生成AIパスポート~模擬試験②~ 2024年12月9日2024年12月9日 ailearn 1. ニューラルネットワークの性能向上のために「正則化(Regularization)」が使用される理由として最も適切なものはどれか。 モデルの計算速度を上げるため 過学習(Overfitting)を防ぐため データ量を減らすため ラベル付きデータが不要になるため None 2. 機械学習における「決定木」の主な特徴として正しいものはどれか。 線形分離可能なデータにのみ適用できる データの分類や回帰の両方に使用できる 教師なし学習の一例である 事前にデータを次元削減する必要がある None 3. GAN(生成的敵対ネットワーク)を活用した画像生成で発生しやすい「モード崩壊(mode collapse)」の問題とは何を指すか。 ディスクリミネータが正しい分類を行えなくなる現象 ジェネレータが非常に遅い速度でデータを生成する現象 ディスクリミネータがジェネレータを完全に打ち負かす現象 ジェネレータが複数の異なる種類のデータを生成できない現象 None 4. ディープラーニングがAIに知能をもたらす点として最も適切なものはどれか。 簡単な問題を素早く解決する能力 全てのタスクを人間より正確に解決する能力 複雑で非線形な問題の解決能力 小規模データセットに特化した能力 None 5. 生成モデルの重要な研究分野の一つである「テキスト生成」の例として適切なものはどれか。 自然言語処理を用いた小説の自動生成 機械翻訳の精度向上 音声認識システムの開発 時系列データの分類 None 6. 生成モデルの「自己回帰型モデル」に該当する技術として正しいものはどれか。 GAN VAE PixelRNN 主成分分析 None 7. 生成モデルの主要な応用例として正しいものはどれか。 データ生成による訓練データの拡張 機械学習モデルの訓練時間の短縮 データの圧縮アルゴリズムの設計 データベースの高速検索 None 8. 生成モデルの一種であるVAE(変分オートエンコーダ)の主な目的として正しいものはどれか。 クラス分類精度の向上 データの潜在空間表現を学習して新しいデータを生成する 時系列データの予測 音声データの高速処理 None 9. 生成モデルの中で「生成的敵対ネットワーク(GAN)」が導入した革新的なアイデアとして正しいものはどれか。 データ生成と分類の競争的トレーニング 自己教師あり学習 確率分布の明示的なモデリング トレーニングにラベル付きデータが必要 None 10. AIに知能をもたらす2つの仕組みとして正しい組み合わせはどれか。 機械学習とルールベース 機械学習とニューラルネットワーク ルールベースと推論エンジン 機械学習と知識ベース None 11. AIが生成した架空の人物の画像を商業利用する場合、パブリシティ権の侵害が成立する可能性はどのような場合か。 架空の人物が実在する著名人を連想させる場合 架空の画像であるため侵害は成立しない 生成物が一般的な外見で特定性がない場合 商業利用に関係なく侵害が成立する場合 None 12. 生成モデルが特に注目される応用分野として正しいものはどれか。 ハードウェア設計の最適化 医療画像の生成と診断支援 経済データの分析と予測 高速データベース検索 None 13. 次の行為のうち、パブリシティ権侵害のリスクが最も高いものはどれか。 著名人の名前を個人ブログで称賛する 著名人の肖像を無許可で商品パッケージに使用する 著名人が参加したイベントの写真を個人のアルバムに保存する 著名人の出演するテレビ番組を視聴する None 14. 生成モデルがテキスト生成において直面する「長い文脈の維持」の課題を克服するために利用される技術として最も適切なものはどれか。 畳み込みニューラルネットワーク(CNN) 長短期記憶ネットワーク(LSTM) 主成分分析(PCA) 最近傍探索(KNN) None 15. 生成モデルの系譜において「トランスフォーマーベースのモデル」が注目される理由として正しいものはどれか。 トレーニングが非常に高速である 画像データの生成には適していない 長い文脈を効率的に処理できる ラベル付きデータが必須である None 16. 肖像権の侵害が成立する可能性がある状況として最も適切なものはどれか。 