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の動作の基盤となっているモデルはどれか。 GAN（生成的敵対ネットワーク） BERT（Bidirectional Encoder Representations from Transformers） GPT（Generative Pre-trained Transformer） CNN（畳み込みニューラルネットワーク） None 2. 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 3. 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 4. AI社会原則の「安全性」と関連が深い取り組みとして最も適切なものはどれか。 AIの誤動作が起きても運用を続ける AIの利用に関する規制を完全に撤廃する AIの判断が常に正確であると主張する AIが誤作動を起こした場合の影響を最小限に抑える設計を行う None 5. AI社会原則の「説明責任」の要件として正しいものはどれか。 AIの出力結果を公開すること AIが人間に代わって責任を負うこと AIがどのように判断を行ったかを説明可能にすること AIの誤作動をすべて回避すること None 6. ノーフリーランチ定理が示す「万能なアルゴリズムは存在しない」理由として正しいものはどれか。 アルゴリズムはすべて同じ設計思想に基づいているため データサイズがアルゴリズムの性能を限定するため アルゴリズムはどれも決定的なものであるため 問題空間の多様性がアルゴリズムの性能を制約するため None 7. 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 8. 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 9. 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 10. 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 11. AIの利活用において、「責任の所在」を明確にすることが求められる主な理由はどれか。 AIの出力結果による影響や損害に対処するため AIが法律を自動的に遵守するため AIの利用をすべての人が平等に享受できるようにするため AIが人間の監督なしで動作できるようにするため None 12. AIの活用によってプライバシー保護が損なわれた場合、企業が最も重視すべき対応として適切なものはどれか。 問題を内部で解決し、外部への公表を避ける プライバシーに関する規制を見直すまで運用を停止する 影響を受けた個人に状況を説明し、適切な補償を行う AIモデルを改善せずに運用を続ける None 13. 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 14. 企業がAIを用いて生成した画像が、他社製品と類似したデザインを含んでいる場合、不正競争防止法に違反しないための対応として最も適切なものはどれか。 デザインの使用が偶然であることを主張する 他社のデザインの使用を認めた上で謝罪する 他社のデザインと類似していても公開を続ける デザインが独自に生成されたものであることを示す証拠を用意する None 15. ChatGPTの基盤であるGPTシリーズが進化する中で、GPT-4が導入した新しい特徴として最も適切なものはどれか。 訓練データを完全に削減する トランスフォーマーアーキテクチャを廃止した モデルサイズを大幅に削減した マルチモーダル処理能力を追加した None 16. ノーフリーランチ定理を理解する上での最適な比喩として正しいものはどれか。 問題ごとに異なる鍵が必要である 一つの鍵であらゆる鍵穴を開けることができる 鍵を選ばずに試し続ければ成功する 特定の鍵はすべての鍵穴に適合する None 17. Vision Transformer（ViT）の主な特長として正しいものはどれか。 自己注意機構をテキスト生成に適用する 画像のピクセルを逐次生成する 画像をパッチに分割し、それをトークンとして処理する CNNとRNNを組み合わせた構造を持つ None 18. ChatGPTが自然な対話を生成する際に、文脈の維持に関連する主な課題として正しいものはどれか。 過去のトークンを全て記憶できない トークンの生成速度が遅すぎる 固有名詞の認識能力が欠如している 応答が常にランダムになる None 19. 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 20. 不正競争防止法が保護する対象として最も適切なものはどれか。 商業機密や営業秘密 公共のデータベース AIが生成したすべての作品 商業的価値のない情報 None 21. ニューラルネットワークの「隠れ層」が果たす役割として最も適切なものはどれか。 モデルの入力データを保存する データの特徴を抽出する モデルの最終出力を計算する 重みとバイアスを保存する None 22. 「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 23. AIが利用するデータセットが不正確であり、それが社会的に不公平な結果を招いた場合、AI開発企業が求められる最善の対応はどれか。 不公平な結果を改善するためにデータを見直し、再トレーニングを行う データセットの収集元を公開して責任を回避する 不正確なデータが存在した可能性を否定する 不公平な結果が発生したことを公にしない None 24. 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 25. 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 26. ニューラルネットワークの「重み」の役割として最も適切なものはどれか。 