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. 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 2. 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 3. 「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 4. 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 5. 「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 6. 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 7. ChatGPTの進化における「責任あるAI」の取り組みとして適切な事例はどれか。 応答の速度を一定に保つ トレーニングデータを一切公開しない 偏見のある応答を最小化するための調整 すべてのユーザーに同じ応答を提供する None 8. 「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 9. 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 10. 画像認識において、「特徴量の抽出」に主に関与する層はどれか。 畳み込み層 入力層 出力層 ソフトマックス層 None 11. 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 12. 「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 13. ChatGPTが得意とする生成AIのタスクとして正しいものはどれか。 動画生成 テキストベースの対話生成 画像の補完 音声合成 None 14. 画像認識で用いられる「ソフトマックス関数(Softmax)」の主な役割はどれか。 データを正規化する 画像の解像度を変更する クラス確率を計算する 入力データを圧縮する None 15. 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 16. 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 17. 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 18. AIモデルに与えるプロンプトに文脈情報を追加する利点として正しいものを選びなさい。 文脈情報はAIの処理速度を遅くするだけで利点がない。 文脈情報を加えると、AIが応答に矛盾を含む可能性が高まる。 文脈情報を追加することで、AIがタスクをより正確に理解できるようになる。 文脈情報を追加すると、応答の内容が単純化される。 None 19. 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 20. 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 21. 「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 22. 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 23. 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 24. 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 25. 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 26. 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 27. 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 28. 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 29. 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 30. 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 31. ChatGPTとGPT-4が生成AIの歴史において与えた主な影響として正しいものはどれか。 チャット専用のモデルが標準化された テキスト生成タスクから離れた応用を廃止した マルチモーダル処理の可能性を広げた 生成AIのトレーニングデータ量を削減する技術を導入した None 32. AI利活用原則における「持続可能性」の説明として最も適切なものを選びなさい。 AIは環境や社会に配慮せず、利益のみを追求するべきである。 AIは短期間の利益を優先して利用されるべきである。 AIは社会的影響を考慮せず、技術的な進化のみを重視するべきである。 AIは環境への影響を最小限にし、持続可能な形で活用されるべきである。 None 33. AI画像認識における「セグメンテーション」と「分類」の主な違いとして正しいものはどれか。 セグメンテーションは個別のピクセルにラベルを割り当てるが、分類は全体の画像にラベルを割り当てる セグメンテーションは画像全体をラベル付けするが、分類は一部のオブジェクトを無視する セグメンテーションは回帰タスクに適用され、分類は分類タスクに適用される セグメンテーションと分類は同じタスクを異なる手法で解決する None 34. ニューラルネットワークで「バイアス(Bias)」の役割として正しいものはどれか。 学習率を調整する 入力データのスケーリングを行う モデルに線形性の柔軟性を追加する 重みを初期化する None 35. AIシステムの学習データに偏りがある場合、どのような具体的対策が「公平性の確保」に沿って最も適切でしょうか? 偏りのあるデータをそのまま利用し、アルゴリズムを高度化する。 データの偏りがあっても透明性を優先し、変更しない。 偏りがある場合は、AIを利用しない判断を行うべきである。 データの偏りを検出し、補正または追加データの収集を行う。 None 36. AI利活用原則における「安全性」の内容として正しいものを選びなさい。 AIは完全に自動化され、人間の監視は不要である。 AIシステムはエラーのリスクを考慮しなくても良い。 AIは安全性が確認され、リスクを最小化する努力が必要である。 AIの安全性は利用者の責任で管理されるべきだ。 None 37. 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 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. 過学習(Overfitting)が発生する主な原因として最も適切なものはどれか。 トレーニングデータのサイズが小さすぎる モデルの複雑さが不足している 学習率が大きすぎる 損失関数が誤って設定されている None 40. 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 41. 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 42. 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 43. ニューラルネットワークにおける「重みのスパース化(Sparse Weights)」が有効である理由として正しいものはどれか。 モデルの性能を向上させる 過学習を引き起こすリスクを高める トレーニングデータの品質を向上させる モデルの計算コストを削減し、効率化する None 44. 「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 45. 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 46. 「バッチ正規化(Batch Normalization)」が過学習の防止に役立つ理由として正しいものはどれか。 トレーニングデータを削除する モデルの構造を変更する 各層の入力を標準化し、学習を安定化させる 学習率を自動的に調整する None 47. 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 48. 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 49. 「重ね付け」による学習の効果を説明するモデルとして正しいものはどれか。 レイヤーノーマライゼーション(Layer Normalization) 残差ネットワーク(ResNet) ソフトマックス関数 時系列モデル(Time Series Model) None 50. 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 51. 「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 52. 「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 53. 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 54. 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 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. 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 57. 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 58. 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 59. 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 60. 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 Time's up