生成AIパスポート~模擬試験④~ 2024年12月9日2024年12月9日 ailearn 1. 「プロンプト」とは何を指しますか? AIが生成する出力結果のこと AIモデルに指示や質問を伝える入力テキスト AIモデルが動作するためのハードウェア AIモデルの学習データセットの名称 None 2. 画像認識タスクにおける「プーリング層(Pooling Layer)」の目的として正しいものはどれか。 特徴マップのサイズを縮小し、計算負荷を軽減する モデルの学習速度を向上させる 画像の色彩情報を保存する データをランダムにシャッフルする None 3. 過学習を防ぐための正則化手法として「ドロップコネクト(DropConnect)」が特に有効である理由として最も適切なものはどれか。 特定の層を完全に無効化する 重みをランダムに無効化して汎化性能を向上させる データの次元を削減する 重みの更新を不要にする None 4. 「人間中心の原則」の内容として正しいものを選びなさい。 AIは人間の価値を保護し、人々の生活を向上させるべきである。 AIは常に人間の指示に従うべきである。 AIの利用において、開発者の意図が最優先される。 AIは人間に代わって意思決定を行うべきである。 None 5. ChatGPTのモデル設計が、ユーザーからのフィードバックを反映するために採用している手法として正しいものはどれか。 転移学習 ハイパーパラメータの自動最適化 アンサンブル学習 人間のフィードバックによる強化学習(RLHF) None 6. ChatGPTが多言語対応を強化するために行った主な改良として正しいものはどれか。 各言語ごとに別々のモデルを作成した トレーニングデータに多言語のテキストを追加した モデルのサイズを縮小した 英語以外の言語での応答を制限した None 7. 畳み込みニューラルネットワーク(CNN)において、「フィルタサイズ」を調整する主な目的はどれか。 モデルの出力範囲を拡大する 特徴マップの詳細度を調整する モデルの計算速度を向上させる トレーニングデータのサイズを減少させる None 8. AIを使用したデータセンターが「持続可能性」に配慮する際に最も適切なアプローチはどれですか? AIモデルの精度を向上させるために計算リソースを無制限に使用する。 電力消費を気にせず、高性能なハードウェアを常に利用する。 持続可能性を考慮せず、短期的なパフォーマンスを重視する。 省エネルギー技術や再生可能エネルギーを積極的に活用する。 None 9. AI利活用原則における「教育とリテラシー」の目的として正しいものを選びなさい。 すべての人々がAI技術を理解し、適切に利用できるよう教育を促進する。 AIに関する教育は専門家に限定されるべきだ。 AIのリテラシーは社会全体には不要である。 AI教育はAI開発者だけが対象である。 None 10. GAN(生成的敵対ネットワーク)を基盤にしている生成AIとして正しいものはどれか。 GPT DALL-E Whisper StyleGAN None 11. ChatGPTが進化する中で、大規模言語モデルに初めてRLHF(人間のフィードバックによる強化学習)が導入された目的として正しいものはどれか。 モデルのサイズを削減する 応答を人間にとってより自然で役立つものにする トレーニングデータの収集を簡略化する モデルの生成速度を向上させる None 12. プロンプト設計において最も重要な点として正しいものを選びなさい。 プロンプトは曖昧であるべき プロンプトには無関係な情報を含めるべき プロンプトは簡潔かつ明確であるべき プロンプトの長さは重要ではない None 13. GPTシリーズが進化する中で、GPT-3.5がGPT-3と異なる主な改良点として正しいものはどれか。 モデルサイズを半分に削減した 応答生成時の速度を改善した 強化学習による調整を導入した 訓練データの範囲を狭めた None 14. 画像認識モデルで「注意機構(Attention Mechanism)」を組み込む目的として正しいものはどれか。 画像全体を均等に処理するため モデルのサイズを縮小するため データの正規化を自動化するため 重要な領域に焦点を当てて処理の効率を向上させるため None 15. 生成AIの分野で、GANを使用せずにトランスフォーマーベースで画像生成を行う技術として正しいものはどれか。 