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. 「国際協調」の観点から、AI利活用において各国間で取り組むべき最も重要な事項はどれですか? AIの開発と利用に関する国際的な標準を制定し、共有する。 国ごとに独自の基準を設け、他国の基準を無視する。 AI技術の利用は国際協調よりも自国の利益を優先するべきである。 他国のAI基準に従わず、自国の技術開発を最優先する。 None 2. 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 3. AI利活用原則の主な目的は何ですか? AIの技術的な開発だけを推進する AIの社会的・倫理的な活用を促進する AIの市場価値を最大化する AIをすべての業務に導入することを義務化する None 4. 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 5. 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 6. 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 7. AIモデルに複雑なタスクを指示する際に、プロンプトを最適化するための最適な方法はどれですか? 曖昧な指示を与え、AIに自由に解釈させる。 指示の一部を省略して、応答の自由度を高める。 タスクの背景や条件を含めて、具体的で詳細なプロンプトを作成する。 長文の指示でAIの負荷を増やし、試行錯誤を繰り返す。 None 8. 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 9. 画像認識モデルにおいて、学習中に損失関数を最小化する目的で用いられる手法はどれか。 最大値探索法(Maximization Search) クラスタリング 勾配降下法(Gradient Descent) 時系列解析 None 10. DALL-EとStyleGANの主な違いとして最も適切な説明はどれか。 DALL-EはGANに基づいているが、StyleGANはトランスフォーマーベースである DALL-Eはテキスト入力を基に画像生成を行うが、StyleGANは潜在変数を基に画像生成を行う DALL-Eは固定の画像生成に特化しており、StyleGANは画像編集機能を持たない DALL-Eは生成モデルであり、StyleGANは分類モデルである None 11. 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 12. GPTシリーズが進化する過程で、API提供を通じた商業利用がもたらした主な利点として正しいものはどれか。 モデルの全ての機能が無料で利用可能になった 開発者が独自の応用を開発できる環境を提供した トレーニングデータの収集が不要になった 応答生成速度が大幅に向上した None 13. 畳み込み層(Convolutional Layer)が行う主要な操作はどれか。 データを正規化する フィルタを用いて画像データから局所特徴を抽出する 画像の解像度を高める データの次元を削減する None 14. AI画像認識の分野で、転移学習(Transfer Learning)が有効である理由はどれか。 新しいデータセットでゼロからモデルを訓練する必要がない モデルの精度を固定化できる すべてのデータをクラスタリングする能力を持つ データの正規化を自動化する None 15. 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 16. AIを活用した個人データ分析システムの設計で、「プライバシー保護」に適合する最も効果的な方法はどれですか? すべてのデータを暗号化し、アクセス権を制限する。 利用者にデータの収集方法を知らせるが、暗号化はしない。 データを暗号化せずに匿名化のみ行う。 データ保護の必要性を軽視し、利便性を優先する。 None 17. 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 18. 以下のうち、テキスト生成に特化した生成AIモデルとして正しいものはどれか。 GPT DALL-E StyleGAN Whisper None 19. 「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 20. 畳み込みニューラルネットワーク(CNN)のトレーニング中に「フィルタの数」を増やすと予想される影響として最も適切なものはどれか。 訓練時間が短縮される 過学習のリスクが減少する モデルの出力次元が減少する モデルの学習能力が向上し、より多様な特徴を抽出できる None 21. 「重み初期化」の際にHe初期化を使用することが推奨される場面として最も適切なものはどれか。 活性化関数にReLUを使用している場合 出力層にソフトマックス関数を使用している場合 活性化関数にシグモイド関数を使用している場合 学習率が動的に調整される場合 None 22. 「バッチサイズ」を小さく設定すると過学習のリスクが減少する主な理由として最も適切なものはどれか。 トレーニングデータ全体を頻繁に再利用するため 各更新ステップでの勾配にノイズが加わり、モデルが汎化性能を高めるため 学習率を動的に調整するため モデルのパラメータ数が自動的に減少するため None 23. 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 24. ChatGPTが進化する中で、商業利用における倫理的課題として最も重要なものはどれか。 モデルの応答速度が遅いこと 偏りのある応答を生成する可能性 一部のタスクに特化できないこと APIの使用料金が高額なこと None 25. 「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 26. 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 27. 「セキュリティ」に関するAI利活用原則の内容として正しいものを選びなさい。 AIシステムのセキュリティは利用者の責任で確保すべきである。 AIシステムは脆弱性があっても使用を続けられるべきだ。 AIシステムは安全性を確保し、外部攻撃から保護する必要がある。 AIのセキュリティ対策は重要ではない。 None 28. 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 29. 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 30. 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 31. ニューラルネットワークで「重みのクリッピング」が適用される主な理由として正しいものはどれか。 学習率を一定に保つため 勾配爆発を防ぐため 重みを初期値に戻すため モデルの出力範囲を制限するため None 32. 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 33. 「重みの正則化」がAIモデルに与える影響として正しいものはどれか。 モデルの計算速度を向上させる 過学習を防ぐ トレーニングデータ量を減少させる 損失関数を無効化する None 34. 「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 35. 「重みの初期化」がニューラルネットワークの学習に与える影響として正しいものはどれか。 学習率を調整する必要を無くす 活性化関数を選択するプロセスを簡略化する モデルの学習速度と安定性に影響を与える モデルの出力を固定化する None 36. 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 37. 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 38. 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 39. 重みが「勾配爆発」を引き起こす主な原因として正しいものはどれか。 学習率が非常に低い場合 活性化関数が線形である場合 初期化された重みが大きすぎる場合 損失関数が単純すぎる場合 None 40. 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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 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. 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 50. 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 51. 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 52. 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 53. 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 54. 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 55. 「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 56. プロンプトの主な目的として正しいものを選びなさい。 AIモデルの学習データを変更するため AIモデルの応答や行動を指定するため AIの実行速度を向上させるため AIの動作を停止させるため None 57. 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 58. 過学習を防ぐために「データ拡張(Data Augmentation)」が使用される理由として正しいものはどれか。 モデルの計算速度を向上させるため モデルの構造を単純化するため トレーニングデータの多様性を増やすため 学習率を調整するため None 59. 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 60. トレーニングデータが少ない場合に過学習を防ぐ効果的な手法として最も適切なものはどれか。 転移学習(Transfer Learning)を使用する モデルの層数を増やす トレーニングデータの一部を削除する トレーニングデータを正規化する None Time's up