生成AIパスポート～模擬試験④～ 2024年12月9日2024年12月9日 ailearn 1. Imagen VideoとDALL-Eの主な違いとして正しいものはどれか。 Imagen Videoはトランスフォーマーを使用しないが、DALL-Eは使用する Imagen Videoは音声認識に特化し、DALL-Eは画像分類を行う Imagen VideoとDALL-Eの両方が静止画生成のみを対象としている Imagen Videoはテキストを基に動画を生成し、DALL-Eはテキストを基に画像を生成する None 2. AIを活用した個人データ分析システムの設計で、「プライバシー保護」に適合する最も効果的な方法はどれですか？ すべてのデータを暗号化し、アクセス権を制限する。 利用者にデータの収集方法を知らせるが、暗号化はしない。 データを暗号化せずに匿名化のみ行う。 データ保護の必要性を軽視し、利便性を優先する。 None 3. 画像認識モデルで「注意機構（Attention Mechanism）」を組み込む目的として正しいものはどれか。 画像全体を均等に処理するため モデルのサイズを縮小するため データの正規化を自動化するため 重要な領域に焦点を当てて処理の効率を向上させるため None 4. 過学習を防ぐために「データ拡張（Data Augmentation）」が使用される理由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ため モデルの構造を単純化するため トレーニングデータの多様性を増やすため 学習率を調整するため None 5. Whisperが音声認識タスクで競合他モデルと比較して優れている理由として適切なものはどれか。 完全に教師なし学習でトレーニングされている 音声データから直接画像を生成できる ノイズ耐性と多言語対応能力を持つ 音声データの生成速度が圧倒的に速い None 6. ニューラルネットワークで「重みのクリッピング」が適用される主な理由として正しいものはどれか。 学習率を一定に保つため 勾配爆発を防ぐため 重みを初期値に戻すため モデルの出力範囲を制限するため None 7. AIを使用したデータセンターが「持続可能性」に配慮する際に最も適切なアプローチはどれですか？ AIモデルの精度を向上させるために計算リソースを無制限に使用する。 電力消費を気にせず、高性能なハードウェアを常に利用する。 持続可能性を考慮せず、短期的なパフォーマンスを重視する。 省エネルギー技術や再生可能エネルギーを積極的に活用する。 None 8. 過学習を防ぐために「検証データセット」が使用される主な理由として正しいものはどれか。 モデルの汎化性能を評価するため トレーニングデータを補完するため モデルの計算速度を向上させるため トレーニングデータをランダム化するため None 9. トレーニングデータが少ない場合に過学習を防ぐ効果的な手法として最も適切なものはどれか。 転移学習（Transfer Learning）を使用する モデルの層数を増やす トレーニングデータの一部を削除する トレーニングデータを正規化する None 10. GANを基盤にした生成AIモデルが抱える課題として最も適切なものはどれか。 トレーニングにおけるモード崩壊の発生 トランスフォーマーアーキテクチャを採用できないこと テキスト生成が不可能であること パラメータ数が固定化されること None 11. プロンプトがAIの性能に与える影響について正しいものを選びなさい。 プロンプトの内容はAIの性能に影響しない。 プロンプトが曖昧だとAIの応答が不正確になる可能性がある。 プロンプトが長ければ必ずAIの性能が向上する。 プロンプトはAIの出力形式には影響しない。 None 12. Whisperが従来の音声認識技術と異なる特徴として正しいものはどれか。 多言語対応とノイズ耐性を備えている 音声の生成を行う 画像認識タスクにも対応している モデルサイズを極限まで縮小している None 13. 「重ね付け（Overlay）」がAIモデルで使用される主な目的として正しいものはどれか。 データの冗長性を削減する モデルの異なる特徴を統合し、複数の視点を活用する 学習プロセスを高速化する モデルの誤差を完全に取り除く None 14. 音声認識に特化した生成AIとして正しいものはどれか。 GPT DALL-E Whisper StyleGAN None 15. 「重ね付け」による学習の効果を説明するモデルとして正しいものはどれか。 