を自動化する None 6. 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 7. 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 8. 「重み初期化」の際にHe初期化を使用することが推奨される場面として最も適切なものはどれか。 活性化関数にReLUを使用している場合 出力層にソフトマックス関数を使用している場合 活性化関数にシグモイド関数を使用している場合 学習率が動的に調整される場合 None 9. 「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 10. 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 11. 「重みの正則化」がAIモデルに与える影響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 過学習を防ぐ トレーニングデータ量を減少させる 損失関数を無効化する None 12. 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 13. 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 14. 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 15. 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 16. 「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 17. 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 18. 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 19. 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 20. AIシステムの学習データに偏りがある場合、どのような具体的対策が「公平性の確保」に沿って最も適切でしょうか? 偏りのあるデータをそのまま利用し、アルゴリズムを高度化する。 データの偏りがあっても透明性を優先し、変更しない。 偏りがある場合は、AIを利用しない判断を行うべきである。 データの偏りを検出し、補正または追加データの収集を行う。 None 21. 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 22. 過学習を回避するための一般的な方法として正しいものはどれか。 モデルの層数を増やす ドロップアウトを使用する トレーニングデータを減らす 重みを固定する None 23. 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 24. 「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 25. 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 26. 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 27. 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 28. 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 29. 「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 30. 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 31. 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 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. 「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 34. 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 35. 「安全性」において、AIシステムが異常動作を検知するために最も有効な方法はどれですか? 異常時の停止機能を設定せず、運用を続ける。 AIモデルに異常検知アルゴリズムを組み込み、定期的に監視する。 AIシステムを設計する際に異常事態を考慮しない。 異常検知はシステム設計後に追加対応する。 None 36. 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 37. 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 38. 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 39. 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 40. 「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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. ニューラルネットワークにおける「スキップ接続」が有効である主な理由として正しいものはどれか。 モデルの計算量を減らす 重みの更新を不要にする 勾配消失問題を軽減し、非常に深いネットワークの学習を可能にする モデルの過学習を完全に防ぐ None 50. 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 51. 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 52. 「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 53. 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 54. 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 55. ニューラルネットワークの「重み共有」が画像認識タスクで特に有効である理由として最も適切なものはどれか。 モデルの精度が常に向上するため 出力層のサイズが自動的に決定されるため モデルの学習速度が倍増するため 同じフィルタを用いて異なる部分の特徴を学習できるため None 56. AIによる画像認識で「データ拡張(Data Augmentation)」を行う主な理由はどれか。 画像の解像度を向上させるため 学習モデルを簡素化するため ラベル付け作業を自動化するため トレーニングデータを増やし、過学習を防ぐため 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. ChatGPTとGPT-4が生成AIの歴史において与えた主な影響として正しいものはどれか。 チャット専用のモデルが標準化された テキスト生成タスクから離れた応用を廃止した マルチモーダル処理の可能性を広げた 生成AIのトレーニングデータ量を削減する技術を導入した None 59. 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 60. 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 Time's up