公共の場で撮影された写真を個人のアルバムに保存する 著名人の名前をSNSの投稿で褒める内容を書く 他人の写真を本人の許可なくインターネットで公開する 写真撮影の際に被写体の顔が写っていない None 17. 次のうち、「勾配ブースティング」の特徴として最も適切なものはどれか。 クラスタリングアルゴリズムの一例である 入力データの標準化を必須とする 過学習を防ぐために正則化を使用しない 弱学習器を直列的に構築し、モデルの精度を向上させる None 18. AIが持つ学習手法のうち、「教師なし学習」の特徴として正しいものはどれか。 ラベル付きデータを利用する 行動と報酬を基に学習する クラスターを形成してデータをグループ化する 確率モデルを用いて推論する None 19. パブリシティ権が適用される場合、商業利用が認められるケースとして正しいものはどれか。 著名人が参加したイベントの写真を個人のブログでシェアする 著名人の名前を商標登録して商品名に使用する 著名人が認めた場合に限り、肖像を広告に使用する 著名人の写真を個人的に保存する None 20. 生成モデルにおいて「潜在空間」の役割として正しいものはどれか。 訓練データを直接保存する ジェネレータとディスクリミネータの評価を行う データセット間の類似性を計算する データの圧縮と新規データ生成の基盤を提供する None 21. Transformerモデルにおける「ポジショナルエンコーディング」の役割として正しいものはどれか。 入力データの順序を明示する 入力データを正規化する データの次元を削減する モデルの損失を最小化する None 22. Transformerモデルの「ポジショナルエンコーディング」を不要にするために提案されている改良点として最も適切なものはどれか。 入力データをランダムにシャッフルする デコーダでポジショナル情報を学習させる ポジショナル情報を完全に削除する 相対位置エンコーディングを導入する None 23. 次の機械学習手法のうち、「アンサンブル学習」に該当するものを選びなさい。 サポートベクターマシン(SVM) 主成分分析(PCA) ランダムフォレスト K-近傍法(KNN) None 24. 強化学習で用いられるアルゴリズムとして適切なものはどれか。 Q学習 ランダムフォレスト K-means 主成分分析(PCA) None 25. 機械学習が使用される主な目的はどれか。 データの可視化を最適化する データから予測や分類を行う コンピュータの計算速度を高める 人間の知識を直接的に適用する None 26. 次のうち、「次元削減」に分類される手法はどれか。 主成分分析(PCA) Q学習 決定木 ロジスティック回帰 None 27. 「肖像権」とは何を保護するための権利か。 作品の著作権を保護する 自分の顔や姿を無断で撮影されたり公開されたりしない権利を保護する 商業利用のためのロゴやデザインを保護する 企業のブランド価値を保護する None 28. 「パブリシティ権」とは何を保護するための権利か。 作品の著作権を保護する 著名人の名前や顔の商業的価値を保護する 企業ロゴのデザインを保護する 著名人の個人情報を公開する権利 None 29. Transformerモデルにおける「ヘッド間の重み共有」が生成される情報に与える影響を最も正確に表す選択肢はどれか。 モデルの計算速度を劇的に向上させる モデル全体のメモリ消費量を削減する 各ヘッドが異なる特徴を学習できなくなる 入力データの順序依存性が完全に排除される None 30. AIが生成した作品の著作権が帰属しない場合、生成物の扱いとして正しいものはどれか。 公共財として自由に利用できる 開発者の権利として保護される 利用者が独占的に利用できる 知的財産権の対象外となる None 31. 生成モデルとは何を指すか。 訓練データから新しいデータを生成できるモデル 決定木やサポートベクターマシンのような分類モデル データのクラスタリングに特化したモデル 高速なデータ処理に最適化されたアルゴリズム None 32. AIが生成した肖像画像を広告キャンペーンに使用したところ、第三者から肖像権侵害で訴えられた。この場合、広告主が法的責任を回避するために最も有効な証拠はどれか。 生成物が完全に架空のものであることを示す証拠 使用された画像がトレーニングデータから直接引用されたことを証明する証拠 訴えた第三者の実際の肖像と生成物の一致を否定する証拠 AI開発者が肖像権侵害を認識していなかったことを証明する証拠 None 33. 