レイヤーノーマライゼーション（Layer Normalization） 残差ネットワーク（ResNet） ソフトマックス関数 時系列モデル（Time Series Model） None 16. ChatGPTの初期バージョンが公開された年として正しいものはどれか。 2017年 2018年 2020年 2021年 None 17. StyleGANが他のGANモデルと比較して革新的とされた理由として正しいものはどれか。 ジェネレータとディスクリミネータを削除した テキスト生成に対応した トレーニング時間を大幅に短縮した 潜在空間を効果的に操作可能にした None 18. ニューラルネットワークにおける「重み（Weights）」の主な役割として正しいものはどれか。 入力データを調整し、重要度を反映させる 出力データを保存する モデルの計算速度を向上させる トレーニングデータを補正する None 19. DALL-EとStyleGANの主な違いとして最も適切な説明はどれか。 DALL-EはGANに基づいているが、StyleGANはトランスフォーマーベースである DALL-Eはテキスト入力を基に画像生成を行うが、StyleGANは潜在変数を基に画像生成を行う DALL-Eは固定の画像生成に特化しており、StyleGANは画像編集機能を持たない DALL-Eは生成モデルであり、StyleGANは分類モデルである None 20. AIによる画像認識で使用される「畳み込みニューラルネットワーク（CNN）」の主な役割はどれか。 データをクラスタリングする 画像から特徴を抽出する テキストデータを生成する 時系列データを解析する None 21. モデルの「アンサンブル学習」を使用して過学習を防ぐ場合、適切な手法として最も正しいものはどれか。 同じアルゴリズムで構築された複数のモデルを組み合わせる トレーニングデータを小分けにして、単一のモデルで学習する モデルの層数を調整して単純化する 異なるアルゴリズムを用いて複数のモデルを構築し、組み合わせる None 22. ニューラルネットワークにおける「スキップ接続」が有効である主な理由として正しいものはどれか。 モデルの計算量を減らす 重みの更新を不要にする 勾配消失問題を軽減し、非常に深いネットワークの学習を可能にする モデルの過学習を完全に防ぐ None 23. 畳み込みニューラルネットワーク（CNN）において、「フィルタサイズ」を調整する主な目的はどれか。 モデルの出力範囲を拡大する 特徴マップの詳細度を調整する モデルの計算速度を向上させる トレーニングデータのサイズを減少させる None 24. 「プロンプト」とは何を指しますか？ AIが生成する出力結果のこと AIモデルに指示や質問を伝える入力テキスト AIモデルが動作するためのハードウェア AIモデルの学習データセットの名称 None 25. 「重みの初期化」がニューラルネットワークの学習に与える影響として正しいものはどれか。 学習率を調整する必要を無くす 活性化関数を選択するプロセスを簡略化する モデルの学習速度と安定性に影響を与える モデルの出力を固定化する None 26. 「国際協調」の観点から、AI利活用において各国間で取り組むべき最も重要な事項はどれですか？ AIの開発と利用に関する国際的な標準を制定し、共有する。 国ごとに独自の基準を設け、他国の基準を無視する。 AI技術の利用は国際協調よりも自国の利益を優先するべきである。 他国のAI基準に従わず、自国の技術開発を最優先する。 None 27. DALL-Eが生成する画像の品質向上に寄与する技術として正しいものはどれか。 スパースアテンション GANベースのアーキテクチャ マルチモーダル表現 強化学習 None 28. AIモデルに複雑なタスクを指示する際に、プロンプトを最適化するための最適な方法はどれですか？ 曖昧な指示を与え、AIに自由に解釈させる。 指示の一部を省略して、応答の自由度を高める。 タスクの背景や条件を含めて、具体的で詳細なプロンプトを作成する。 長文の指示でAIの負荷を増やし、試行錯誤を繰り返す。 None 29. ChatGPTが「生成AIパスポート」において学習するべき重要なポイントとして正しいものはどれか。 応答生成の仕組みと進化の過程 モデルのアーキテクチャの細部 モデルの全てのパラメータ 計算リソースの最適化方法 None 30. ChatGPTの進化の過程で、OpenAIが強化したセキュリティ対策として正しいものはどれか。 