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. ニューラルネットワークがAIに知能をもたらす仕組みとして用いる主な原理はどれか。 確率論 シンボリック推論 人工的な神経回路モデル 強化学習 None 2. 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 3. 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 4. 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 5. 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 6. 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 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. 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 9. 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 10. 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 11. 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 12. 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 13. 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 14. 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 15. 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 16. 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 17. 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 18. 「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 19. 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 20. 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 21. 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 22. 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 23. AI生成物が他人の作品に酷似している場合、著作権侵害が成立する可能性がある条件として最も適切なものはどれか。 トレーニングデータに他人の作品が含まれている場合 AIが特許技術を使用している場合 AI生成物がオリジナルの表現として認められない場合 AI生成物が他人の作品に触れることなく独自に生成された場合 None 24. 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 25. 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 26. 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 27. 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 28. GAN(生成的敵対ネットワーク)が生成したデータの品質を向上させるために導入される「WGAN(Wasserstein GAN)」の主な特徴として最も適切なものはどれか。 損失関数としてWasserstein距離を利用する ジェネレータの出力に正規化を適用する ディスクリミネータを確率的モデルに置き換える ジェネレータのトレーニング回数を減少させる None 29. 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 30. 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 31. 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 32. 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 33. 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 34. 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 35. 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 36. 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 37. 生成モデルとは何を指すか。 訓練データから新しいデータを生成できるモデル 決定木やサポートベクターマシンのような分類モデル データのクラスタリングに特化したモデル 高速なデータ処理に最適化されたアルゴリズム None 38. 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 39. 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 40. 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 41. 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 42. 次のうち、ブースティングに分類されるアルゴリズムはどれか。 アダブースト K-平均法 ナイーブベイズ 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. 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 45. 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 46. 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 47. 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 48. 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 49. 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 50. 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 51. 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 52. 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 53. 生成モデルの代表的な技術であるGAN(生成的敵対ネットワーク)の特徴として正しいものはどれか。 データをクラスタリングする能力に優れる 大量のラベル付きデータを必要とする ジェネレータとディスクリミネータが競合する構造を持つ 主成分分析に基づく技術である None 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 Time's up