生成AIパスポート～模擬試験③～ 2024年12月9日2024年12月9日 ailearn 1. ChatGPTの「トレーニングデータ」の範囲として正しいものはどれか。 幅広い公開データを使用 特定の業界のデータのみを使用 ユーザーのプライベートデータを使用 個別に提供されたデータのみを使用 None 2. AIが生成したコンテンツが他者の著作権を侵害していると主張された場合、コンテンツを使用した企業が責任を免れるために最も重要な手段はどれか。 コンテンツがAIによって生成されたものであると主張する トレーニングデータに著作権侵害がなかったことを証明する 著作権者に直接交渉を試みる コンテンツを削除し、AIの利用を中止する None 3. AIが生成した作品が不正競争防止法に違反すると見なされる条件として正しいものはどれか。 他社の営業秘密を使用して生成された場合 トレーニングデータが公開されていない場合 生成物が他人の商標を模倣していない場合 生成物が商業利用されていない場合 None 4. ChatGPTが得意とするタスクとして正しいものはどれか。 画像生成 テキスト分類 会話の生成と自然言語処理 音声データの分析 None 5. ChatGPTが活用される分野として適切でないものはどれか。 カスタマーサポート 医学論文の生成 ゲーム内キャラクターの対話システム 画像編集 None 6. ノーフリーランチ定理が示唆する「アルゴリズム選択バイアス」の正しい説明はどれか。 特定の問題に対して適切なアルゴリズムが存在しないこと すべてのアルゴリズムがランダムに選ばれるべきであること データ特性に基づいてアルゴリズムを選択することの重要性 問題空間が一様分布していると仮定すること None 7. ChatGPTの制限事項として正しいものはどれか。 トレーニングデータ以降の知識が欠如している 数値データの計算能力が高すぎる 言語生成が完全にランダムである 文脈の理解が不要なタスクには適していない None 8. ニューラルネットワークで使用される活性化関数の目的として最も適切なものはどれか。 モデルの学習速度を向上させる 線形性を導入する 非線形性を導入する モデルの計算コストを削減する None 9. T5と他のTransformer派生モデルを区別する際の特徴として正しいものはどれか。 全てのタスクを分類問題として処理する 入力も出力もテキスト形式に統一する 軽量化を主な目的としている 画像処理タスクをサポートしない None 10. ノーフリーランチ定理が提唱される際の前提条件として正しいものはどれか。 問題空間が無限であること 問題空間が有限で一様分布していること アルゴリズムが確率的手法を用いていること 問題空間が特定のバイアスを持っていること None 11. 不正競争防止法で定められる「営業秘密」に該当する条件として正しいものはどれか。 広く一般に公開されている情報 秘密として管理されている情報 個人の日記の内容 他社の商品と類似する情報 None 12. ニューラルネットワークの「畳み込み層（CNN）」が特に有効である分野として最も適切なものはどれか。 時系列データ解析 テキスト生成 画像認識 強化学習 None 13. AIの利活用におけるリスク管理の第一歩として最も適切なものはどれか。 AIシステムの完全な自動化 AIシステムに関するすべての規則を無視する AIを人間の判断から完全に切り離す AIの利用目的と影響範囲を明確にする None 14. ChatGPTがトレーニングに使用するデータの選択において、倫理的に重要な考慮事項として最も適切なものはどれか。 データが全て公的機関から提供されていること データが偏りなく収集され、多様性を反映していること データが最新の技術を使用して収集されていること データが特定のタスクに限定されていること None 15. XLNetがBERTと比較して導入した改良点として正しいものはどれか。 自己回帰的な学習方式を採用し、双方向の文脈を統合した 自己注意機構を削除した モデルのパラメータ数を削減した マルチヘッドアテンションを廃止した None 16. 「リカレントニューラルネットワーク（RNN）」が特に有効とされるタスクとして正しいものはどれか。 時系列データの解析 画像認識 強化学習 グラフデータの解析 None 17. AIの利用における「説明責任」の概念に関して最も正しい説明はどれか。 