DALL-E StyleGAN GPT Whisper None 16. AIの応答が期待に沿わない場合、プロンプトを改善する最善の方法はどれですか? プロンプトを試行錯誤で繰り返し改善する。 AIモデルを変更する。 タスク自体を変更する。 プロンプトを簡潔にしすぎて内容を省略する。 None 17. 「重ね付け(Overlay)」がAIモデルで使用される主な目的として正しいものはどれか。 データの冗長性を削減する モデルの異なる特徴を統合し、複数の視点を活用する 学習プロセスを高速化する モデルの誤差を完全に取り除く None 18. ChatGPTが「生成AIパスポート」において学習するべき重要なポイントとして正しいものはどれか。 応答生成の仕組みと進化の過程 モデルのアーキテクチャの細部 モデルの全てのパラメータ 計算リソースの最適化方法 None 19. ニューラルネットワークで「重み」が更新される際に用いられる手法として正しいものはどれか。 フィルタリング 勾配降下法(Gradient Descent) データ拡張(Data Augmentation) 次元削減 None 20. 過学習を防ぐために「アーリークロスバリデーション(Early Cross-Validation)」を適用する場合、重要なポイントとして最も適切なものはどれか。 検証データのスコアが安定する前にトレーニングを停止する トレーニングデータ全体を使用せずに部分的に学習を進める クロスバリデーションで得られた結果を基に学習回数を調整する 検証データを用いずにテストデータで精度を評価する None 21. ChatGPTが商業利用向けに広く提供されたタイミングとして正しいものはどれか。 GPT-3の公開時点 GPT-4のリリース後 OpenAI APIの提供開始時点 DALL-Eの公開と同時 None 22. 音声認識に特化した生成AIとして正しいものはどれか。 GPT DALL-E Whisper StyleGAN None 23. ChatGPTの進化の過程で、OpenAIが強化したセキュリティ対策として正しいものはどれか。 トレーニングデータにプライバシー保護技術を導入した 応答を完全にランダム化した モデルの計算リソースを制限した トレーニングデータの更新を停止した None 24. 「ドロップアウト」を適用するタイミングとして適切なものはどれか。 モデルの推論時 モデルのトレーニング時 モデルの初期化時 トレーニング後の評価時 None 25. プロンプトがAIの性能に与える影響について正しいものを選びなさい。 プロンプトの内容はAIの性能に影響しない。 プロンプトが曖昧だとAIの応答が不正確になる可能性がある。 プロンプトが長ければ必ずAIの性能が向上する。 プロンプトはAIの出力形式には影響しない。 None 26. ニューラルネットワークにおける「重み(Weights)」の主な役割として正しいものはどれか。 入力データを調整し、重要度を反映させる 出力データを保存する モデルの計算速度を向上させる トレーニングデータを補正する None 27. 「安全性」において、AIシステムが異常動作を検知するために最も有効な方法はどれですか? 異常時の停止機能を設定せず、運用を続ける。 AIモデルに異常検知アルゴリズムを組み込み、定期的に監視する。 AIシステムを設計する際に異常事態を考慮しない。 異常検知はシステム設計後に追加対応する。 None 28. 画像生成AIとして知られるDALL-Eの主な特徴として正しいものはどれか。 音声認識を行う テキストを基に画像を生成する データの分類タスクに特化している 動画生成を行う None 29. GPTシリーズのモデルが進化する中で、GPT-4が他のバージョンと異なる特徴として正しいものはどれか。 マルチモーダル処理が可能になった 完全に教師あり学習に依存する パラメータ数がGPT-3より大幅に少ない 応答がランダムに生成される None 30. 過学習を防ぐために「検証データセット」が使用される主な理由として正しいものはどれか。 モデルの汎化性能を評価するため トレーニングデータを補完するため モデルの計算速度を向上させるため トレーニングデータをランダム化するため None 31. 以下のうち、プロンプトとして適切な例を選びなさい。 