生成AIパスポート～模擬試験⑤～ 2024年12月9日2024年12月9日 ailearn 1. 転移学習を使用している場合、学習済みモデルの初期層（低次層）を再訓練することが適切な場面として正しいものはどれか。 新しいタスクが元のタスクと完全に異なる場合 新しいタスクのデータが少ない場合 新しいタスクが元のタスクと高度に類似している場合 モデルの計算コストを削減したい場合 None 2. ChatGPTが特定の業務（例：医療分野）に応用される際に考慮すべきデメリットとして正しいものはどれか。 トレーニングデータに基づく偏りが応答に影響を与える可能性がある テキスト生成速度が遅すぎて業務に適さない 画像や音声データを直接処理できない 文法的誤りを含む応答しか生成できない None 3. ネットいじめの被害を防ぐための対策として最も適切なものはどれか。 被害を受けた場合、自分で反論する 不適切な行為を無視して放置する プラットフォームの通報機能を活用する 匿名で仕返しを行う None 4. LMが学習するために必要なデータは何ですか？ 膨大な量のテキストデータ 画像や動画データ 物理センサーからの信号データ 数値シミュレーションデータ None 5. 各種生成AIの共通のデメリットとして最も適切なものはどれか。 トレーニングに必要なデータ量が膨大である 環境に優しい設計がされている タスクごとに専用のモデルを作成する必要がある 完全に教師なし学習である None 6. ディープフェイクによって生成される動画の特徴として正しいものはどれか。 元の映像を完全に削除して生成される 人間が識別できないレベルでリアルに見える 必ず低解像度で生成される 特定の顔のみを使用することができない None 7. LLM（Large Language Model）が他の言語モデルと比べて特に優れている点は何ですか？ パラメータ数が多く、文脈理解と推論能力が高い。 訓練にデータを必要としない。 単一の特定タスクに特化している。 ハードウェアの制約が少ない。 None 8. LMの主な役割として最も適切なものを選びなさい。 AIのハードウェア設計を最適化すること 自然言語の理解と生成を行うこと AIのデータ収集プロセスを管理すること 機械学習アルゴリズムの改良を行うこと None 9. ChatGPTのデメリットとして正しいものはどれか。 応答が完全にランダムに生成される トレーニングデータ以降の最新情報に対応できない 音声認識機能が搭載されていない 動画生成能力が制限されている None 10. LMとLLMの違いとして正しいものを選びなさい。 LLMはLMよりも小規模なデータセットで動作する。 LLMはLMに比べてより大規模なデータセットと計算資源を活用する。 LMはLLMよりも文脈理解能力が高い。 LMとLLMはまったく異なるアルゴリズムを使用している。 None 11. 公共Wi-Fiを利用する際に個人情報を保護するための最適な方法として正しいものはどれか。 公共Wi-Fiではパスワードが必要ない場合のみ接続する 銀行やSNSなどのログインは問題ないと考える Wi-Fiを利用する際はすべてのデバイスでBluetoothをオンにする HTTPS通信を利用し、VPNを使用する None 12. GANを基盤としたディープフェイク技術の改良点として考えられるアプローチとして正しいものはどれか。 モード崩壊を防ぐための正則化手法を導入する ジェネレータとディスクリミネータを廃止する 潜在空間を完全に削除する 時系列データを中心にトレーニングする None 13. 「LLM（Large Language Model）」とは何ですか？ AIを使って画像を生成するモデル 大規模なデータを学習し、高度な言語処理を可能にするAIモデル 小規模なデータで学習した言語モデル AIを使った物理シミュレーションモデル None 14. LMが次に来る単語を予測する際に基づいているものは何ですか？ 画像データのピクセル値 音声信号の周波数 AIエンジンのハードウェア性能 過去の文脈と単語の出現確率 None 15. インターネット上で公開される情報が誤情報である可能性を検証する最適な方法として正しいものはどれか。 公的機関や信頼性の高い情報源と照らし合わせる SNSの拡散状況を確認する 情報の出所を気にせず、内容をそのまま利用する コメント欄の意見数を基準に信頼性を判断する None 16. 以下のうち、LLMが活用される典型的な用途として正しいものを選びなさい。 