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. 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 2. LLMを運用する際の主な制約の1つとして正しいものを選びなさい。 データ量が少なくなると性能が向上する。 大規模な計算資源が必要であり、運用コストが高い。 専用のハードウェアが不要であるため制約が少ない。 モデルサイズが小さいため複雑なタスクには向かない。 None 3. 特化型AIが汎用型AIよりも広く採用されている理由として最も適切なものはどれか。 特化型AIは開発が容易でコストが低いため 汎用型AIの技術はすでに陳腐化しているため 特化型AIは常に汎用型AIより高性能であるため 汎用型AIはトレーニングに長い時間がかかるため None 4. フィッシング詐欺を防ぐための最善策はどれか。 すべてのメールに返信する メールアドレスを頻繁に変更する 公共Wi-Fiを利用する 不審なメール内のリンクや添付ファイルを開かない None 5. 「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 6. LMはどのように動作しますか？ 音声データを入力し、画像を出力する。 テキストデータを学習し、次に来る単語を確率的に予測する。 AIの物理的動作を制御する。 テキストデータを使わずに直接応答を生成する。 None 7. 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 8. 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 9. 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 10. 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 11. 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 12. 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 13. 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 14. 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 15. 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 16. 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 17. 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 18. 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 19. 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 20. 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 21. 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 22. 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 23. 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 24. DALL-Eの主なデメリットとして適切なものはどれか。 テキストの文法的誤りを訂正できない 指定されたテキスト指示を完全に理解できない場合がある 動画生成タスクに対応していない 高度な音声認識能力が必要とされる None 25. 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 26. 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 27. 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 28. 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 29. 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 30. 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 31. 「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 32. 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 33. 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 34. 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 35. 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 36. 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 37. 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 38. 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 39. インターネット上で信頼できる情報を見分けるための重要なポイントはどれか。 情報が多くのサイトで繰り返し引用されているか確認する 情報が有名なブログで紹介されているか確認する 情報源が公的機関や専門家によるものであるか確認する 情報の発信者が匿名であるかどうか確認する None 40. SNS上での情報共有において注意すべき点はどれか。 すべてのフォロワーに自分の住所を公開する 知らない人からのメッセージには必ず返信する 投稿する前にプライバシー設定を確認する 位置情報を常に公開する None 41. 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 42. 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 43. 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 44. LMの進化に最も影響を与えた技術として正しいものを選びなさい。 画像処理アルゴリズム トランスフォーマー（Transformer）アーキテクチャ 物理的制御システム 周波数分析ツール None 45. 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 46. 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 47. 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 48. 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 49. 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 50. 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 51. 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 52. 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 53. 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 54. 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 55. 転移学習の成功に必要な「ソースドメイン」と「ターゲットドメイン」の関係性として適切なものはどれか。 完全に独立していることが理想である ソースドメインがターゲットドメインより複雑である必要がある ある程度の類似性が必要である ターゲットドメインがソースドメインを上回る性能を持つ必要がある None 56. 転移学習が自然言語処理（NLP）で広く利用される理由として正しいものはどれか。 言語モデルが文法や単語の一般的な特徴を学習できるため 言語データが常に小規模であるため 出力層が全タスクに共通であるため 学習済みモデルを直接再利用することが禁止されていないため None 57. 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 58. 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 59. 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 60. 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 Time's up