「次の文章を日本語に翻訳してください:'What is AI?'」 AIの学習データセットに関する説明 AIモデルのアルゴリズム構造 AIを起動するためのコマンド None 32. 過学習を防ぐためにモデルの複雑さを制御する手法として正しいものはどれか。 活性化関数を変更する トレーニングデータを減らす モデルのパラメータ数を減らす 出力層を削除する None 33. AIによる画像認識で使用される「畳み込みニューラルネットワーク(CNN)」の主な役割はどれか。 データをクラスタリングする 画像から特徴を抽出する テキストデータを生成する 時系列データを解析する None 34. 画像認識タスクにおいて「ドメイン適応(Domain Adaptation)」が必要とな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非常に大規模である場合 トレーニングデータとテストデータが同一である場合 トレーニングデータとテストデータが異なる分布を持つ場合 トレーニングデータに欠損値が多い場合 None 35. 明確で具体的なプロンプトを設計する効果として最も適切なものを選びなさい。 AIの応答精度が向上する。 AIの実行速度が速くなる。 AIのトレーニング期間が短縮される。 AIの学習データ量が増える。 None 36. モデルの「アンサンブル学習」を使用して過学習を防ぐ場合、適切な手法として最も正しいものはどれか。 同じアルゴリズムで構築された複数のモデルを組み合わせる トレーニングデータを小分けにして、単一のモデルで学習する モデルの層数を調整して単純化する 異なるアルゴリズムを用いて複数のモデルを構築し、組み合わせる None 37. 「正則化(Regularization)」を用いた過学習の回避方法として正しいものはどれか。 モデルのトレーニングを停止する 損失関数にペナルティ項を追加する トレーニングデータを削除する 重みを固定する None 38. ChatGPTが進化の過程で課題として直面している「長文対話」の問題を解決するために考案された技術として正しいものはどれか。 メモリ強化型の注意機構を導入する トークン数の制限を完全に撤廃する データ拡張手法を採用する 応答生成をランダム化する None 39. プロンプトとAIの応答の関係について正しい記述を選びなさい。 プロンプトはAIの応答に影響を与えない。 プロンプトの形式は応答には関係ない。 プロンプトはAIモデルの動作速度にのみ影響を与える。 プロンプトの内容によってAIの応答が大きく変わる。 None 40. 以下のうち、プロンプトを利用したAIの応用例として適切なものを選びなさい。 AIモデルの学習データの取得 AIを使った文章要約 AIモデルのアルゴリズム改良 AIのハードウェア設計 None 41. 画像認識モデルで「過学習」を防ぐために使用される手法として適切でないものはどれか。 ドロップアウト データ拡張 早期終了(Early Stopping) フィルタサイズの増加 None 42. 次のうち、「公平性の確保」に該当する内容を選びなさい。 AIはすべての人々に同じ結果を保証するべきである。 AIは個人情報を利用して正確なプロファイリングを行うべきである。 AIの意思決定が不当な差別を避けるよう設計されるべきである。 AIは一部の特権階級のみに利用されるべきである。 None 43. Whisperが従来の音声認識技術と異なる特徴として正しいものはどれか。 多言語対応とノイズ耐性を備えている 音声の生成を行う 画像認識タスクにも対応している モデルサイズを極限まで縮小している None 44. ニューラルネットワークにおける「スキップ接続」が有効である主な理由として正しいものはどれか。 モデルの計算量を減らす 重みの更新を不要にする 勾配消失問題を軽減し、非常に深いネットワークの学習を可能にする モデルの過学習を完全に防ぐ None 45. 過学習を防ぐために「早期終了(Early Stopping)」を使用する場合、重要な判断基準として適切なものはどれか。 トレーニングデータの精度が一定値を超えたとき モデルの複雑さが限界を超えたとき 学習率が収束したとき テストデータの精度が向上しなくなったとき None 46. AI利活用原則における「透明性と説明責任」に関する内容として正しいものを選びなさい。 