生成AIパスポート～模擬試験③～ 2024年12月9日2024年12月9日 ailearn 1. AI社会原則の「説明責任」の要件として正しいものはどれか。 AIの出力結果を公開すること AIが人間に代わって責任を負うこと AIがどのように判断を行ったかを説明可能にすること AIの誤作動をすべて回避すること None 2. ニューラルネットワークの「隠れ層」が果たす役割として最も適切なものはどれか。 モデルの入力データを保存する データの特徴を抽出する モデルの最終出力を計算する 重みとバイアスを保存する None 3. DistilBERTの設計目的として正しいものはどれか。 翻訳タスクでの性能を最大化する 自然言語処理タスクの精度を犠牲にする 画像認識タスクに特化している BERTの計算コストを削減し、軽量化する None 4. AIの利活用におけるリスク管理の第一歩として最も適切なものはどれか。 AIシステムの完全な自動化 AIシステムに関するすべての規則を無視する AIを人間の判断から完全に切り離す AIの利用目的と影響範囲を明確にする None 5. GPT-3が従来のGPTシリーズと比較して注目された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が極めて小規模である デコーダベースではなくエンコーダベースに変更された 翻訳専用タスクに特化している パラメータ数が大幅に増加し、幅広いタスクに対応可能 None 6. 不正競争防止法に基づき、営業秘密として保護されるために必要な条件として該当しないものはどれか。 公開されていないこと 事業活動にとって有用であること 秘密として管理されていること すでに特許庁に登録されていること None 7. Vision Transformer（ViT）がCNN（畳み込みニューラルネットワーク）と比較して異なる主な特徴として正しいものはどれか。 ピクセル単位で逐次処理を行う フィルターを用いて特徴マップを計算する 時系列データ処理に特化している 画像を固定サイズのパッチに分割して処理する None 8. AIの活用によってプライバシー保護が損なわれた場合、企業が最も重視すべき対応として適切なものはどれか。 問題を内部で解決し、外部への公表を避ける プライバシーに関する規制を見直すまで運用を停止する 影響を受けた個人に状況を説明し、適切な補償を行う AIモデルを改善せずに運用を続ける None 9. 不正競争防止法において、「デッドコピー商品」に該当する例として最も適切なものはどれか。 他社の製品を改良して販売する商品 他社製品と同じカテゴリの商品を販売する場合 他社製品を忠実に模倣した商品 他社製品の商標を許可を得て利用する商品 None 10. ALBERTがBERTと比較して効率性を向上させた主な理由として正しいものはどれか。 マルチヘッドアテンションを削除したから パラメータ数を増加させて表現力を強化したから 全ての層で重みを共有する仕組みを導入したから 自然言語処理タスクに特化したアーキテクチャを採用したから None 11. ChatGPTが会話の文脈を理解する際に使用する主な技術はどれか。 自己回帰型学習 自己注意機構（Self-Attention） クラスタリングアルゴリズム 強化学習 None 12. 企業がAIを用いて生成した製品名が他社の商標と酷似している場合、不正競争防止法違反を防ぐための最も効果的な対応はどれか。 他社の商標が特許庁に登録されているか確認する 商標が商業利用されていない場合はそのまま使用する 製品名を変更し、他社との混同を避ける 製品名の使用を継続し、訴訟を想定する None 13. T5（Text-to-Text Transfer Transformer）が他のモデルよりも幅広いタスクに適応できる理由として正しいものはどれか。 入力と出力をテキスト形式に統一しているから 全ての自然言語処理タスクをテキスト分類として扱うから エンコーダのみを使用しているから データセットのサイズを自動調整するから None 14. ChatGPTがRLHF（人間のフィードバックによる強化学習）を利用する際に直面する主な課題として適切なものはどれか。 フィードバックデータの収集が自動化できない フィードバックがモデルの偏りを強化する可能性がある モデルの計算コストが大幅に増加する モデルのトレーニングが完全に停止する None 15. ノーフリーランチ定理が「データ駆動型」のアプローチに与える影響として適切なものはどれか。 