トレーニングデータにプライバシー保護技術を導入した 応答を完全にランダム化した モデルの計算リソースを制限した トレーニングデータの更新を停止した None 31. ニューラルネットワークで「バイアス（Bias）」の役割として正しいものはどれか。 学習率を調整する 入力データのスケーリングを行う モデルに線形性の柔軟性を追加する 重みを初期化する None 32. 画像認識タスクにおける「プーリング層（Pooling Layer）」の目的として正しいものはどれか。 特徴マップのサイズを縮小し、計算負荷を軽減する モデルの学習速度を向上させる 画像の色彩情報を保存する データをランダムにシャッフルする None 33. AIシステムの学習データに偏りがある場合、どのような具体的対策が「公平性の確保」に沿って最も適切でしょうか？ 偏りのあるデータをそのまま利用し、アルゴリズムを高度化する。 データの偏りがあっても透明性を優先し、変更しない。 偏りがある場合は、AIを利用しない判断を行うべきである。 データの偏りを検出し、補正または追加データの収集を行う。 None 34. LLM（大規模言語モデル）を利用する際、プロンプト設計で特に考慮すべき点はどれですか？ LLMは曖昧なプロンプトでも正確に応答できるため、詳細な設計は不要である。 LLMはプロンプトの内容を無視して学習データからランダムに応答を生成する。 LLMはタスクごとに専用のプロンプト形式を固定する必要がある。 LLMは多様なタスクに対応可能だが、プロンプト次第で応答の品質が変化する。 None 35. 画像生成AIとして知られるDALL-Eの主な特徴として正しいものはどれか。 音声認識を行う テキストを基に画像を生成する データの分類タスクに特化している 動画生成を行う None 36. ニューラルネットワークにおいて、「ドロップアウト率」を適切に設定するために考慮すべき点として最も適切なものはどれか。 トレーニングデータが少ない場合は低めに設定する 過学習がひどい場合は100%に設定する モデルの複雑さに関係なく固定値を使用する ドロップアウト率を高めに設定するほど学習速度が向上する None 37. AIモデルに与えるプロンプトに文脈情報を追加する利点として正しいものを選びなさい。 文脈情報はAIの処理速度を遅くするだけで利点がない。 文脈情報を加えると、AIが応答に矛盾を含む可能性が高まる。 文脈情報を追加することで、AIがタスクをより正確に理解できるようになる。 文脈情報を追加すると、応答の内容が単純化される。 None 38. ニューラルネットワークの「重みの正則化」において、L1正則化が特に有効な理由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 重みをスパース化し、特徴選択を促進する 勾配消失問題を完全に解消する 学習率を自動調整する None 39. ChatGPTの進化における「責任あるAI」の取り組みとして適切な事例はどれか。 応答の速度を一定に保つ トレーニングデータを一切公開しない 偏見のある応答を最小化するための調整 すべてのユーザーに同じ応答を提供する None 40. AIによる画像認識で「データ拡張（Data Augmentation）」を行う主な理由はどれか。 画像の解像度を向上させるため 学習モデルを簡素化するため ラベル付け作業を自動化するため トレーニングデータを増やし、過学習を防ぐため None 41. GPTシリーズが進化する過程で、API提供を通じた商業利用がもたらした主な利点として正しいものはどれか。 モデルの全ての機能が無料で利用可能になった 開発者が独自の応用を開発できる環境を提供した トレーニングデータの収集が不要になった 応答生成速度が大幅に向上した None 42. AI利活用原則の主な目的は何ですか？ AIの技術的な開発だけを推進する AIの社会的・倫理的な活用を促進する AIの市場価値を最大化する AIをすべての業務に導入することを義務化する None 43. 画像認識モデルにおいて、学習中に損失関数を最小化する目的で用いられる手法はどれか。 最大値探索法（Maximization Search） クラスタリング 勾配降下法（Gradient Descent） 時系列解析 None 44. 「重みの共有」が特に有効なニューラルネットワークの構造はどれか。 