生成AIパスポート～模擬試験⑤～ 2024年12月9日2024年12月9日 ailearn 1. LMが次に来る単語を予測する際に基づいているものは何ですか？ 画像データのピクセル値 音声信号の周波数 AIエンジンのハードウェア性能 過去の文脈と単語の出現確率 None 2. 「LLM（Large Language Model）」とは何ですか？ AIを使って画像を生成するモデル 大規模なデータを学習し、高度な言語処理を可能にするAIモデル 小規模なデータで学習した言語モデル AIを使った物理シミュレーションモデル None 3. 特化型AI（Narrow AI）が日常生活で使用されている例として最も適切なものはどれか。 自動運転車 医療診断システム 自然言語処理を用いたチャットボット 以上すべて None 4. 転移学習が自然言語処理（NLP）で広く利用される理由として正しいものはどれか。 言語モデルが文法や単語の一般的な特徴を学習できるため 言語データが常に小規模であるため 出力層が全タスクに共通であるため 学習済みモデルを直接再利用することが禁止されていないため None 5. 「強いAI（Strong AI）」が特化型AIと異なる点として正しいものはどれか。 強いAIは人間のように意識を持つ 強いAIは特定のタスクに特化して設計されている 強いAIは必ずしも人間を超える性能を持つ 強いAIは単純な問題を解決できない None 6. 「LM（Language Model）」とは何ですか？ 人間の言語を理解し、生成するAIモデル AIのトレーニングデータを生成するアルゴリズム ハードウェアを制御するためのAIモジュール AIシステムの物理構造設計の手法 None 7. 汎用型AI（General AI）が現在実現されていない理由として最も適切なものはどれか。 十分なトレーニングデータが不足している 複数のタスクに適応する技術が未成熟である ハードウェアの性能が足りない 人間の認知機能を完全に理解していない None 8. LLMが応答を生成する際に行う基本的なプロセスはどれですか？ テキストデータを画像データに変換して処理する。 文脈に基づき次に来る単語を確率的に予測して生成する。 ランダムに単語を選んで文を構成する。 事前に固定されたテンプレートから回答を選択する。 None 9. 特化型AIが汎用型AIよりも広く採用されている理由として最も適切なものはどれか。 特化型AIは開発が容易でコストが低いため 汎用型AIの技術はすでに陳腐化しているため 特化型AIは常に汎用型AIより高性能であるため 汎用型AIはトレーニングに長い時間がかかるため None 10. LMの進化に最も影響を与えた技術として正しいものを選びなさい。 画像処理アルゴリズム トランスフォーマー（Transformer）アーキテクチャ 物理的制御システム 周波数分析ツール None 11. GPTシリーズが長文処理で抱える課題の解決策として最も適切なものはどれか。 トークン数の制限を完全に撤廃する モデルサイズを大幅に縮小する 注意機構を強化し、重要な文脈を選択的に保持する トランスフォーマーをGANに置き換える None 12. ディープフェイクによる影響を最小化するために重要な対策として適切なものはどれか。 生成されたコンテンツを識別するアルゴリズムの開発 ディープフェイク生成技術を一般公開しない トレーニングデータを削減する コンテンツ生成速度を遅くする None 13. LLMの課題として最も適切なものを選びなさい。 学習に必要なデータ量が少ない。 単一のタスクにしか対応できない。 文脈を理解する能力が低い。 応答が必ずしも事実に基づかない場合がある。 None 14. 汎用型AI（General AI）が特化型AIと比較して、医療分野において特に効果を発揮すると考えられる場面として適切なものはどれか。 画像診断や薬剤設計のような個別のタスクに特化した業務 トレーニングデータが限定的である新薬開発業務 医療データの収集と記録の効率化 異なる専門分野（例：内科と外科）間での知識を統合して診断を行う業務 None 15. DALL-Eの主なデメリットとして適切なものはどれか。 テキストの文法的誤りを訂正できない 指定されたテキスト指示を完全に理解できない場合がある 動画生成タスクに対応していない 高度な音声認識能力が必要とされる None 16. ChatGPTのデメリットとして正しいものはどれか。 