生成AIパスポート~模擬試験②~ 2024年12月9日2024年12月9日 ailearn 1. AIの「知能」が進化する仕組みとして正しい説明はどれか。 データの量を増やすだけで知能が向上する データ、アルゴリズム、計算資源の相互作用で進化する ハードウェア性能だけで知能が大幅に向上する 人間がすべてのルールを設定することで進化する None 2. 生成モデルが「モンテカルロ法」と関連する理由として最も適切なものはどれか。 データの確率分布を明示的に計算するため サンプリングを通じて不確実性をモデル化するため データの分類精度を向上させるため 潜在変数の次元を削減するため None 3. 生成モデルの最も初期の概念に近い理論として正しいものはどれか。 ガウス分布 隠れマルコフモデル(HMM) ニューラルネットワーク k-近傍法(k-NN) None 4. 「肖像権」とは何を保護するための権利か。 作品の著作権を保護する 自分の顔や姿を無断で撮影されたり公開されたりしない権利を保護する 商業利用のためのロゴやデザインを保護する 企業のブランド価値を保護する None 5. Transformerモデルにおける「ポジショナルエンコーディング」の役割として正しいものはどれか。 入力データの順序を明示する 入力データを正規化する データの次元を削減する モデルの損失を最小化する None 6. 生成モデルの「自己回帰型モデル」に該当する技術として正しいものはどれか。 GAN VAE PixelRNN 主成分分析 None 7. AIが生成した架空の人物の画像を商業利用する場合、パブリシティ権の侵害が成立する可能性はどのような場合か。 架空の人物が実在する著名人を連想させる場合 架空の画像であるため侵害は成立しない 生成物が一般的な外見で特定性がない場合 商業利用に関係なく侵害が成立する場合 None 8. AIが生成した架空の人物の肖像画像について、肖像権が適用される可能性はどれか。 完全に架空であれば肖像権は適用されない AIが生成した場合、自動的に肖像権が適用される トレーニングデータが公開されていない場合、適用される 架空であっても特定の個人を連想させれば適用される None 9. 生成モデルの主要な応用例として正しいものはどれか。 データ生成による訓練データの拡張 機械学習モデルの訓練時間の短縮 データの圧縮アルゴリズムの設計 データベースの高速検索 None 10. 次のアルゴリズムのうち、教師なし学習に該当する「次元削減」の手法を選びなさい。 主成分分析(PCA) ランダムフォレスト 勾配ブースティング 線形回帰 None 11. 生成モデルの中で「フリシェーインセプション距離(FID)」が使用される主な目的として正しいものはどれか。 生成されたデータの品質を評価する トレーニングデータセットのサイズを決定する モデルのトレーニング速度を測定する データのクラスタリング精度を確認する None 12. 肖像権侵害を防ぐため、写真や動画を公開する際に最も適切な対応はどれか。 被写体の同意を得る 公共の場で撮影した場合は同意不要 商業利用のみ同意を得る 顔が写っていなければ公開に制限はない None 13. 変分オートエンコーダ(VAE)の潜在空間において、データの分布が学習される過程で「KLダイバージェンス」が果たす役割として適切なものはどれか。 潜在空間内のデータ間距離を最小化する デコーダの出力を直接最適化する 潜在分布が標準正規分布に近づくように調整する トレーニングデータのラベルを補完する None 14. Transformerモデルにおける「ヘッド間の重み共有」が生成される情報に与える影響を最も正確に表す選択肢はどれか。 モデルの計算速度を劇的に向上させる モデル全体のメモリ消費量を削減する 各ヘッドが異なる特徴を学習できなくなる 入力データの順序依存性が完全に排除される None 15. 教師あり学習の典型的なアルゴリズムとして適切なものはどれか。 ロジスティック回帰 K-平均法(K-means) 自己組織化マップ(SOM) アソシエーション分析 None 16. 生成モデルの中で「生成的敵対ネットワーク(GAN)」が導入した革新的なアイデアとして正しいものはどれか。 