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. 生成モデルの系譜において「フロー型モデル（Normalizing Flows）」が採用する主要な手法として正しいものはどれか。 データの逐次生成 ディスクリミネータを使用した分類 可逆変換によるデータ分布の明示的モデリング 高次元データのクラスタリング None 2. 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 3. 「ハイパーパラメータ調整」が重要となる手法はどれか。 線形回帰 主成分分析（PCA） A/Bテスト ランダムフォレスト None 4. 生成モデルが「モンテカルロ法」と関連する理由として最も適切なものはどれか。 データの確率分布を明示的に計算するため サンプリングを通じて不確実性をモデル化するため データの分類精度を向上させるため 潜在変数の次元を削減するため None 5. 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 6. 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 7. 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 8. Transformerモデルのアーキテクチャで重要な「残差接続」の役割として正しいものはどれか。 入力データを次元削減する 過学習を防止する 勾配消失問題を緩和する データのクラスタリングを容易にする None 9. 肖像権とパブリシティ権の違いとして適切な説明はどれか。 肖像権は商業利用を目的とし、パブリシティ権はプライバシー保護を目的とする 両者は同じ内容であり、区別されない 肖像権はプライバシー保護、パブリシティ権は商業的価値の保護を目的とする パブリシティ権は著作権に含まれる None 10. 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 11. 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 12. 生成モデルの代表的な技術であるGAN（生成的敵対ネットワーク）の特徴として正しいものはどれか。 データをクラスタリングする能力に優れる 大量のラベル付きデータを必要とする ジェネレータとディスクリミネータが競合する構造を持つ 主成分分析に基づく技術である None 13. 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 14. 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 15. 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 16. 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 17. 次のうち、ブースティングに分類されるアルゴリズムはどれか。 アダブースト K-平均法 ナイーブベイズ 線形回帰 None 18. 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 19. 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 20. 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 21. 生成モデルにおける「自己教師あり学習」が重要視される理由として正しいものはどれか。 ラベル付きデータが大量に必要であるため モデルのトレーニングを完全に自動化するため ラベル付きデータの精度を向上させるため ラベルなしデータから特徴を学習できるため None 22. AIの「知能」が進化する仕組みとして正しい説明はどれか。 データの量を増やすだけで知能が向上する データ、アルゴリズム、計算資源の相互作用で進化する ハードウェア性能だけで知能が大幅に向上する 人間がすべてのルールを設定することで進化する None 23. 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 24. 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 25. 次のうち、機械学習の分類に該当する手法はどれか。 線形回帰 K-近傍法（KNN） 主成分分析（PCA） A/Bテスト None 26. 生成モデルの誕生が注目されるようになった主な要因として正しいものはどれか。 計算能力の向上と大量データの利用可能性 クラス分類精度の向上 ハードウェアの低速化による影響 データベース技術の進化 None 27. 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 28. 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 29. AIが生成した商業ポスターに、著名なキャラクターに似たイラストが含まれていた場合、広告主が著作権侵害やパブリシティ権侵害を防ぐために取るべき最適な対応はどれか。 生成されたイラストに大幅な修正を加えて公開する 著名なキャラクターの権利者から利用許諾を得る AI開発者に責任を求める ポスターの公開を一旦中止して社内で検討する None 30. 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 31. 機械学習モデルにおいて、バイアス・バリアンストレードオフが示す現象として正しいものはどれか。 モデルの複雑さが増すと、必ず汎化性能が向上する 高バイアスのモデルは訓練データにもテストデータにも適合しない傾向がある 高バリアンスのモデルは訓練データへの適合度が低い バイアスが高い場合、モデルは過学習する None 32. 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 33. 生成モデルの系譜における「自己回帰型モデル」の特徴として正しいものはどれか。 全データを同時に生成する データを逐次的に生成する 潜在変数を使用してデータを再構築する データのクラスタリングに特化している None 34. Transformerモデルのトレーニングにおいて重要な「マスク」の役割として正しいものはどれか。 無関係なデータをフィルタリングする トレーニング中に未来の情報を参照しないよう制約を加える 損失関数を調整する 訓練データのラベルを修正する None 35. 肖像権とパブリシティ権の侵害が同時に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。 著名人の写真を許可なくSNSで称賛する投稿を行った場合 一般人の顔写真を広告に使用した場合 公共イベントで撮影された群衆の写真を公開した場合 著名人の写真を無断で広告に使用した場合 None 36. 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 37. Transformerモデルの「エンコーダ」の主な役割として正しいものはどれか。 入力データを次元削減する 入力データを表現ベクトルに変換する 出力データの損失を計算する データ間の相関性を破壊する None 38. 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 39. AIが「推論」を行う際にニューラルネットワークを使用する主な理由はどれか。 大規模データを効率的に処理できるから 全てのデータを明示的に保存できるから 特定のルールに従った推論が可能だから プログラムの複雑さを軽減できるから None 40. 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 41. 「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 42. 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 43. 次のうち、機械学習モデルの回帰問題を解決するためのアルゴリズムはどれか。 ナイーブベイズ K-平均法（K-means） ロジスティック回帰 線形回帰 None 44. 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 45. GANとVAEの違いとして正しいものはどれか。 GANは教師あり学習、VAEは教師なし学習に基づく GANは潜在空間を持たないが、VAEは潜在空間を持つ GANは高速だが、VAEは非常に遅い GANは競争的アプローチを採用し、VAEは確率的アプローチを採用する None 46. 生成モデルが「データの補完」に活用される例として適切なものはどれか。 欠損した画像の部分を補完する クラス分類モデルの精度向上 大規模データベースの最適化 データ圧縮アルゴリズムの設計 None 47. 肖像権が適用されない場合として最も適切なものはどれか。 他人の顔が特定できる状態での写真のインターネット公開 無許可で撮影された他人の動画の商業利用 著名人の肖像を広告に使用する 公共イベントで多数の人が写った写真 None 48. 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 49. 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 50. 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 51. 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 52. Transformerモデルで用いられる「マルチヘッドアテンション」の主な目的として正しいものはどれか。 異なる情報の側面を同時に学習する モデルの計算コストを削減する 入力データを圧縮する 出力のランダム性を増加させる None 53. 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 54. 「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 55. 変分オートエンコーダ（VAE）の潜在空間において、データの分布が学習される過程で「KLダイバージェンス」が果たす役割として適切なものはどれか。 潜在空間内のデータ間距離を最小化する デコーダの出力を直接最適化する 潜在分布が標準正規分布に近づくように調整する トレーニングデータのラベルを補完する None 56. 次のうち、AIの学習において「教師あり学習」に該当するものはどれか。 犬と猫の画像を分類する際にラベル付きデータを使用する 大量のデータから自然にクラスタを形成する 試行錯誤を繰り返して最適な行動を学ぶ 予測モデルを人間の手で設定する None 57. 肖像権が適用される対象として正しいものはどれか。 企業のロゴ 一般人や著名人の顔や姿 著作物の内容 動物の画像 None 58. 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 59. 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 60. 生成モデルが「トレーニングデータの分布を忠実に再現」する場合に発生し得る問題として最も適切なものはどれか。 潜在空間の次元が不足する モード崩壊が頻発する ラベル付きデータの精度が低下する 新規性のないデータが生成される None Time's up