企業が公共イベントの写真を広告に使用する際、肖像権の侵害を避けるために最も適切な対応はどれか。 写真の背景を加工して全員の顔を隠す 写真に写っている人物全員から事前の許可を得る 公共イベントで撮影された写真は自由に利用できるため許可は不要 写真の使用後に人物に通知を行う None 34. AIが生成した肖像画像が他人の顔に似ている場合、肖像権の侵害が成立する可能性があるのはどのような場合か。 AIの生成プロセスに人間が関与していない場合 生成された画像が特定の個人を連想させる場合 生成された画像が完全に架空の人物である場合 AIの開発者が画像を使用した場合 None 35. Transformerモデルの「マルチヘッドアテンション」で発生する可能性のある計算コストの問題を軽減するための一般的な手法として正しいものはどれか。 各アテンションヘッドの数を増やす 入力データの次元数を削減する スパースアテンション(Sparse Attention)を使用する データのバッチサイズを小さくする None 36. Transformerモデルの中核となる仕組みとして正しいものはどれか。 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) 自己注意機構(Self-Attention) 主成分分析(PCA) None 37. 生成モデルの中で「フリシェーインセプション距離(FID)」が使用される主な目的として正しいものはどれか。 生成されたデータの品質を評価する トレーニングデータセットのサイズを決定する モデルのトレーニング速度を測定する データのクラスタリング精度を確認する None 38. 企業が広告に著名人の肖像を無断で使用した場合、パブリシティ権の侵害が成立する可能性が高い理由として正しいものはどれか。 著名人のプライバシーが侵害されるため 著名人の肖像を使った広告が成功する可能性が高いため 著名人の同意が不要と考えられるため 著名人の商業的価値を損なう可能性があるため None 39. 生成モデルの最も初期の概念に近い理論として正しいものはどれか。 ガウス分布 隠れマルコフモデル(HMM) ニューラルネットワーク k-近傍法(k-NN) None 40. 自己回帰型生成モデル(例:PixelRNN)が画像生成タスクにおいて直面する主な課題として正しいものはどれか。 高次元データの逐次生成による計算コストの増大 ラベル付きデータが必須である点 モード崩壊の頻発 潜在変数の分布が不明確である点 None 41. SNSに投稿された写真に写っていた他人が、肖像権の侵害を主張するために必要な条件として最も適切なものはどれか。 写真が公共の場で撮影されたものであること 写真が投稿者自身によって撮影されたものであること 写真に写っている人物が特定可能であること 写真が撮影後すぐに公開されたものであること None 42. Transformerモデルが従来のRNNと比較して優れている点として正しいものはどれか。 時系列データの順序を完全に無視できる 並列処理が可能である 入力データの順序を保持しない 訓練にラベル付きデータが不要である None 43. GAN(生成的敵対ネットワーク)が生成したデータの品質を向上させるために導入される「WGAN(Wasserstein GAN)」の主な特徴として最も適切なものはどれか。 損失関数としてWasserstein距離を利用する ジェネレータの出力に正規化を適用する ディスクリミネータを確率的モデルに置き換える ジェネレータのトレーニング回数を減少させる None 44. ニューラルネットワークが従来のルールベースAIと異なる点はどれか。 データの前処理が不要である 推論能力を持たない プログラミングなしで動作可能である 決定ルールを明示的に記述する必要がない None 45. AIが生成した作品が著作権保護の対象となるための条件として正しいものはどれか。 AIによる自動生成である場合 人間が生成プロセスに創作性を付加している場合 AIの出力内容が完全に自動的に決定された場合 トレーニングデータが著作権フリーである場合 None 46. AIが生成した作品に関する著作権は、通常誰に帰属するか。 AIそのもの AIを開発した企業 AIを利用して作品を生成した人 公共の財産として扱われる None 47. VAE(変分オートエンコーダ)がGANと比較して有利とされる点として正しいものはどれか。 