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. StyleGANのデメリットとして適切なものはどれか。 テキスト指示を解釈する能力が欠けている テキスト生成における文脈理解能力が低い 動画生成タスクには対応していない 音声データのノイズ処理が不可能 None 2. 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 3. 「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 4. 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 5. 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 6. ディープフェイクが主に利用される分野として適切でないものはどれか。 映画やエンターテインメントでの特殊効果 教育や研究分野でのシミュレーション 偽情報の作成や詐欺行為 音声データのリアルタイム翻訳 None 7. 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 8. ディープフェイク動画を識別する際に、特定のディスクリミネータが検出しやすい特徴として適切なものはどれか。 動画の色調が均一である 背景が動かない場合が多い 動画内の音声と画像が完全に同期している 瞬きのパターンが非現実的である None 9. インターネットでの適切なコミュニケーションとは何か。 他者を尊重し、攻撃的な言動を避けること すべての意見に賛同すること 匿名であれば自由に意見を述べること 感情的な表現を多用すること None 10. 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 11. ディープフェイク生成のコストが高い要因として正しいものはどれか。 トレーニングデータが限定的であるため 高解像度の生成には大規模な計算リソースが必要なため トランスフォーマーが主に使用されるため モデルが教師なし学習に依存するため None 12. 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 13. 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 14. インターネットの匿名性がもたらすリスクとして最も適切なものはどれか。 意見の自由な表現が促進される 不適切な行動や発言が増加する可能性がある ユーザー同士の協力が促進される 個人情報が完全に保護される None 15. 転移学習において「ファインチューニング（Fine-Tuning）」が行われる理由として正しいものはどれか。 モデル全体をゼロから再訓練するため 新しいタスクに適応するために特定の層を再訓練するため 学習済みモデルをそのまま使用するため トレーニングデータを拡張するため None 16. 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 17. 転移学習において、「タスクのドメインが異なる場合」に成功する可能性を高めるために必要なアプローチとして正しいものはどれか。 元のモデルをゼロから再訓練する 出力層を削除し、完全に新しい層を構築する トレーニングデータを事前学習済みデータに類似させる 新しいデータの正則化を省略する None 18. 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 19. 転移学習が画像認識タスクで特に効果的である理由として正しいものはどれか。 畳み込み層が一般的な画像特徴を捉えるため 画像データの多様性が小さいため 出力層が他のタスクと共有できるため 画像データは常にトレーニングデータが少ないため None 20. 「強いAI（Strong AI）」の実現に向けた課題として最も適切なものはどれか。 データ量の増加に伴うストレージ容量の不足 トレーニングデータのバイアスの影響 機械学習アルゴリズムの処理速度の限界 人間の意識や感情の再現に必要な理論の未成熟 None 21. Whisperのメリットとして最も適切なものはどれか。 高解像度画像生成が可能 動画編集機能を持つ テキスト生成能力が高い 多言語対応とノイズ耐性に優れている None 22. 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 23. 「LM（Language Model）」とは何ですか？ 人間の言語を理解し、生成するAIモデル AIのトレーニングデータを生成するアルゴリズム ハードウェアを制御するためのAIモジュール AIシステムの物理構造設計の手法 None 24. 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 25. 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 26. 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 27. インターネット上の著作権を守るために重要な行動はどれか。 他人の著作物を無断でコピーして使用する フリー素材のみを使用するが、著作者のクレジットは不要 すべての素材を自分で作成する 著作物を使用する際に権利者に許可を求める None 28. 転移学習の「凍結層（Frozen Layers）」の役割として正しいものはどれか。 モデル全体の計算負荷を増加させる 学習済みモデルの一部を固定し、新しいデータに対して再訓練しないようにする トレーニングデータを削減する モデルの汎化性能を低下させる None 29. 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 30. 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 31. 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 32. 汎用型AI（General AI）が特化型AIと比較して、医療分野において特に効果を発揮すると考えられる場面として適切なものはどれか。 