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. 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 2. 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 3. 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 4. 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 5. プロンプトを設計する際、倫理的な観点から考慮すべき点として適切なものを選びなさい。 プロンプトに誤解を招く情報を含め、AIを試す。 プロンプトに偏見や差別的な内容を含まないよう注意する。 プロンプトの設計でAIが生成する結果を完全に無視する。 プロンプトは倫理的な配慮を必要としない。 None 6. 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 7. 過学習（Overfitting）が発生する主な原因として最も適切なものはどれか。 トレーニングデータのサイズが小さすぎる モデルの複雑さが不足している 学習率が大きすぎる 損失関数が誤って設定されている None 8. 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 9. 「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 10. 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 11. 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 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. 「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 14. トレーニングデータが少ない場合に過学習を防ぐ効果的な手法として最も適切なものはどれか。 転移学習（Transfer Learning）を使用する モデルの層数を増やす トレーニングデータの一部を削除する トレーニングデータを正規化する None 15. 「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 16. 「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 17. 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 18. 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 19. 「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 20. 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 21. 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 22. 「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 23. 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 24. 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 25. 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 26. 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 27. 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 28. 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 29. 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 30. 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 31. 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 32. 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 33. 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 34. 「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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 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 41. 「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 42. 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 43. GANを基盤にした生成AIモデルが抱える課題として最も適切なものはどれか。 トレーニングにおけるモード崩壊の発生 トランスフォーマーアーキテクチャを採用できないこと テキスト生成が不可能であること パラメータ数が固定化されること None 44. Imagen VideoとDALL-Eの主な違いとして正しいものはどれか。 Imagen Videoはトランスフォーマーを使用しないが、DALL-Eは使用する Imagen Videoは音声認識に特化し、DALL-Eは画像分類を行う Imagen VideoとDALL-Eの両方が静止画生成のみを対象としている Imagen Videoはテキストを基に動画を生成し、DALL-Eはテキストを基に画像を生成する None 45. 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 46. 「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 47. 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 48. ChatGPTが多言語対応を強化するために行った主な改良として正しいものはどれか。 各言語ごとに別々のモデルを作成した トレーニングデータに多言語のテキストを追加した モデルのサイズを縮小した 英語以外の言語での応答を制限した None 49. 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 50. 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 51. 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 52. 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 53. 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 54. 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 55. 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 56. 「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 57. 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 58. 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 59. 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 60. 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 Time's up