VAEは計算資源をほとんど必要としない VAEは完全に教師あり学習に基づいて動作する VAEは確率的潜在空間を学習し、生成データの多様性が高い VAEは大規模データセットが必要ない None 48. Transformerモデルを大規模にスケーリングした場合、一般的に発生し得る問題として最も適切なものはどれか。 モデルがトレーニングデータの全てを記憶する 勾配爆発が頻発する 訓練コストが指数関数的に増加する モデルが極端なモード崩壊を示す None 49. 生成モデルが訓練データから学習する「分布」の性質を評価するために使用される指標として最も適切なものはどれか。 ヒューリスティックスコア クロスエントロピー損失 誤差逆伝播率 フリシェーインセプション距離(FID) None 50. Transformerモデルの自己注意機構で使用される「キー(Key)」、「クエリ(Query)」、「バリュー(Value)」の役割を正確に理解するには、どの点を考慮する必要があるか。以下の中で正しい選択はどれか。 クエリが入力データを分割し、キーがそれを分類し、バリューが分類結果を統合する クエリが関連性を評価し、キーが関連性を示し、バリューが関連するデータを提供する バリューがデータをスケーリングし、クエリがそのスケールを適用し、キーが結果を保存する キーがデータを圧縮し、クエリがその圧縮を展開し、バリューが計算を最適化する None 51. Transformerモデルが自然言語処理(NLP)で広く利用される理由として正しいものはどれか。 自然言語データの前処理を完全に不要にするため 小規模データセットでのみ高精度を達成できるため 文法構造を直接的に理解するため 文中の長距離依存関係を効率的にモデル化できるため None 52. 次のアルゴリズムのうち、データのクラスタリングに使用されるものはどれか。 ランダムフォレスト 線形回帰 K-平均法(K-means) サポートベクターマシン(SVM) None 53. AIが生成した架空の人物の肖像画像について、肖像権が適用される可能性はどれか。 完全に架空であれば肖像権は適用されない AIが生成した場合、自動的に肖像権が適用される トレーニングデータが公開されていない場合、適用される 架空であっても特定の個人を連想させれば適用される None 54. 教師あり学習の典型的なアルゴリズムとして適切なものはどれか。 ロジスティック回帰 K-平均法(K-means) 自己組織化マップ(SOM) アソシエーション分析 None 55. トランスフォーマーベースの生成モデルがGANやVAEと異なる主な点として正しいものはどれか。 データの逐次生成を行わない 明示的な潜在空間を持たない 損失関数にKLダイバージェンスを使用する 自己注意機構を用いて長距離の依存関係をモデル化する None 56. 自己回帰型生成モデルの特徴として適切なものはどれか。 全てのデータポイントを同時に生成する 逐次的にデータポイントを生成する ラベル付きデータに依存する 潜在空間を利用しない None 57. 「サポートベクターマシン(SVM)」において、カーネル関数が果たす役割として正しいものはどれか。 モデルの学習速度を上げる 高次元空間で線形分離を可能にする データをクラスタリングする 次元削減を自動的に行う None 58. ディープラーニングにおける「畳み込みニューラルネットワーク(CNN)」が画像認識に特化している理由として正しいものはどれか。 画像データの空間的特徴を効率的に抽出できるから 全ての入力データを一括処理できるから データの分類を行わずに処理するから 大規模データセットが不要だから None 59. AI生成物に基づいて著作権侵害の訴訟が提起された場合、開発者が最初に確認すべき事項として最も適切なものはどれか。 AIの利用規約が著作権侵害を回避できる内容かどうか AIの生成物が他人の商標を含むかどうか トレーニングデータが適切にライセンスされているか AIの生成結果が公開されたタイミング None 60. AIが生成した著名人の肖像を広告に利用する場合、最も重要な法的対応はどれか。 AIの利用規約を確認する 著名人本人から事前に同意を得る AIが生成したため問題はない 生成された肖像に修正を加える None Time's up