AIの出力結果をすべて記録する義務 AIの判断プロセスを人間が理解できる形で説明する義務 AIの判断が正確であることを保証する義務 AIの利用を完全に透明化する義務 None 18. 不正競争防止法において、「デッドコピー商品」に該当する例として最も適切なものはどれか。 他社の製品を改良して販売する商品 他社製品と同じカテゴリの商品を販売する場合 他社製品を忠実に模倣した商品 他社製品の商標を許可を得て利用する商品 None 19. 不正競争防止法が適用される行為として正しいものはどれか。 営業秘密の許可された利用 他人の商品を模倣して販売する行為 公開されている情報の使用 特許取得済みの技術を活用する行為 None 20. ノーフリーランチ定理に基づくとき、アルゴリズムの「汎化性能」を向上させるための戦略として最も適切なものはどれか。 特定の問題に特化したバイアスをモデルに導入する データセットのサイズを増やすことのみを重視する アルゴリズムの計算速度を最適化する 問題の特性に関係なく汎用的なモデルを選ぶ None 21. ニューラルネットワークの「多層構造」が有効である理由として正しいものはどれか。 学習速度を一定に保つ 非線形なデータの複雑なパターンを学習できる モデルの出力を単純化する 訓練データ量を減らせる None 22. ChatGPTの動作を改善するために採用されている「RLHF（人間のフィードバックによる強化学習）」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 トレーニングデータの量を削減する 応答の品質を人間の期待に近づける モデルのパラメータ数を増加させる None 23. AI社会原則の「インクルーシブ性（包摂性）」が重視する点として正しいものはどれか。 AI利用を特定の技術者に限定する AIが社会全体に平等な利益をもたらすこと AIの利用を特定の国や地域に制限する AI技術を一般市民に完全に公開する None 24. ノーフリーランチ定理（No Free Lunch Theorem）の主な主張として正しいものはどれか。 すべてのアルゴリズムは、特定の問題で等しく性能を発揮する 特定のアルゴリズムがすべての問題において最適である どのアルゴリズムも、すべての問題に対して同じ平均性能を持つ アルゴリズムの性能はデータのサイズに依存する None 25. AI利活用に関するルールで重視される「安全性」におけるリスク管理の例として適切なものはどれか。 AIが収集したデータをすべて公開する AIの利用者に対する情報提供を省略する AIの動作が人間の監督を完全に必要としない状態にする AIの誤作動に備えたバックアップシステムを構築する None 26. AIシステムが高い信頼性を維持するために「説明責任」を果たす際、開発者が特に注意すべき点として最も適切なものはどれか。 モデルの判断プロセスを専門家だけが理解できるように説明する モデルの判断プロセスを詳細に記録するが、外部には公開しない 利用者がモデルの判断理由を理解できるレベルで説明する モデルの結果が正しいと利用者に信じさせる None 27. 畳み込みニューラルネットワーク（CNN）の「プーリング層」が果たす役割として最も適切なものはどれか。 特徴マップのサイズを縮小し計算効率を向上させる データの次元を増やす 特徴量の重要性を評価する 非線形性を導入する None 28. ALBERTがBERTと比較して効率性を向上させた主な理由として正しいものはどれか。 マルチヘッドアテンションを削除したから パラメータ数を増加させて表現力を強化したから 全ての層で重みを共有する仕組みを導入したから 自然言語処理タスクに特化したアーキテクチャを採用したから None 29. AIの利活用に関するルールの制定目的として最も適切なものはどれか。 AI開発を完全に規制するため AI利用における倫理的、法的、社会的なリスクを管理するため すべてのAI利用を自由化するため AIの利用を特定の国に限定するため None 30. GPT-3が従来のGPTシリーズと比較して注目された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が極めて小規模である デコーダベースではなくエンコーダベースに変更された 翻訳専用タスクに特化している パラメータ数が大幅に増加し、幅広いタスクに対応可能 None 31. ノーフリーランチ定理の理論的な背景に基づいて、アルゴリズム選択の戦略として最も適切なものはどれか。 