データ生成と分類の競争的トレーニング 自己教師あり学習 確率分布の明示的なモデリング トレーニングにラベル付きデータが必要 None 17. 次のうち、機械学習モデルの回帰問題を解決するためのアルゴリズムはどれか。 ナイーブベイズ K-平均法(K-means) ロジスティック回帰 線形回帰 None 18. 次のうち、機械学習の分類に該当する手法はどれか。 線形回帰 K-近傍法(KNN) 主成分分析(PCA) A/Bテスト None 19. AIが生成した肖像画像を広告キャンペーンに使用したところ、第三者から肖像権侵害で訴えられた。この場合、広告主が法的責任を回避するために最も有効な証拠はどれか。 生成物が完全に架空のものであることを示す証拠 使用された画像がトレーニングデータから直接引用されたことを証明する証拠 訴えた第三者の実際の肖像と生成物の一致を否定する証拠 AI開発者が肖像権侵害を認識していなかったことを証明する証拠 None 20. AIが生成した著名人の肖像を広告に利用する場合、最も重要な法的対応はどれか。 AIの利用規約を確認する 著名人本人から事前に同意を得る AIが生成したため問題はない 生成された肖像に修正を加える None 21. 生成モデルの系譜における「自己回帰型モデル」の特徴として正しいものはどれか。 全データを同時に生成する データを逐次的に生成する 潜在変数を使用してデータを再構築する データのクラスタリングに特化している None 22. 強化学習で用いられるアルゴリズムとして適切なものはどれか。 Q学習 ランダムフォレスト K-means 主成分分析(PCA) None 23. 肖像権が適用される対象として正しいものはどれか。 企業のロゴ 一般人や著名人の顔や姿 著作物の内容 動物の画像 None 24. 機械学習が使用される主な目的はどれか。 データの可視化を最適化する データから予測や分類を行う コンピュータの計算速度を高める 人間の知識を直接的に適用する None 25. 生成モデルがテキスト生成において直面する「長い文脈の維持」の課題を克服するために利用される技術として最も適切なものはどれか。 畳み込みニューラルネットワーク(CNN) 長短期記憶ネットワーク(LSTM) 主成分分析(PCA) 最近傍探索(KNN) None 26. 生成モデルの重要な研究分野の一つである「テキスト生成」の例として適切なものはどれか。 自然言語処理を用いた小説の自動生成 機械翻訳の精度向上 音声認識システムの開発 時系列データの分類 None 27. 肖像権とパブリシティ権の違いとして適切な説明はどれか。 肖像権は商業利用を目的とし、パブリシティ権はプライバシー保護を目的とする 両者は同じ内容であり、区別されない 肖像権はプライバシー保護、パブリシティ権は商業的価値の保護を目的とする パブリシティ権は著作権に含まれる None 28. AI生成物を商業利用する際、肖像権やパブリシティ権の侵害を防ぐための適切な方法として正しいものはどれか。 トレーニングデータに著名人の写真を含めない 生成物に著名人を想起させる特徴がないことを確認する 生成物が著名人に似ていても明確な断り書きを添える 生成物の使用後に対象者に通知を行う None 29. 「サポートベクターマシン(SVM)」において、カーネル関数が果たす役割として正しいものはどれか。 モデルの学習速度を上げる 高次元空間で線形分離を可能にする データをクラスタリングする 次元削減を自動的に行う None 30. 生成モデルの一種であるVAE(変分オートエンコーダ)の主な目的として正しいものはどれか。 クラス分類精度の向上 データの潜在空間表現を学習して新しいデータを生成する 時系列データの予測 音声データの高速処理 None 31. 機械学習における「決定木」の主な特徴として正しいものはどれか。 線形分離可能なデータにのみ適用できる データの分類や回帰の両方に使用できる 教師なし学習の一例である 事前にデータを次元削減する必要がある None 32. 生成モデルの系譜において「フロー型モデル(Normalizing Flows)」が採用する主要な手法として正しいものはどれか。 