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. 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 2. 生成モデルの系譜の中で「変分オートエンコーダ(VAE)」が重視する主な概念として正しいものはどれか。 データ間の類似性の計算 潜在空間の確率分布を学習する ジェネレータとディスクリミネータの競争 データの逐次的生成 None 3. 次のうち、「次元削減」に分類される手法はどれか。 主成分分析(PCA) Q学習 決定木 ロジスティック回帰 None 4. 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 5. 次のアルゴリズムのうち、データのクラスタリングに使用されるものはどれか。 ランダムフォレスト 線形回帰 K-平均法(K-means) サポートベクターマシン(SVM) None 6. 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 7. 「パブリシティ権」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 著名人の名前や顔の商業的価値を保護する 企業ロゴのデザインを保護する 著名人の個人情報を公開する権利 None 8. 機械学習の基本的な役割はどれか。 データからルールを自動的に見つけ出すこと ルールを手動でプログラミングすること コンピュータのハードウェア性能を向上させること データベースを最適化すること None 9. 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 10. 「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 11. 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 12. 企業が公共イベントの写真を広告に使用する際、肖像権の侵害を避けるために最も適切な対応はどれか。 写真の背景を加工して全員の顔を隠す 写真に写っている人物全員から事前の許可を得る 公共イベントで撮影された写真は自由に利用できるため許可は不要 写真の使用後に人物に通知を行う None 13. 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 14. Transformerモデルの「ポジショナルエンコーディング」を不要にするために提案されている改良点として最も適切なものはどれか。 入力データをランダムにシャッフルする デコーダでポジショナル情報を学習させる ポジショナル情報を完全に削除する 相対位置エンコーディングを導入する None 15. 「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 16. 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 17. 機械学習モデルにおいて、バイアス・バリアンストレードオフが示す現象として正しいものはどれか。 モデルの複雑さが増すと、必ず汎化性能が向上する 高バイアスのモデルは訓練データにもテストデータにも適合しない傾向がある 高バリアンスのモデルは訓練データへの適合度が低い バイアスが高い場合、モデルは過学習する None 18. 企業AがAIを活用して生成した商品デザインが、既存の著作物と酷似しているとの指摘を受けた場合、企業Aが最初に行うべき対応として最も適切なものはどれか。 既存の著作物を無視して生成物を継続的に使用する 相手に対して反訴を行う準備を始める AI開発者にすべての責任を転嫁する 生成物のトレーニングデータや生成プロセスを精査する None 19. 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 20. 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 21. Transformerモデルが自然言語処理(NLP)で広く利用される理由として正しいものはどれか。 自然言語データの前処理を完全に不要にするため 小規模データセットでのみ高精度を達成できるため 文法構造を直接的に理解するため 文中の長距離依存関係を効率的にモデル化できるため None 22. 機械学習モデルの性能を評価する際に用いられる「クロスバリデーション」の主な目的として最も適切なものはどれか。 学習速度を向上させるため モデルのサイズを小さくするため ハイパーパラメータを調整するため 汎化性能を測定するため None 23. 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 24. 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 25. 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 26. Transformerモデルのアーキテクチャで重要な「残差接続」の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 過学習を防止する 勾配消失問題を緩和する データのクラスタリングを容易にする None 27. 次の機械学習手法のうち、「アンサンブル学習」に該当するものを選びなさい。 サポートベクターマシン(SVM) 主成分分析(PCA) ランダムフォレスト K-近傍法(KNN) None 28. 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 29. 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 30. 生成モデルの誕生が注目されるようになった主な要因として正しいものはどれか。 計算能力の向上と大量データの利用可能性 クラス分類精度の向上 ハードウェアの低速化による影響 データベース技術の進化 None 31. 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 32. 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 33. 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 34. 生成モデルの系譜において「トランスフォーマーベースのモデル」が注目される理由として正しいものはどれか。 トレーニングが非常に高速である 画像データの生成には適していない 長い文脈を効率的に処理できる ラベル付きデータが必須である None 35. Transformerモデルで用いられる「マルチヘッドアテンション」の主な目的として正しいものはどれか。 異なる情報の側面を同時に学習する モデルの計算コストを削減する 入力データを圧縮する 出力のランダム性を増加させる None 36. Transformerモデルの自己注意機構で使用される「キー(Key)」、「クエリ(Query)」、「バリュー(Value)」の役割を正確に理解するには、どの点を考慮する必要があるか。以下の中で正しい選択はどれか。 クエリが入力データを分割し、キーがそれを分類し、バリューが分類結果を統合する クエリが関連性を評価し、キーが関連性を示し、バリューが関連するデータを提供する バリューがデータをスケーリングし、クエリがそのスケールを適用し、キーが結果を保存する キーがデータを圧縮し、クエリがその圧縮を展開し、バリューが計算を最適化する None 37. AI生成物に基づいて著作権侵害の訴訟が提起された場合、開発者が最初に確認すべき事項として最も適切なものはどれか。 AIの利用規約が著作権侵害を回避できる内容かどうか AIの生成物が他人の商標を含むかどうか トレーニングデータが適切にライセンスされているか AIの生成結果が公開されたタイミング None 38. AIが生成した肖像画像が他人の顔に似ている場合、肖像権の侵害が成立する可能性があるのはどのような場合か。 AIの生成プロセスに人間が関与していない場合 生成された画像が特定の個人を連想させる場合 生成された画像が完全に架空の人物である場合 AIの開発者が画像を使用した場合 None 39. 「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 40. 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 41. Transformerモデルのトレーニングにおいて重要な「マスク」の役割として正しいものはどれか。 無関係なデータをフィルタリングする トレーニング中に未来の情報を参照しないよう制約を加える 損失関数を調整する 訓練データのラベルを修正する None 42. 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 43. 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 44. 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 45. 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 46. ニューラルネットワークが従来のルールベースAIと異なる点はどれか。 データの前処理が不要である 推論能力を持たない プログラミングなしで動作可能である 決定ルールを明示的に記述する必要がない None 47. 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 48. AIに知能をもたらす2つの仕組みとして正しい組み合わせはどれか。 機械学習とルールベース 機械学習とニューラルネットワーク ルールベースと推論エンジン 機械学習と知識ベース None 49. 生成モデルが「トレーニングデータの分布を忠実に再現」する場合に発生し得る問題として最も適切なものはどれか。 潜在空間の次元が不足する モード崩壊が頻発する ラベル付きデータの精度が低下する 新規性のないデータが生成される None 50. 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 51. 肖像権が適用されない場合として最も適切なものはどれか。 他人の顔が特定できる状態での写真のインターネット公開 無許可で撮影された他人の動画の商業利用 著名人の肖像を広告に使用する 公共イベントで多数の人が写った写真 None 52. AIが生成した商業ポスターに、著名なキャラクターに似たイラストが含まれていた場合、広告主が著作権侵害やパブリシティ権侵害を防ぐために取るべき最適な対応はどれか。 生成されたイラストに大幅な修正を加えて公開する 著名なキャラクターの権利者から利用許諾を得る AI開発者に責任を求める ポスターの公開を一旦中止して社内で検討する None 53. ディープラーニングがAIに知能をもたらす点として最も適切なものはどれか。 簡単な問題を素早く解決する能力 全てのタスクを人間より正確に解決する能力 複雑で非線形な問題の解決能力 小規模データセットに特化した能力 None 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 Time's up