画像分類 音声信号処理 物理データの解析 文章要約と質問応答 None 17. インターネットで個人情報を保護するために最も重要なことは何か。 同じパスワードを複数のサービスで使用する 不要な情報をネットに公開しない すべてのウェブサイトでクッキーを受け入れる 公共Wi-Fiを利用してパスワードを送信する None 18. あるLMが次の文章を処理するとします。「私は朝パンを食べました。それから、牛乳を飲みました。」この文脈を考慮した場合、次に出力される可能性が最も高いのはどれですか？ 「その後、私は公園を散歩しました。」 「次の日はパンケーキを作りました。」 「夕食はカレーでした。」 「牛乳は冷たくて美味しかったです。」 None 19. Whisperのデメリットとして最も適切なものはどれか。 高解像度画像生成には対応していない 音声認識モデルとして、騒音環境で精度が低下する場合がある 特定の言語に対する認識精度が低い場合がある 潜在空間の操作が不可能である None 20. ディープフェイクが生成するコンテンツの法的規制が必要とされる主な理由はどれか。 技術の進化を阻害するため トレーニングコストを削減するため 社会的混乱やプライバシー侵害を防ぐため 個人が自由に利用できる技術にするため None 21. ChatGPTとDALL-Eの主な違いとして、利用シーンの観点から最も適切なものはどれか。 ChatGPTは画像生成タスクを行い、DALL-Eはテキスト生成を行う ChatGPTはノイズ耐性が高く、DALL-Eは高解像度音声を生成する ChatGPTとDALL-Eはどちらも動画生成を専門とする ChatGPTはテキスト生成や対話、DALL-Eはクリエイティブな画像生成に特化している None 22. LMの性能を評価する際に重要な要素として適切なものを選びなさい。 画像の解像度 ハードウェアの冷却効率 生成されるテキストの自然さと文脈の適切性 データセットの物理特性 None 23. あるLMが、ニュース記事を学習データとして用いています。このデータに偏りがある場合、どのような影響が最も考えられますか？ LMの応答は中立的なものだけになる。 偏った視点や意見を反映した応答を生成する可能性がある。 LMは必ず正確な情報を生成する。 偏りのあるデータはLMに影響を与えない。 None 24. LLMが学習するために主に使用されるデータは何ですか？ 画像データ 音声データ 膨大な量のテキストデータ 物理シミュレーションデータ None 25. GPTの主なメリットとして最も適切なものはどれか。 テキスト生成における柔軟性と文脈理解能力が高い ノイズ耐性に優れている 動画生成に最適化されている 特定のトピックに限定されている None 26. 安全なパスワードを作成するための重要なポイントはどれか。 短いが覚えやすい単語を使用する 名前や誕生日を含める 大文字、小文字、数字、記号を組み合わせる すべてのアカウントで同じパスワードを使う None 27. 汎用型AIが特化型AIよりも困難な理由として正しいものはどれか。 データ量が特化型AIよりも多い 複数の異なるタスクを統合する設計が必要である 訓練時間が短すぎる 特定のタスクでの性能が向上しない None 28. LMの応答の信頼性を向上させる方法として最も適切なものを選びなさい。 LMに学習データの信頼性を評価させる。 プロンプトを曖昧にし、応答の自由度を高める。 生成された応答に対して、別のAIで検証プロセスを追加する。 LMに応答結果の正確性を自己判断させる。 None 29. インターネット上の匿名性が犯罪行為に悪用されるリスクを軽減するために、最も効果的な対策はどれか。 インターネット利用者全員に実名登録を義務付ける すべてのユーザーが匿名での投稿を禁止される サービス提供者がコンテンツの監視と違法行為の報告を強化する 監視カメラをオンラインサービスと連携する None 30. AIのレベル別分類で、「強いAI（Strong AI）」が目指すものとして正しいものはどれか。 特定のタスクにおいて人間を上回る能力を持つ 機械学習モデルを効率的に訓練すること 現実の物理システムを模倣すること 人間の知能や意識を再現すること None 31. トランスフォーマーを基盤としたLMが長文を処理する場合、どのような技術的工夫が最も効果的でしょうか？ 長い文脈を一度に全て処理しようとする。 文脈を適切に分割し、それぞれの部分を順次処理する。 文脈の長さに関係なく処理するため、追加の工夫は不要。 長い文脈は無視し、短い部分のみを利用する。 