データ量が増えればアルゴリズム選択の重要性は減少する 問題固有のデータを活用することでアルゴリズムの性能を引き出せる データの前処理はアルゴリズムの性能に影響しない 汎用的なアルゴリズムを採用することで、どのデータでも同じ結果が得られる None 16. AI利活用に関する国際的な課題として最も適切なものはどれか。 AIの利用がすべての国で禁止されている AI技術が完全に統一された基準で運用されている 各国で異なるルールが適用されることで、国際的な調和が難しい AIが主に軍事利用に限定されている None 17. AI社会原則の「責任共有」の理念に基づく適切な行動はどれか。 AIの利用結果に関して責任を特定の個人に押し付けること AIの失敗については責任を問わないこと AIの責任をすべてシステムに帰属させること AIの開発者、利用者、規制者がそれぞれの役割に基づいて責任を果たすこと None 18. AI社会原則の「プライバシー保護」の具体的な実施例として正しいものはどれか。 個人データの収集を制限せずに行う 個人データの公開を義務付ける AIモデルにすべての個人データを取り込む 個人データを匿名化し、必要最小限の範囲で利用する None 19. AIの利用における「説明責任」の概念に関して最も正しい説明はどれか。 AIの出力結果をすべて記録する義務 AIの判断プロセスを人間が理解できる形で説明する義務 AIの判断が正確であることを保証する義務 AIの利用を完全に透明化する義務 None 20. ChatGPTの「微調整（Fine-Tuning）」の目的として正しいものはどれか。 トレーニングデータ量を減らす モデルを特定のタスクやデータに適応させる モデルのパラメータ数を削減する モデルの計算速度を向上させる None 21. GPT（Generative Pre-trained Transformer）の主要な特徴として正しいものはどれか。 エンコーダのみを利用する デコーダのみを利用する 双方向の文脈を考慮する 文法解析に特化している None 22. GPT-3が「ゼロショット学習」で高い性能を発揮する理由として最も適切なものはどれか。 特定タスク専用のデータセットで訓練されているから 非常に大規模な事前訓練により多様な知識を持っているから モデルサイズを小さくすることで一般化能力を向上させているから 双方向の文脈を同時に学習するアーキテクチャを採用しているから None 23. ノーフリーランチ定理が提唱される際の前提条件として正しいものはどれか。 問題空間が無限であること 問題空間が有限で一様分布していること アルゴリズムが確率的手法を用いていること 問題空間が特定のバイアスを持っていること None 24. AIの利活用において、「責任の所在」を明確にすることが求められる主な理由はどれか。 AIの出力結果による影響や損害に対処するため AIが法律を自動的に遵守するため AIの利用をすべての人が平等に享受できるようにするため AIが人間の監督なしで動作できるようにするため None 25. AIの利活用に関する国際的なルールとして最も広く採用されているものはどれか。 GDPR（一般データ保護規則） TRIPS協定（知的財産権の貿易関連の側面に関する協定） パリ協定 ワシントン条約 None 26. 企業AがAIを活用して生成した商品説明が、競合他社Bの営業秘密を盗用しているとBから訴えられた場合、企業Aが法的責任を免れるために最も重要な要件はどれか。 商品説明の生成プロセスを公開する AIのトレーニングデータが営業秘密を含んでいないことを証明する 訴訟前に生成物を削除する意向を示す 営業秘密が競合他社によって適切に管理されていなかったことを示す None 27. ノーフリーランチ定理の視点から、「モデル選択基準」を評価する際に重要な要素として適切なものはどれか。 問題の分布が一様であることを前提とする テストデータに対する予測性能を重視する モデルの計算効率のみを評価する トレーニングデータにおける精度を優先する None 28. AI開発において不正競争防止法違反を防ぐために最も重要な対応はどれか。 他社の営業秘密を積極的に利用する AIの生成物をすべて公開する トレーニングデータを秘密として適切に管理する 他社製品の模倣を推奨する None 29. 不正競争防止法で定められる「営業秘密」に該当する条件として正しいものはどれか。 広く一般に公開されている情報 秘密として管理されている情報 個人の日記の内容 他社の商品と類似する情報 None 30. 不正競争防止法の観点から、AIが生成した模倣デザインが問題となる可能性が高いのはどのような場合か。 