応答が完全にランダムに生成される トレーニングデータ以降の最新情報に対応できない 音声認識機能が搭載されていない 動画生成能力が制限されている None 17. 転移学習が成功するための条件として適切でないものはどれか。 元のモデルと新しいタスクが類似している 新しいタスクのデータが十分に大規模である 元のモデルが一般的な特徴を学習している 新しいタスクが元のモデルと全く異なるデータセットを持つ None 18. LMが学習するために必要なデータは何ですか？ 膨大な量のテキストデータ 画像や動画データ 物理センサーからの信号データ 数値シミュレーションデータ None 19. インターネット上の匿名性が犯罪行為に悪用されるリスクを軽減するために、最も効果的な対策はどれか。 インターネット利用者全員に実名登録を義務付ける すべてのユーザーが匿名での投稿を禁止される サービス提供者がコンテンツの監視と違法行為の報告を強化する 監視カメラをオンラインサービスと連携する None 20. ディープフェイク技術の主な基盤となるアルゴリズムはどれか。 GAN（生成的敵対ネットワーク） Transformer RNN（リカレントニューラルネットワーク） CNN（畳み込みニューラルネットワーク） None 21. StyleGANのメリットとして正しいものはどれか。 潜在空間の操作性が高く、生成画像の特徴を調整できる マルチモーダル処理に対応している テキスト生成能力に優れている ノイズに強い音声データ処理を行う None 22. LLMが偏った学習データを利用している場合、応答にどのような影響が出る可能性がありますか？ 応答は完全に中立になる。 応答がすべて正確な情報になる。 学習データの偏りは応答に影響を与えない。 偏見や特定の視点が反映された応答を生成する可能性がある。 None 23. 特化型AI（Narrow AI）から汎用型AI（General AI）への進化を実現するために必要な技術的要件として最も適切なものはどれか。 訓練データ量を無制限に拡大する 異なるタスク間での知識共有を可能にするアーキテクチャの開発 モデルのサイズを極端に縮小する 特定のタスクでの性能向上を優先する None 24. 「汎用型AI（General AI）」と特化型AIの主な違いとして正しいものはどれか。 汎用型AIは特定のタスクに制限されず、複数のタスクをこなせる 特化型AIは学習が不要で、汎用型AIは学習が必須である 特化型AIは複数の分野で利用可能で、汎用型AIは一つの分野に限定される 汎用型AIは特化型AIに比べて開発が容易である None 25. 転移学習（Transfer Learning）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 学習済みモデルを活用して新しいタスクを効率よく学習する モデルのサイズを削減する モデルの複雑さを制限する None 26. SNSでフォロワーの信頼を得るために投稿する情報を選ぶ際に最も重要な基準はどれか。 投稿が感情的で多くの「いいね」を獲得できるか 投稿が正確で信頼できる情報に基づいているか 投稿がエンターテイメント性に優れているか 投稿が拡散される可能性が高いか None 27. LM（Language Model）の主要な構成要素として適切なものを選びなさい。 画像データとピクセル処理モデル 音声データと周波数分析モデル テキストデータと確率計算モデル 物理センサーと信号処理モデル None 28. ディープフェイク動画を識別する際に、特定のディスクリミネータが検出しやすい特徴として適切なものはどれか。 動画の色調が均一である 背景が動かない場合が多い 動画内の音声と画像が完全に同期している 瞬きのパターンが非現実的である None 29. LMはどのように動作しますか？ 音声データを入力し、画像を出力する。 テキストデータを学習し、次に来る単語を確率的に予測する。 AIの物理的動作を制御する。 テキストデータを使わずに直接応答を生成する。 None 30. LLMが基盤としている主要なアーキテクチャはどれですか？ リカレントニューラルネットワーク（RNN） 畳み込みニューラルネットワーク（CNN） トランスフォーマー（Transformer） サポートベクターマシン（SVM） None 31. 転移学習が特に有効であ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豊富に存在する場合 新しいタスクが既存モデルと無関係な場合 トレーニングデータが少なく、新しいタスクが既存モデルと関連している場合 モデルの計算リソースが無制限にある場合 None 32. LMの応答の信頼性を向上させる方法として最も適切なものを選びなさい。 