データの逐次生成 ディスクリミネータを使用した分類 可逆変換によるデータ分布の明示的モデリング 高次元データのクラスタリング None 33. 次のうち、AIの学習において「教師あり学習」に該当するものはどれか。 犬と猫の画像を分類する際にラベル付きデータを使用する 大量のデータから自然にクラスタを形成する 試行錯誤を繰り返して最適な行動を学ぶ 予測モデルを人間の手で設定する None 34. 次の行為のうち、パブリシティ権侵害のリスクが最も高いものはどれか。 著名人の名前を個人ブログで称賛する 著名人の肖像を無許可で商品パッケージに使用する 著名人が参加したイベントの写真を個人のアルバムに保存する 著名人の出演するテレビ番組を視聴する None 35. SNSに投稿された写真に写っていた他人が、肖像権の侵害を主張するために必要な条件として最も適切なものはどれか。 写真が公共の場で撮影されたものであること 写真が投稿者自身によって撮影されたものであること 写真に写っている人物が特定可能であること 写真が撮影後すぐに公開されたものであること None 36. 肖像権とパブリシティ権の侵害が同時に成立する可能性がある状況として最も適切なものはどれか。 著名人の写真を許可なくSNSで称賛する投稿を行った場合 一般人の顔写真を広告に使用した場合 公共イベントで撮影された群衆の写真を公開した場合 著名人の写真を無断で広告に使用した場合 None 37. Transformerモデルが従来のRNNと比較して優れている点として正しいものはどれか。 時系列データの順序を完全に無視できる 並列処理が可能である 入力データの順序を保持しない 訓練にラベル付きデータが不要である None 38. AIが生成した作品の著作権が帰属しない場合、生成物の扱いとして正しいものはどれか。 公共財として自由に利用できる 開発者の権利として保護される 利用者が独占的に利用できる 知的財産権の対象外となる None 39. GANとVAEの違いとして正しいものはどれか。 GANは教師あり学習、VAEは教師なし学習に基づく GANは潜在空間を持たないが、VAEは潜在空間を持つ GANは高速だが、VAEは非常に遅い GANは競争的アプローチを採用し、VAEは確率的アプローチを採用する None 40. Transformerモデルの「エンコーダ」の主な役割として正しいものはどれか。 入力データを次元削減する 入力データを表現ベクトルに変換する 出力データの損失を計算する データ間の相関性を破壊する None 41. VAE(変分オートエンコーダ)がGANと比較して有利とされる点として正しいものはどれか。 VAEは計算資源をほとんど必要としない VAEは完全に教師あり学習に基づいて動作する VAEは確率的潜在空間を学習し、生成データの多様性が高い VAEは大規模データセットが必要ない None 42. 生成モデルにおいて「潜在空間」の役割として正しいものはどれか。 訓練データを直接保存する ジェネレータとディスクリミネータの評価を行う データセット間の類似性を計算する データの圧縮と新規データ生成の基盤を提供する None 43. Transformerモデルの「デコーダ」の主な役割として正しいものはどれか。 入力データの順序を調整する データをクラスタリングする 潜在変数を生成する エンコーダの出力を用いてターゲットデータを生成する None 44. 「ハイパーパラメータ調整」が重要となる手法はどれか。 線形回帰 主成分分析(PCA) A/Bテスト ランダムフォレスト None 45. ディープラーニングにおける「畳み込みニューラルネットワーク(CNN)」が画像認識に特化している理由として正しいものはどれか。 画像データの空間的特徴を効率的に抽出できるから 全ての入力データを一括処理できるから データの分類を行わずに処理するから 大規模データセットが不要だから None 46. 自己回帰型生成モデルの特徴として適切なものはどれか。 全てのデータポイントを同時に生成する 逐次的にデータポイントを生成する ラベル付きデータに依存する 潜在空間を利用しない None 47. 