すべてのアルゴリズムをランダムに試す 問題のデータ特性に基づいてアルゴリズムを選択する 一つの高性能アルゴリズムを使用する データを変更せずにアルゴリズムを調整する None 32. AI開発において不正競争防止法違反を防ぐために最も重要な対応はどれか。 他社の営業秘密を積極的に利用する AIの生成物をすべて公開する トレーニングデータを秘密として適切に管理する 他社製品の模倣を推奨する None 33. ニューラルネットワークの「出力層」の主な役割はどれか。 データの前処理を行う 学習率を調整する データの次元削減を行う 最終的な予測値を生成する None 34. ノーフリーランチ定理が「データ駆動型」のアプローチに与える影響として適切なものはどれか。 データ量が増えればアルゴリズム選択の重要性は減少する 問題固有のデータを活用することでアルゴリズムの性能を引き出せる データの前処理はアルゴリズムの性能に影響しない 汎用的なアルゴリズムを採用することで、どのデータでも同じ結果が得られる None 35. ノーフリーランチ定理を踏まえた機械学習モデルの評価において重要な点はどれか。 常に精度が高いモデルを選ぶ 一般化されたモデルを採用する どのデータにも適用可能な評価方法を使用する 問題ごとに適切な評価基準を設定する None 36. AIの利活用における「透明性」が最も重要とされる理由はどれか。 AI技術を独占的に利用するため AIの判断プロセスが不明瞭なまま利用されるリスクを減らすため AIをすべての人が利用可能にするため AIの利用を完全に自動化するため None 37. ChatGPTが会話の文脈を理解する際に使用する主な技術はどれか。 自己回帰型学習 自己注意機構（Self-Attention） クラスタリングアルゴリズム 強化学習 None 38. AI利活用におけるプライバシー保護の観点で重要な概念はどれか。 データの匿名化と擬似匿名化 データの公開義務 データの商業的利用の制限 データの完全削除 None 39. AI社会原則の「責任共有」の理念に基づく適切な行動はどれか。 AIの利用結果に関して責任を特定の個人に押し付けること AIの失敗については責任を問わないこと AIの責任をすべてシステムに帰属させること AIの開発者、利用者、規制者がそれぞれの役割に基づいて責任を果たすこと None 40. ニューラルネットワークで「過学習」を防ぐ手法として最も適切なものはどれか。 ドロップアウト 活性化関数の変更 入力層の削減 出力層のサイズ拡大 None 41. GPT（Generative Pre-trained Transformer）の主要な特徴として正しいものはどれか。 エンコーダのみを利用する デコーダのみを利用する 双方向の文脈を考慮する 文法解析に特化している None 42. 不正競争防止法に基づき、営業秘密として保護されるために必要な条件として該当しないものはどれか。 公開されていないこと 事業活動にとって有用であること 秘密として管理されていること すでに特許庁に登録されていること None 43. ニューラルネットワークで使用される「ドロップアウト」の仕組みとして正しい説明はどれか。 学習中にランダムな重みを削除して計算を簡略化する 学習を早期終了させ、無効なノードを削除する 一定のノードを固定的に無効化する トレーニング時にランダムに一部のノードを無効化し、過学習を防ぐ None 44. 不正競争防止法の観点から、AIが生成した模倣デザインが問題となる可能性が高いのはどのような場合か。 模倣デザインが特定の企業の商品を連想させる場合 模倣デザインが完全に異なる用途で使用される場合 模倣デザインが商業利用されない場合 模倣デザインが競合商品と無関係の場合 None 45. ChatGPTの「微調整（Fine-Tuning）」の目的として正しいものはどれか。 トレーニングデータ量を減らす モデルを特定のタスクやデータに適応させる モデルのパラメータ数を削減する モデルの計算速度を向上させる None 46. AI生成物が他社の商標を模倣したと主張された場合、広告主が商標権侵害に該当しないことを示すために最も重要な要件はどれか。 