LMに学習データの信頼性を評価させる。 プロンプトを曖昧にし、応答の自由度を高める。 生成された応答に対して、別のAIで検証プロセスを追加する。 LMに応答結果の正確性を自己判断させる。 None 33. インターネット上で公開される情報が誤情報である可能性を検証する最適な方法として正しいものはどれか。 公的機関や信頼性の高い情報源と照らし合わせる SNSの拡散状況を確認する 情報の出所を気にせず、内容をそのまま利用する コメント欄の意見数を基準に信頼性を判断する None 34. AIレベル別分類の観点から、自律型AI（Autonomous AI）の導入が現実的でない分野として最も適切なものはどれか。 自動運転車の制御 医療診断システム 倫理的判断が必要な分野（例：司法、政策立案） サプライチェーンの最適化 None 35. Whisperのデメリットとして最も適切なものはどれか。 高解像度画像生成には対応していない 音声認識モデルとして、騒音環境で精度が低下する場合がある 特定の言語に対する認識精度が低い場合がある 潜在空間の操作が不可能である None 36. LLMの応答が事実に基づいていることを確認するために最も効果的な方法はどれですか？ LLMの応答をそのまま信頼する。 LLMに複数回同じ質問をして矛盾を確認する。 外部データベースを使用して応答を検証する。 応答が正確かどうかは検証しない。 None 37. 転移学習で「特徴抽出（Feature Extraction）」が行われる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のサイズを減らすため 事前に学習されたモデルの一般的な特徴を利用するため モデルの出力層を固定するため 学習速度を低下させるため None 38. AIのレベル別分類における「特化型AI（Narrow AI）」の特徴として正しいものはどれか。 あらゆる分野で汎用的に使用できる 特定のタスクに特化して設計されている 自律的に意思決定を行う 人間の知能を完全に再現する None 39. 転移学習を利用している際に、モデルの「過学習」を防ぐために適切なアプローチとして正しいものはどれか。 学習率を極端に低く設定する トレーニングデータを増やさずに、より複雑なモデルを使用する すべての層を同時に再訓練する 最終層のみを再訓練し、低次層を凍結する None 40. インターネットで個人情報を保護するために最も重要なことは何か。 同じパスワードを複数のサービスで使用する 不要な情報をネットに公開しない すべてのウェブサイトでクッキーを受け入れる 公共Wi-Fiを利用してパスワードを送信する None 41. LLMを運用する際の主な制約の1つとして正しいものを選びなさい。 データ量が少なくなると性能が向上する。 大規模な計算資源が必要であり、運用コストが高い。 専用のハードウェアが不要であるため制約が少ない。 モデルサイズが小さいため複雑なタスクには向かない。 None 42. GPTの主なメリットとして最も適切なものはどれか。 テキスト生成における柔軟性と文脈理解能力が高い ノイズ耐性に優れている 動画生成に最適化されている 特定のトピックに限定されている None 43. 公共Wi-Fiを利用する際に個人情報を保護するための最適な方法として正しいものはどれか。 公共Wi-Fiではパスワードが必要ない場合のみ接続する 銀行やSNSなどのログインは問題ないと考える Wi-Fiを利用する際はすべてのデバイスでBluetoothをオンにする HTTPS通信を利用し、VPNを使用する None 44. LLMが長文の文脈を処理する際、どのような技術的な制約が発生しやすいですか？ 応答が短くなりすぎる。 計算負荷が高まり、メモリ制限に達する可能性がある。 短い文脈では動作しない。 文脈の最初の部分しか処理しない。 None 45. ディープフェイクが使用される際の倫理的な課題として正しいものはどれか。 トレーニングに必要なリソースが不足する 動画生成の速度が非常に遅い 偽情報や詐欺行為に利用される可能性がある トランスフォーマーベースのモデルしか使用できない None 46. ディープフェイクによって生成される動画の特徴として正しいものはどれか。 