畳み込みニューラルネットワーク（CNN） リカレントニューラルネットワーク（RNN） 全結合ニューラルネットワーク（FCN） 強化学習モデル None 45. 以下のうち、プロンプトを利用したAIの応用例として適切なものを選びなさい。 AIモデルの学習データの取得 AIを使った文章要約 AIモデルのアルゴリズム改良 AIのハードウェア設計 None 46. ChatGPTが商業利用向けに広く提供されたタイミングとして正しいものはどれか。 GPT-3の公開時点 GPT-4のリリース後 OpenAI APIの提供開始時点 DALL-Eの公開と同時 None 47. ChatGPTとGPT-4が生成AIの歴史において与えた主な影響として正しいものはどれか。 チャット専用のモデルが標準化された テキスト生成タスクから離れた応用を廃止した マルチモーダル処理の可能性を広げた 生成AIのトレーニングデータ量を削減する技術を導入した None 48. プロンプト設計において最も重要な点として正しいものを選びなさい。 プロンプトは曖昧であるべき プロンプトには無関係な情報を含めるべき プロンプトは簡潔かつ明確であるべき プロンプトの長さは重要ではない None 49. ニューラルネットワークにおける「重みのスパース化（Sparse Weights）」が有効である理由として正しいものはどれか。 モデルの性能を向上させる 過学習を引き起こすリスクを高める トレーニングデータの品質を向上させる モデルの計算コストを削減し、効率化する None 50. 過学習（Overfitting）が発生する主な原因として最も適切なものはどれか。 トレーニングデータのサイズが小さすぎる モデルの複雑さが不足している 学習率が大きすぎる 損失関数が誤って設定されている None 51. プロンプトの主な目的として正しいものを選びなさい。 AIモデルの学習データを変更するため AIモデルの応答や行動を指定するため AIの実行速度を向上させるため AIの動作を停止させるため None 52. 明確で具体的なプロンプトを設計する効果として最も適切なものを選びなさい。 AIの応答精度が向上する。 AIの実行速度が速くなる。 AIのトレーニング期間が短縮される。 AIの学習データ量が増える。 None 53. ChatGPTが進化する中で、商業利用における倫理的課題として最も重要なものはどれか。 モデルの応答速度が遅いこと 偏りのある応答を生成する可能性 一部のタスクに特化できないこと APIの使用料金が高額なこと None 54. AI利活用原則における「持続可能性」の説明として最も適切なものを選びなさい。 AIは環境や社会に配慮せず、利益のみを追求するべきである。 AIは短期間の利益を優先して利用されるべきである。 AIは社会的影響を考慮せず、技術的な進化のみを重視するべきである。 AIは環境への影響を最小限にし、持続可能な形で活用されるべきである。 None 55. ニューラルネットワークで「重み」が更新される際に用いられる手法として正しいものはどれか。 フィルタリング 勾配降下法（Gradient Descent） データ拡張（Data Augmentation） 次元削減 None 56. 「重みの正則化」がAIモデルに与える影響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 過学習を防ぐ トレーニングデータ量を減少させる 損失関数を無効化する None 57. ChatGPTが進化の過程で課題として直面している「長文対話」の問題を解決するために考案された技術として正しいものはどれか。 メモリ強化型の注意機構を導入する トークン数の制限を完全に撤廃する データ拡張手法を採用する 応答生成をランダム化する None 58. 畳み込み層（Convolutional Layer）が行う主要な操作はどれか。 データを正規化する フィルタを用いて画像データから局所特徴を抽出する 画像の解像度を高める データの次元を削減する None 59. AI画像認識の分野で、転移学習（Transfer Learning）が有効である理由はどれか。 新しいデータセットでゼロからモデルを訓練する必要がない モデルの精度を固定化できる すべてのデータをクラスタリングする能力を持つ データの正規化を自動化する None 60. 以下のうち、テキスト生成に特化した生成AIモデルとして正しいものはどれか。 GPT DALL-E StyleGAN Whisper None Time's up