None 32. ディープフェイク生成においてGANが特に優れている理由として正しいものはどれか。 時系列データの分析に適している 画像や動画のリアリティを向上させる競争的学習が可能 大量の計算リソースを必要としない 自然言語処理タスクを効率的に処理できる None 33. Whisperを使用した音声認識プロジェクトで、認識精度が低下する可能性が高いケースとして最も適切なものはどれか。 高度な騒音除去が行われたクリアな音声環境 標準的なアクセントのスピーチを使用する場合 音声データが短時間で区切られている場合 トレーニングデータに含まれていない特定の方言が使用される場合 None 34. 汎用型AI（General AI）が現在実現されていない理由として最も適切なものはどれか。 十分なトレーニングデータが不足している 複数のタスクに適応する技術が未成熟である ハードウェアの性能が足りない 人間の認知機能を完全に理解していない None 35. 転移学習を用いたファインチューニングで「学習率を層ごとに異なる値に設定する」理由として正しいものはどれか。 モデル全体の計算負荷を均等化するため 低次層の特徴を完全に無効化するため 学習済みの層と新規層の適応速度を調整するため モデル全体のパフォーマンスを固定化するため None 36. 特化型AI（Narrow AI）が日常生活で使用されている例として最も適切なものはどれか。 自動運転車 医療診断システム 自然言語処理を用いたチャットボット 以上すべて None 37. DALL-EとStyleGANの生成プロセスの違いに関連する説明として正しいものはどれか。 DALL-Eは潜在空間を操作して画像を生成し、StyleGANはテキスト指示に基づいて画像を生成する DALL-Eはテキスト入力に基づいて画像を生成し、StyleGANは潜在空間を操作して画像を生成する DALL-EとStyleGANはどちらも動画生成を専門としている DALL-EはGANアーキテクチャを使用し、StyleGANはトランスフォーマーを基盤としている None 38. ディープフェイクによる生成画像が特に難しい部分として適切なものはどれか。 背景の描写 静止している物体の生成 テキストベースの入力解析 顔の自然な瞬きや微細な表情 None 39. AIレベル別分類の観点から、自律型AI（Autonomous AI）の導入が現実的でない分野として最も適切なものはどれか。 自動運転車の制御 医療診断システム 倫理的判断が必要な分野（例：司法、政策立案） サプライチェーンの最適化 None 40. ディープフェイクを識別するための技術として適切なものはどれか。 自己注意機構 画像や動画の不自然なパターンを検出するアルゴリズム 音声認識モデルによる分析 潜在空間操作による改善 None 41. 「強いAI（Strong AI）」が特化型AIと異なる点として正しいものはどれか。 強いAIは人間のように意識を持つ 強いAIは特定のタスクに特化して設計されている 強いAIは必ずしも人間を超える性能を持つ 強いAIは単純な問題を解決できない None 42. LLMが応答を生成する際に行う基本的なプロセスはどれですか？ テキストデータを画像データに変換して処理する。 文脈に基づき次に来る単語を確率的に予測して生成する。 ランダムに単語を選んで文を構成する。 事前に固定されたテンプレートから回答を選択する。 None 43. LLMが偏った学習データを利用している場合、応答にどのような影響が出る可能性がありますか？ 応答は完全に中立になる。 応答がすべて正確な情報になる。 学習データの偏りは応答に影響を与えない。 偏見や特定の視点が反映された応答を生成する可能性がある。 None 44. 特化型AI（Narrow AI）から汎用型AI（General AI）への進化を実現するために必要な技術的要件として最も適切なものはどれか。 訓練データ量を無制限に拡大する 異なるタスク間での知識共有を可能にするアーキテクチャの開発 モデルのサイズを極端に縮小する 特定のタスクでの性能向上を優先する None 45. AIのレベル別分類における「特化型AI（Narrow AI）」の特徴として正しいものはどれか。 あらゆる分野で汎用的に使用できる 特定のタスクに特化して設計されている 自律的に意思決定を行う 人間の知能を完全に再現する None 46. 転移学習において、「モデル全体を再訓練する」のではなく「特定の層のみを再訓練する」理由として正しいものはどれか。 