元の映像を完全に削除して生成される 人間が識別できないレベルでリアルに見える 必ず低解像度で生成される 特定の顔のみを使用することができない None 47. ディープフェイクによる生成画像が特に難しい部分として適切なものはどれか。 背景の描写 静止している物体の生成 テキストベースの入力解析 顔の自然な瞬きや微細な表情 None 48. LLMのトレーニングや運用による環境負荷を軽減するために最も効果的な方法はどれですか？ エネルギー効率の高いハードウェアと再生可能エネルギーを活用する。 モデルの規模をさらに大きくする。 トレーニングを複数回繰り返して精度を向上させる。 エネルギー使用量を考慮せず、性能だけを優先する。 None 49. LLMの特徴として正しいものを選びなさい。 少量のデータで学習し、単一のタスクに特化する。 膨大なパラメータ数を持ち、多様なタスクに対応できる。 特定分野の専門知識だけを学習する。 データなしで動作するAIモデルである。 None 50. あるLMが次の文章を処理するとします。「私は朝パンを食べました。それから、牛乳を飲みました。」この文脈を考慮した場合、次に出力される可能性が最も高いのはどれですか？ 「その後、私は公園を散歩しました。」 「次の日はパンケーキを作りました。」 「夕食はカレーでした。」 「牛乳は冷たくて美味しかったです。」 None 51. インターネット上で信頼できる情報を見分けるための重要なポイントはどれか。 情報が多くのサイトで繰り返し引用されているか確認する 情報が有名なブログで紹介されているか確認する 情報源が公的機関や専門家によるものであるか確認する 情報の発信者が匿名であるかどうか確認する None 52. ChatGPTが特定の業務（例：医療分野）に応用される際に考慮すべきデメリットとして正しいものはどれか。 トレーニングデータに基づく偏りが応答に影響を与える可能性がある テキスト生成速度が遅すぎて業務に適さない 画像や音声データを直接処理できない 文法的誤りを含む応答しか生成できない None 53. 転移学習を行う際に「凍結層を増やす」ことの主なメリットとして正しいものはどれか。 モデル全体の再訓練が容易になる 計算コストを削減し、過学習のリスクを軽減できる 出力層のパフォーマンスを向上させる 新しいデータへの適応能力を最大化できる None 54. LMとLLMの違いとして正しいものを選びなさい。 LLMはLMよりも小規模なデータセットで動作する。 LLMはLMに比べてより大規模なデータセットと計算資源を活用する。 LMはLLMよりも文脈理解能力が高い。 LMとLLMはまったく異なるアルゴリズムを使用している。 None 55. ディープフェイク技術が情報セキュリティの観点で課題となる理由として最も適切なものはどれか。 生成画像の品質が低い ユーザーの信頼を損なう偽情報を拡散する可能性がある テキスト生成能力が不足している 動画生成に時間がかかりすぎる None 56. 複数の異なるSNSアカウントを安全に管理するために必要な最善の方法はどれか。 各アカウントに異なるパスワードを設定し、パスワード管理ツールを使用する すべてのアカウントで同じパスワードを使用し、覚えやすくする パスワードを定期的に公開することで安全性を確認する アカウントごとに異なるメールアドレスを設定するが、パスワードは共通にする None 57. 安全なパスワードを作成するための重要なポイントはどれか。 短いが覚えやすい単語を使用する 名前や誕生日を含める 大文字、小文字、数字、記号を組み合わせる すべてのアカウントで同じパスワードを使う None 58. AIのレベル別分類で、「強いAI（Strong AI）」が目指すものとして正しいものはどれか。 特定のタスクにおいて人間を上回る能力を持つ 機械学習モデルを効率的に訓練すること 現実の物理システムを模倣すること 人間の知能や意識を再現すること None 59. インターネットでの適切なコミュニケーションとは何か。 他者を尊重し、攻撃的な言動を避けること すべての意見に賛同すること 匿名であれば自由に意見を述べること 感情的な表現を多用すること None 60. 転移学習を使用している場合、学習済みモデルの初期層（低次層）を再訓練することが適切な場面として正しいものはどれか。 新しいタスクが元のタスクと完全に異なる場合 新しいタスクのデータが少ない場合 新しいタスクが元のタスクと高度に類似している場合 モデルの計算コストを削減したい場合 None Time's up
