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. 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 2. 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 3. 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 4. 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 5. 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 6. Transformerモデルの中核となる仕組みとして正しいものはどれか。 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） 自己注意機構（Self-Attention） 主成分分析（PCA） None 7. 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 8. パブリシティ権が適用される場合、商業利用が認められるケースとして正しいものはどれか。 著名人が参加したイベントの写真を個人のブログでシェアする 著名人の名前を商標登録して商品名に使用する 著名人が認めた場合に限り、肖像を広告に使用する 著名人の写真を個人的に保存する None 9. 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 10. 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 11. 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 12. ディープラーニングモデルの「活性化関数」が果たす役割として正しいものはどれか。 ニューラルネットワークの出力範囲を制限するため 隠れ層の計算効率を向上させるため 非線形性を導入して複雑なパターンを学習可能にするため 入力データを正規化するため None 13. 生成モデルにおける「自己教師あり学習」が重要視される理由として正しいものはどれか。 ラベル付きデータが大量に必要であるため モデルのトレーニングを完全に自動化するため ラベル付きデータの精度を向上させるため ラベルなしデータから特徴を学習できるため None 14. 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 15. Transformerモデルの「マルチヘッドアテンション」で発生する可能性のある計算コストの問題を軽減するための一般的な手法として正しいものはどれか。 各アテンションヘッドの数を増やす 入力データの次元数を削減する スパースアテンション（Sparse Attention）を使用する データのバッチサイズを小さくする None 16. 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 17. 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 18. ニューラルネットワークの性能向上のために「正則化（Regularization）」が使用される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上げるため 過学習（Overfitting）を防ぐため データ量を減らすため ラベル付きデータが不要になるため None 19. 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 20. 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 21. 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 22. 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 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. 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 26. 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 27. 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 28. 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 29. AIが持つ学習手法のうち、「教師なし学習」の特徴として正しいものはどれか。 ラベル付きデータを利用する 行動と報酬を基に学習する クラスターを形成してデータをグループ化する 確率モデルを用いて推論する None 30. 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 31. AIが生成した画像を商業利用する際、知的財産権の侵害を避けるための最適な手段はどれか。 AI生成物を完全に加工する 商業利用の前に適切な権利確認を行う AIが生成した場合、権利確認は不要 AIの出力結果を自動的に公開する None 32. 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 33. 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 34. 「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 35. 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 36. パブリシティ権が適用される具体的な事例として適切なものはどれか。 著名人の出演するテレビ番組を録画する 著名人のファンがその名前をSNSでシェアする 著名人が所有する物件の住所を公開する 著名人の写真を許可なく広告に使用する None 37. 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 38. 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 39. 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 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. 「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 50. 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 51. 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 52. 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 53. 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 54. 生成モデルが「データの補完」に活用される例として適切なものはどれか。 欠損した画像の部分を補完する クラス分類モデルの精度向上 大規模データベースの最適化 データ圧縮アルゴリズムの設計 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. 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 58. AIが「推論」を行う際にニューラルネットワークを使用する主な理由はどれか。 大規模データを効率的に処理できるから 全てのデータを明示的に保存できるから 特定のルールに従った推論が可能だから プログラムの複雑さを軽減できるから None 59. 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 60. 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 Time's up