画像診断や薬剤設計のような個別のタスクに特化した業務 トレーニングデータが限定的である新薬開発業務 医療データの収集と記録の効率化 異なる専門分野（例：内科と外科）間での知識を統合して診断を行う業務 None 33. 転移学習を利用している際に、モデルの「過学習」を防ぐために適切なアプローチとして正しいものはどれか。 学習率を極端に低く設定する トレーニングデータを増やさずに、より複雑なモデルを使用する すべての層を同時に再訓練する 最終層のみを再訓練し、低次層を凍結する None 34. 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 35. 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 36. 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 37. 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 38. ディープフェイク技術の主な基盤となるアルゴリズムはどれか。 GAN（生成的敵対ネットワーク） Transformer RNN（リカレントニューラルネットワーク） CNN（畳み込みニューラルネットワーク） None 39. LLMの応答が事実に基づいていることを確認するために最も効果的な方法はどれですか？ LLMの応答をそのまま信頼する。 LLMに複数回同じ質問をして矛盾を確認する。 外部データベースを使用して応答を検証する。 応答が正確かどうかは検証しない。 None 40. ディープフェイクが使用される際の倫理的な課題として正しいものはどれか。 トレーニングに必要なリソースが不足する 動画生成の速度が非常に遅い 偽情報や詐欺行為に利用される可能性がある トランスフォーマーベースのモデルしか使用できない None 41. 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 42. 以下の文章に対して、LLMが最適な応答を生成するための工夫として正しいものを選びなさい。 「私は昨日ケーキを作りました。それから友達とそれを食べました。」 文脈を分割して個別に処理する。 文章全体の文脈を保持し、話題の流れに基づいて応答を生成する。 最初の文だけを処理して応答を生成する。 次の単語をランダムに選んで応答を生成する。 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. GPTシリーズが長文処理で抱える課題の解決策として最も適切なものはどれか。 トークン数の制限を完全に撤廃する モデルサイズを大幅に縮小する 注意機構を強化し、重要な文脈を選択的に保持する トランスフォーマーをGANに置き換える None 45. LLMの課題として最も適切なものを選びなさい。 学習に必要なデータ量が少ない。 単一のタスクにしか対応できない。 文脈を理解する能力が低い。 応答が必ずしも事実に基づかない場合がある。 None 46. 「弱いAI（Weak AI）」の特徴として正しいものはどれか。 人間のように自律的に考える能力を持つ 自然言語処理を完全に理解する 特定の目的に特化して設計されている 他のAIシステムを管理する能力を持つ None 47. 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 48. 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 49. LM（Language Model）の主要な構成要素として適切なものを選びなさい。 画像データとピクセル処理モデル 音声データと周波数分析モデル テキストデータと確率計算モデル 物理センサーと信号処理モデル None 50. 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 51. 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 52. 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 53. LLMが長文の文脈を処理する際、どのような技術的な制約が発生しやすいですか？ 応答が短くなりすぎる。 計算負荷が高まり、メモリ制限に達する可能性がある。 短い文脈では動作しない。 文脈の最初の部分しか処理しない。 None 54. 転移学習が特に有効である場面として最も適切なものはどれか。 トレーニングデータが豊富に存在する場合 新しいタスクが既存モデルと無関係な場合 トレーニングデータが少なく、新しいタスクが既存モデルと関連している場合 モデルの計算リソースが無制限にある場合 None 55. ディープフェイク技術の使用が推奨される場面として適切なものはどれか。 映画で故人の俳優を再現するシーン 特定の人物のスピーチを偽装する政治的プロパガンダ 他人の顔を使用した詐欺行為 個人情報を不正に使用するための偽造 None 56. 転移学習を行う際に「凍結層を増やす」ことの主なメリットとして正しいものはどれか。 モデル全体の再訓練が容易になる 計算コストを削減し、過学習のリスクを軽減できる 出力層のパフォーマンスを向上させる 新しいデータへの適応能力を最大化できる None 57. 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 58. インターネットリテラシーとは何を指すか。 インターネットの利用に関する技術的スキル インターネットを安全かつ効果的に利用する能力 インターネットでプログラミングを行う能力 インターネット上の動画編集スキル None 59. 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 60. ディープフェイク技術を応用した場合に、教育分野での適切な利用例として正しいものはどれか。 実在しない人物の偽造スピーチを制作する 試験中に不正解答を生成する 歴史上の人物を再現した教育動画を作成する 他人の顔を用いたプライバシー侵害行為を助長する None Time's up