企業が広告に著名人の肖像を無断で使用した場合、パブリシティ権の侵害が成立する可能性が高い理由として正しいものはどれか。 著名人のプライバシーが侵害されるため 著名人の肖像を使った広告が成功する可能性が高いため 著名人の同意が不要と考えられるため 著名人の商業的価値を損なう可能性があるため None 48. 機械学習の手法のうち、教師なし学習に該当するものはどれか。 線形判別分析(LDA) 決定木 主成分分析(PCA) サポートベクターマシン(SVM) None 49. 自己回帰型生成モデル(例:PixelRNN)が画像生成タスクにおいて直面する主な課題として正しいものはどれか。 高次元データの逐次生成による計算コストの増大 ラベル付きデータが必須である点 モード崩壊の頻発 潜在変数の分布が不明確である点 None 50. Transformerモデルが視覚データの処理に応用される際の特有の工夫として正しいものはどれか。 入力画像をトークン化して処理する 自己注意機構を除去する ポジショナルエンコーディングを廃止する 畳み込み層を追加する None 51. 強化学習において「Q学習」が利用される理由として最も正しいものはどれか。 環境の全情報が事前に与えられる場合に適しているから モデルを用いずに最適な行動ポリシーを学習できるから ラベル付きデータを必要としない教師あり学習だから 現実世界の全てのタスクに適用可能だから None 52. Transformerモデルを大規模にスケーリングした場合、一般的に発生し得る問題として最も適切なものはどれか。 モデルがトレーニングデータの全てを記憶する 勾配爆発が頻発する 訓練コストが指数関数的に増加する モデルが極端なモード崩壊を示す None 53. 肖像権の侵害が成立する可能性がある状況として最も適切なものはどれか。 公共の場で撮影された写真を個人のアルバムに保存する 著名人の名前をSNSの投稿で褒める内容を書く 他人の写真を本人の許可なくインターネットで公開する 写真撮影の際に被写体の顔が写っていない None 54. AIが生成した作品に関する著作権は、通常誰に帰属するか。 AIそのもの AIを開発した企業 AIを利用して作品を生成した人 公共の財産として扱われる None 55. AIが生成した作品が著作権保護の対象となるための条件として正しいものはどれか。 AIによる自動生成である場合 人間が生成プロセスに創作性を付加している場合 AIの出力内容が完全に自動的に決定された場合 トレーニングデータが著作権フリーである場合 None 56. 次のうち、「勾配ブースティング」の特徴として最も適切なものはどれか。 クラスタリングアルゴリズムの一例である 入力データの標準化を必須とする 過学習を防ぐために正則化を使用しない 弱学習器を直列的に構築し、モデルの精度を向上させる None 57. 次のうち、パブリシティ権を侵害している行為に該当するものはどれか。 著名人の肖像を許可なく広告に使用する 著名人の名前をSNSで称賛する投稿を行う 著名人が出演するテレビ番組を視聴する 著名人のファンクラブに入会する None 58. AI生成物に基づくパブリシティ権侵害を回避するために必要な措置として最も適切なものはどれか。 肖像に関連する特定の個人を明確に特定できないようにする AIが使用したトレーニングデータを開示する AI生成物はすべて商業利用可能と見なす トレーニングデータに著名人の肖像を含めない None 59. 生成モデルが特に注目される応用分野として正しいものはどれか。 ハードウェア設計の最適化 医療画像の生成と診断支援 経済データの分析と予測 高速データベース検索 None 60. GAN(生成的敵対ネットワーク)を活用した画像生成で発生しやすい「モード崩壊(mode collapse)」の問題とは何を指すか。 ディスクリミネータが正しい分類を行えなくなる現象 ジェネレータが非常に遅い速度でデータを生成する現象 ディスクリミネータがジェネレータを完全に打ち負かす現象 ジェネレータが複数の異なる種類のデータを生成できない現象 None Time's up