模倣デザインが特定の企業の商品を連想させる場合 模倣デザインが完全に異なる用途で使用される場合 模倣デザインが商業利用されない場合 模倣デザインが競合商品と無関係の場合 None 31. AIが生成した作品が不正競争防止法に違反すると見なされる条件として正しいものはどれか。 他社の営業秘密を使用して生成された場合 トレーニングデータが公開されていない場合 生成物が他人の商標を模倣していない場合 生成物が商業利用されていない場合 None 32. RoBERTa（Robustly Optimized BERT）の主な改良点として正しいものはどれか。 デコーダベースのアーキテクチャを採用する ポジショナルエンコーディングを削除する 事前訓練データ量とバッチサイズを増加させる 軽量化のためにモデルサイズを削減する None 33. AIが利用するデータセットが不正確であり、それが社会的に不公平な結果を招いた場合、AI開発企業が求められる最善の対応はどれか。 不公平な結果を改善するためにデータを見直し、再トレーニングを行う データセットの収集元を公開して責任を回避する 不正確なデータが存在した可能性を否定する 不公平な結果が発生したことを公にしない None 34. AIモデルが特定の人種に対して偏見を持つ結果を出した場合、公平性の観点からAI開発者が最初に行うべき対応はどれか。 モデルのトレーニングデータを見直し、バイアスを軽減する 偏見を含む結果をそのまま利用する 偏見があることを隠して運用を継続する AIの利用を一時的に停止するが、モデルは変更しない None 35. ノーフリーランチ定理が強調する「データドリブンなアプローチ」の利点として最も適切なものはどれか。 問題を一律に解決できるアルゴリズムを作成する 問題特性に依存せずに最適なアルゴリズムを選ぶ 問題の特性に合わせて適切なアルゴリズムを選択する 問題の定義を不要にする None 36. AIシステムが高い信頼性を維持するために「説明責任」を果たす際、開発者が特に注意すべき点として最も適切なものはどれか。 モデルの判断プロセスを専門家だけが理解できるように説明する モデルの判断プロセスを詳細に記録するが、外部には公開しない 利用者がモデルの判断理由を理解できるレベルで説明する モデルの結果が正しいと利用者に信じさせる None 37. 畳み込みニューラルネットワーク（CNN）の「プーリング層」が果たす役割として最も適切なものはどれか。 特徴マップのサイズを縮小し計算効率を向上させる データの次元を増やす 特徴量の重要性を評価する 非線形性を導入する None 38. ノーフリーランチ定理に基づくとき、アルゴリズムの「汎化性能」を向上させるための戦略として最も適切なものはどれか。 特定の問題に特化したバイアスをモデルに導入する データセットのサイズを増やすことのみを重視する アルゴリズムの計算速度を最適化する 問題の特性に関係なく汎用的なモデルを選ぶ None 39. 不正競争防止法が適用される行為として正しいものはどれか。 営業秘密の許可された利用 他人の商品を模倣して販売する行為 公開されている情報の使用 特許取得済みの技術を活用する行為 None 40. AI社会原則の1つである「人間中心性」において、最も重要とされる要素はどれか。 AIがすべての判断を行うこと AIが人間の尊厳や価値を守ること AIが完全に自動化されること AIが商業的利益を最大化すること None 41. ChatGPTがトレーニングに使用するデータの選択において、倫理的に重要な考慮事項として最も適切なものはどれか。 データが全て公的機関から提供されていること データが偏りなく収集され、多様性を反映していること データが最新の技術を使用して収集されていること データが特定のタスクに限定されていること None 42. ニューラルネットワークの「出力層」の主な役割はどれか。 データの前処理を行う 学習率を調整する データの次元削減を行う 最終的な予測値を生成する None 43. AI社会原則の「透明性」における実施例として最も適切なものはどれか。 AIの判断プロセスを秘密にする AIの出力結果をすべて記録する AIの利用をユーザーに知らせる AIのアルゴリズムをすべて公開する None 44. ノーフリーランチ定理が示す「万能なアルゴリズムは存在しない」理由として正しいものはどれか。 アルゴリズムはすべて同じ設計思想に基づいているため データサイズがアルゴリズムの性能を限定するため アルゴリズムはどれも決定的なものであるため 問題空間の多様性がアルゴリズムの性能を制約するため None 45. ChatGPTの基盤であるGPTシリーズが進化する中で、GPT-4が導入した新しい特徴として最も適切なものはどれか。 