各層の計算を並列化する 入力信号を調整する 活性化関数を最適化する データの次元を削減する None 27. ノーフリーランチ定理が機械学習アルゴリズムに与える示唆として最も適切なものはどれか。 データが十分に多ければ、すべてのアルゴリズムは同じ性能を発揮する 最適なアルゴリズムは存在しないため、すべてのアルゴリズムをランダムに選ぶべきである 問題やデータに応じてアルゴリズムを適切に選択する必要がある データの前処理を行う必要がなくなる None 28. 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 29. 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 30. AIモデルが特定の人種に対して偏見を持つ結果を出した場合、公平性の観点からAI開発者が最初に行うべき対応はどれか。 モデルのトレーニングデータを見直し、バイアスを軽減する 偏見を含む結果をそのまま利用する 偏見があることを隠して運用を継続する AIの利用を一時的に停止するが、モデルは変更しない None 31. 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 32. 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 33. 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 34. AI社会原則における「持続可能性」の意味として最も適切なものはどれか。 AIが環境や社会に与える影響を最小限に抑えること AIをすべての分野で無制限に活用すること AIシステムを経済的利益の最大化に利用すること AIの技術革新を一切停止しないこと None 35. 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 36. 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 37. ALBERT（A Lite BERT）の主な改良点として正しいものはどれか。 モデルサイズを大幅に削減する データ拡張技術を利用する 翻訳専用タスクに最適化されている 大規模な事前訓練データが不要である None 38. 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 39. AIの利活用に関するルールで求められる「データの正確性」が重要な理由はどれか。 AIの計算速度を向上させるため AIのトレーニングデータ量を削減するため AIの判断が信頼性のあるものであることを保証するため AIの利用を特定の業界に限定するため None 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. AIが生成した商標に似たロゴが、不正競争防止法の下で問題となる可能性がある条件として最も適切なものはどれか。 商標が特許庁に登録されていない場合 商標が国際的に使用されていない場合 商標が他の企業によっても使用されている場合 商標が著名であり、混同を招く可能性がある場合 None 47. ノーフリーランチ定理の概念が現実の機械学習において完全には適用されない理由として正しいものはどれか。 現実のデータは特定の構造やバイアスを持つため アルゴリズムの性能はデータセットのサイズに依存しないため すべての問題空間が一様分布しているため 現実の問題は無限の可能性を持つため None 48. 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 49. 企業がAIを用いて生成した製品名が他社の商標と酷似している場合、不正競争防止法違反を防ぐための最も効果的な対応はどれか。 他社の商標が特許庁に登録されているか確認する 商標が商業利用されていない場合はそのまま使用する 製品名を変更し、他社との混同を避ける 製品名の使用を継続し、訴訟を想定する None 50. 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 51. 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 52. 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 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. XLNetがBERTと異なる主な点として正しいものはどれか。 双方向ではなく片方向の文脈を使用する 自己回帰的なトレーニングを採用する 翻訳タスク専用に設計されている 軽量化を主な目的としている None 55. 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 56. AI社会原則の「プライバシー保護」の具体的な実施例として正しいものはどれか。 個人データの収集を制限せずに行う 個人データの公開を義務付ける AIモデルにすべての個人データを取り込む 個人データを匿名化し、必要最小限の範囲で利用する None 57. 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 58. 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 59. AIの利活用に関するルールの策定で、国際的に重要視される原則の1つはどれか。 AIの利用を完全に規制すること AIが倫理的に利用されること AIを特定の業界でのみ使用可能にすること AIの利用に制約を課さないこと None 60. ニューラルネットワークにおける「フィードフォワード」とは何を指すか。 重みを調整するプロセス 出力を入力層に戻すプロセス データが一方向に進む計算のプロセス モデルの誤差を最小化するプロセス None Time's up
3
1 3 8 11 19 20 23 24 27