トレーニングデータを削減するため 新しいタスクに必要な特徴のみを効率的に学習するため 学習済みモデルを無効化するため 計算リソースを最大限に使用するため None 47. ディープフェイクによる影響を最小化するために重要な対策として適切なものはどれか。 生成されたコンテンツを識別するアルゴリズムの開発 ディープフェイク生成技術を一般公開しない トレーニングデータを削減する コンテンツ生成速度を遅くする None 48. LLMの特徴として正しいものを選びなさい。 少量のデータで学習し、単一のタスクに特化する。 膨大なパラメータ数を持ち、多様なタスクに対応できる。 特定分野の専門知識だけを学習する。 データなしで動作するAIモデルである。 None 49. LLMが基盤としている主要なアーキテクチャはどれですか？ 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） トランスフォーマー（Transformer） サポートベクターマシン（SVM） None 50. 転移学習（Transfer Learning）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 学習済みモデルを活用して新しいタスクを効率よく学習する モデルのサイズを削減する モデルの複雑さを制限する None 51. 複数の異なるSNSアカウントを安全に管理するために必要な最善の方法はどれか。 各アカウントに異なるパスワードを設定し、パスワード管理ツールを使用する すべてのアカウントで同じパスワードを使用し、覚えやすくする パスワードを定期的に公開することで安全性を確認する アカウントごとに異なるメールアドレスを設定するが、パスワードは共通にする None 52. LLMが他のAIモデルと比較して特に汎用性が高い理由はどれですか？ 多様なタスクを単一のモデルで実行できるため。 画像や音声データも直接処理できるため。 専用のハードウェアを必要としないため。 単一のトピックに特化して学習しているため。 None 53. 「汎用型AI（General AI）」と特化型AIの主な違いとして正しいものはどれか。 汎用型AIは特定のタスクに制限されず、複数のタスクをこなせる 特化型AIは学習が不要で、汎用型AIは学習が必須である 特化型AIは複数の分野で利用可能で、汎用型AIは一つの分野に限定される 汎用型AIは特化型AIに比べて開発が容易である None 54. SNSでフォロワーの信頼を得るために投稿する情報を選ぶ際に最も重要な基準はどれか。 投稿が感情的で多くの「いいね」を獲得できるか 投稿が正確で信頼できる情報に基づいているか 投稿がエンターテイメント性に優れているか 投稿が拡散される可能性が高いか None 55. LMの出力品質を向上させるために最も効果的な手法はどれですか？ 学習データを増やし、多様性を確保する。 プロンプトを簡潔にするが、詳細な指示は与えない。 トレーニングデータセットを変更せずにモデルのサイズを減らす。 モデルのトレーニングを停止し、既存の状態を維持する。 None 56. StyleGANのメリットとして正しいものはどれか。 潜在空間の操作性が高く、生成画像の特徴を調整できる マルチモーダル処理に対応している テキスト生成能力に優れている ノイズに強い音声データ処理を行う None 57. 転移学習が成功するための条件として適切でないものはどれか。 元のモデルと新しいタスクが類似している 新しいタスクのデータが十分に大規模である 元のモデルが一般的な特徴を学習している 新しいタスクが元のモデルと全く異なるデータセットを持つ None 58. DALL-Eのメリットとして最も適切なものはどれか。 高解像度画像を生成する能力に優れている マルチモーダル処理で動画生成が可能 テキストの翻訳に特化している 音声認識と画像認識を同時に行う None 59. 転移学習で「特徴抽出（Feature Extraction）」が行われる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のサイズを減らすため 事前に学習されたモデルの一般的な特徴を利用するため モデルの出力層を固定するため 学習速度を低下させるため None 60. ディープフェイク技術が情報セキュリティの観点で課題となる理由として最も適切なものはどれか。 生成画像の品質が低い ユーザーの信頼を損なう偽情報を拡散する可能性がある テキスト生成能力が不足している 動画生成に時間がかかりすぎる None Time's up