訓練データを完全に削減する トランスフォーマーアーキテクチャを廃止した モデルサイズを大幅に削減した マルチモーダル処理能力を追加した None 46. AIの利活用に関するルールの制定目的として最も適切なものはどれか。 AI開発を完全に規制するため AI利用における倫理的、法的、社会的なリスクを管理するため すべてのAI利用を自由化するため AIの利用を特定の国に限定するため None 47. ニューラルネットワークの「畳み込み層（CNN）」が特に有効である分野として最も適切なものはどれか。 時系列データ解析 テキスト生成 画像認識 強化学習 None 48. ニューラルネットワークにおける「フィードフォワード」とは何を指すか。 重みを調整するプロセス 出力を入力層に戻すプロセス データが一方向に進む計算のプロセス モデルの誤差を最小化するプロセス None 49. ニューラルネットワークの「重み」の役割として最も適切なものはどれか。 各層の計算を並列化する 入力信号を調整する 活性化関数を最適化する データの次元を削減する None 50. XLNetがBERTと比較して導入した改良点として正しいものはどれか。 自己回帰的な学習方式を採用し、双方向の文脈を統合した 自己注意機構を削除した モデルのパラメータ数を削減した マルチヘッドアテンションを廃止した None 51. ニューラルネットワークの「多層構造」が有効である理由として正しいものはどれか。 学習速度を一定に保つ 非線形なデータの複雑なパターンを学習できる モデルの出力を単純化する 訓練データ量を減らせる None 52. ノーフリーランチ定理の概念が現実の機械学習において完全には適用されない理由として正しいものはどれか。 現実のデータは特定の構造やバイアスを持つため アルゴリズムの性能はデータセットのサイズに依存しないため すべての問題空間が一様分布しているため 現実の問題は無限の可能性を持つため None 53. ノーフリーランチ定理がアルゴリズム設計に与える重要な教訓として最も適切なものはどれか。 アルゴリズム設計では汎用性を追求するべきである 性能の高いアルゴリズムを一つ採用し続けるべきである 特定の問題設定に特化したアルゴリズムを設計するべきである 問題に依存せずにランダムにアルゴリズムを選ぶべきである None 54. ChatGPTの動作の基盤となっているモデルはどれか。 GAN（生成的敵対ネットワーク） BERT（Bidirectional Encoder Representations from Transformers） GPT（Generative Pre-trained Transformer） CNN（畳み込みニューラルネットワーク） None 55. ChatGPTの「トレーニングデータ」の範囲として正しいものはどれか。 幅広い公開データを使用 特定の業界のデータのみを使用 ユーザーのプライベートデータを使用 個別に提供されたデータのみを使用 None 56. ノーフリーランチ定理（No Free Lunch Theorem）の主な主張として正しいものはどれか。 すべてのアルゴリズムは、特定の問題で等しく性能を発揮する 特定のアルゴリズムがすべての問題において最適である どのアルゴリズムも、すべての問題に対して同じ平均性能を持つ アルゴリズムの性能はデータのサイズに依存する None 57. 不正競争防止法が保護する対象として最も適切なものはどれか。 商業機密や営業秘密 公共のデータベース AIが生成したすべての作品 商業的価値のない情報 None 58. T5（Text-to-Text Transfer Transformer）の特長として正しいものはどれか。 全ての自然言語処理タスクを「テキスト生成」として統一する トランスフォーマーのデコーダのみを使用する 画像生成タスクに最適化されている 翻訳タスクには対応しない None 59. ChatGPTが自然な対話を生成する際に、文脈の維持に関連する主な課題として正しいものはどれか。 過去のトークンを全て記憶できない トークンの生成速度が遅すぎる 固有名詞の認識能力が欠如している 応答が常にランダムになる None 60. AI社会原則の「倫理性」の要件として最も適切なものはどれか。 AIが特定の利益を優先すること AIが倫理的判断を完全に人間に任せること AIが法律を無視して判断を下すこと AIが社会的価値観に基づいて行動すること None Time's up
3
1 3 8 11 19 20 23 24 27