商標が消費者に混同を招く可能性がないことを証明する 模倣商標が特定の国でのみ使用されていることを示す トレーニングデータに商標が含まれていないことを証明する 模倣商標が意図的に作成されたものでないことを証明する None 47. AIが生成した商品説明が他社の営業秘密を利用していると指摘された場合、不正競争防止法の違反を回避するための対応として適切なものはどれか。 商品説明を即座に削除し、再度内容を精査する 営業秘密を使用している証拠を相手に求める 商品説明をそのまま公開し続ける トレーニングデータを公開し、正当性を主張する None 48. ノーフリーランチ定理の適用範囲を超える状況として最も適切な説明はどれか。 すべての問題が均等に分布している場合 アルゴリズムがランダムに選択される場合 問題の難易度が一様に異なる場合 問題空間が特定のバイアスを持っている場合 None 49. ニューラルネットワークにおいて「勾配消失問題」が発生しやすい理由として最も適切なものはどれか。 学習率が低すぎる 活性化関数が非線形でない 隠れ層が少なすぎる シグモイドやtanh関数のような活性化関数を使用した場合に勾配が小さくなる None 50. AI社会原則の「倫理性」の要件として最も適切なものはどれか。 AIが特定の利益を優先すること AIが倫理的判断を完全に人間に任せること AIが法律を無視して判断を下すこと AIが社会的価値観に基づいて行動すること None 51. AIの利活用に関する国際的なルールとして最も広く採用されているものはどれか。 GDPR（一般データ保護規則） TRIPS協定（知的財産権の貿易関連の側面に関する協定） パリ協定 ワシントン条約 None 52. ChatGPTの利用において、倫理的課題となり得るものとして正しいものはどれか。 応答の生成速度が遅い 特定の言語に対応していない 音声データを生成できない 偏った情報を提供する可能性がある None 53. ノーフリーランチ定理が強調する「データドリブンなアプローチ」の利点として最も適切なものはどれか。 問題を一律に解決できるアルゴリズムを作成する 問題特性に依存せずに最適なアルゴリズムを選ぶ 問題の特性に合わせて適切なアルゴリズムを選択する 問題の定義を不要にする None 54. AI社会原則の「透明性」における実施例として最も適切なものはどれか。 AIの判断プロセスを秘密にする AIの出力結果をすべて記録する AIの利用をユーザーに知らせる AIのアルゴリズムをすべて公開する None 55. T5（Text-to-Text Transfer Transformer）の特長として正しいものはどれか。 全ての自然言語処理タスクを「テキスト生成」として統一する トランスフォーマーのデコーダのみを使用する 画像生成タスクに最適化されている 翻訳タスクには対応しない None 56. 企業AはAIを利用して顧客データを分析する際、透明性を確保するために最も重要な対応として適切なものはどれか。 分析結果をすべて公開する データの収集目的と利用方法を顧客に明示する データ分析の詳細を企業内でのみ共有する 顧客データを完全に匿名化しない状態で分析する None 57. ニューラルネットワークで「バッチ正規化（Batch Normalization）」を使用する主な目的として正しいものはどれか。 勾配消失問題を完全に解決する 学習の収束を速めるとともに過学習を防ぐ モデルの構造を簡略化する 学習率を固定化する None 58. AIが生成した文章が他社の営業秘密を含むことが判明した場合、企業が直ちに取るべき最適な行動はどれか。 該当する文章を削除し、影響範囲を調査する トレーニングデータの管理者を訴える 該当する文章を部分的に修正して再公開する 他社に責任を転嫁する方法を検討する None 59. ChatGPTが特定の業務（例：法律文書の作成）に応用される際に必要となるプロセスとして適切なものはどれか。 モデルのアーキテクチャを変更する 全てのトレーニングデータを削除して再構築する 対応する業務データで微調整（Fine-Tuning）を行う ラベル付きデータを使用して分類タスクを設定する None 60. ChatGPTとは何を指すか。 決定木アルゴリズムを用いた機械学習モデル 大規模言語モデルを基盤とした対話型AI 音声認識に特化したAIモデル 自動翻訳システム None Time's up
3
1 3 8 11 19 20 23 24 27