AIの意思決定プロセスは公開する必要はない。 AIの意思決定プロセスは利用者が理解できるよう説明可能であるべきだ。 AIの利用では透明性よりも効率性を重視すべきだ。 AIは結果のみを提示し、プロセスは秘匿するべきだ。 None 47. DALL-Eが生成する画像の品質向上に寄与する技術として正しいものはどれか。 スパースアテンション GANベースのアーキテクチャ マルチモーダル表現 強化学習 None 48. ニューラルネットワークの「重みの正則化」において、L1正則化が特に有効な理由として最も適切なものはどれか。 モデルの学習速度を向上させる 重みをスパース化し、特徴選択を促進する 勾配消失問題を完全に解消する 学習率を自動調整する None 49. GPT-4が画像を入力として処理可能にした背景として正しいものはどれか。 トランスフォーマーモデルのアーキテクチャを変更した モーダル間の情報統合を可能にする技術を導入した モデルのパラメータ数を削減した 自然言語処理タスクを廃止した None 50. 「重みの共有」が特に有効なニューラルネットワークの構造はどれか。 畳み込みニューラルネットワーク(CNN) リカレントニューラルネットワーク(RNN) 全結合ニューラルネットワーク(FCN) 強化学習モデル None 51. ChatGPTが進化を遂げた理由として最も重要な要素はどれか。 モデルの計算速度を制限したこと モデルサイズを固定化したこと 商業利用を一切制限したこと ユーザーからのフィードバックを活用したこと None 52. ChatGPTの初期バージョンが公開された年として正しいものはどれか。 2017年 2018年 2020年 2021年 None 53. 過学習を回避するための一般的な方法として正しいものはどれか。 モデルの層数を増やす ドロップアウトを使用する トレーニングデータを減らす 重みを固定する None 54. AI利活用原則におけるプライバシーの保護について正しいものを選びなさい。 AIは利用者の同意なしに個人情報を収集してもよい。 AIの利用ではプライバシーは考慮しない。 AIは必要に応じてすべてのデータを公開するべきである。 AIはプライバシーを保護し、情報漏洩のリスクを最小限にするべきである。 None 55. 以下のうち、プロンプトを使用する典型的な活用分野として最も適切なものを選びなさい。 AIの物理設計 AIのトレーニングデータ収集 インフラ管理 文章生成や翻訳 None 56. 以下のうち、プロンプトの具体例として適切なものを選びなさい。 「以下の文章を5つのポイントに要約してください。」 AIの学習データセットのリスト AIモデルのハードウェア構成 プログラミング言語のリファレンスドキュメント None 57. ニューラルネットワークにおいて、「ドロップアウト率」を適切に設定するために考慮すべき点として最も適切なものはどれか。 トレーニングデータが少ない場合は低めに設定する 過学習がひどい場合は100%に設定する モデルの複雑さに関係なく固定値を使用する ドロップアウト率を高めに設定するほど学習速度が向上する None 58. Imagen VideoとDALL-Eの主な違いとして正しいものはどれか。 Imagen Videoはトランスフォーマーを使用しないが、DALL-Eは使用する Imagen Videoは音声認識に特化し、DALL-Eは画像分類を行う Imagen VideoとDALL-Eの両方が静止画生成のみを対象としている Imagen Videoはテキストを基に動画を生成し、DALL-Eはテキストを基に画像を生成する None 59. 以下の生成AIの中で、動画生成に特化しているものはどれか。 Imagen Video GPT StyleGAN Whisper None 60. 画像認識で「転移学習」を使用する際に、学習済みモデルの「上位層のみを再訓練」する主な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向上させるため トレーニングデータが少ない場合でも特定のタスクに適応させるため モデルのサイズを削減するため 学習済みモデルの精度をそのまま維持するため None Time's up