生成AIパスポート～模擬試験⑤～ 2024年12月9日2024年12月9日 ailearn 1. 転移学習の成功に必要な「ソースドメイン」と「ターゲットドメイン」の関係性として適切なものはどれか。 完全に独立していることが理想である ソースドメインがターゲットドメインより複雑である必要がある ある程度の類似性が必要である ターゲットドメインがソースドメインを上回る性能を持つ必要がある None 2. LMとLLMの違いとして正しいものを選びなさい。 LLMはLMよりも小規模なデータセットで動作する。 LLMはLMに比べてより大規模なデータセットと計算資源を活用する。 LMはLLMよりも文脈理解能力が高い。 LMとLLMはまったく異なるアルゴリズムを使用している。 None 3. インターネットで個人情報を保護するために最も重要なことは何か。 同じパスワードを複数のサービスで使用する 不要な情報をネットに公開しない すべてのウェブサイトでクッキーを受け入れる 公共Wi-Fiを利用してパスワードを送信する None 4. あるLMが次の文章を処理するとします。「私は朝パンを食べました。それから、牛乳を飲みました。」この文脈を考慮した場合、次に出力される可能性が最も高いのはどれですか？ 「その後、私は公園を散歩しました。」 「次の日はパンケーキを作りました。」 「夕食はカレーでした。」 「牛乳は冷たくて美味しかったです。」 None 5. 以下のうち、LMが活用される応用分野として適切なものを選びなさい。 自動翻訳 物理シミュレーション 画像認識 ロボット制御 None 6. 「LLM（Large Language Model）」とは何ですか？ AIを使って画像を生成するモデル 大規模なデータを学習し、高度な言語処理を可能にするAIモデル 小規模なデータで学習した言語モデル AIを使った物理シミュレーションモデル None 7. DALL-EとStyleGANの生成プロセスの違いに関連する説明として正しいものはどれか。 DALL-Eは潜在空間を操作して画像を生成し、StyleGANはテキスト指示に基づいて画像を生成する DALL-Eはテキスト入力に基づいて画像を生成し、StyleGANは潜在空間を操作して画像を生成する DALL-EとStyleGANはどちらも動画生成を専門としている DALL-EはGANアーキテクチャを使用し、StyleGANはトランスフォーマーを基盤としている None 8. StyleGANのデメリットとして適切なものはどれか。 テキスト指示を解釈する能力が欠けている テキスト生成における文脈理解能力が低い 動画生成タスクには対応していない 音声データのノイズ処理が不可能 None 9. 特化型AI（Narrow AI）が日常生活で使用されている例として最も適切なものはどれか。 自動運転車 医療診断システム 自然言語処理を用いたチャットボット 以上すべて None 10. インターネットリテラシーとは何を指すか。 インターネットの利用に関する技術的スキル インターネットを安全かつ効果的に利用する能力 インターネットでプログラミングを行う能力 インターネット上の動画編集スキル None 11. インターネットの匿名性がもたらすリスクとして最も適切なものはどれか。 意見の自由な表現が促進される 不適切な行動や発言が増加する可能性がある ユーザー同士の協力が促進される 個人情報が完全に保護される None 12. あるLMが、ニュース記事を学習データとして用いています。このデータに偏りがある場合、どのような影響が最も考えられますか？ LMの応答は中立的なものだけになる。 偏った視点や意見を反映した応答を生成する可能性がある。 LMは必ず正確な情報を生成する。 偏りのあるデータはLMに影響を与えない。 None 13. GANを基盤としたディープフェイク技術の改良点として考えられるアプローチとして正しいものはどれか。 モード崩壊を防ぐための正則化手法を導入する ジェネレータとディスクリミネータを廃止する 潜在空間を完全に削除する 時系列データを中心にトレーニングする None 14. 「LM（Language Model）」とは何ですか？ 人間の言語を理解し、生成するAIモデル AIのトレーニングデータを生成するアルゴリズム ハードウェアを制御するためのAIモジュール AIシステムの物理構造設計の手法 None 15. AIのレベル別分類で、「強いAI（Strong AI）」が目指すものとして正しいものはどれか。 特定のタスクにおいて人間を上回る能力を持つ 機械学習モデルを効率的に訓練すること 現実の物理システムを模倣すること 人間の知能や意識を再現すること None 16. ディープフェイク動画を識別する際に、特定のディスクリミネータが検出しやすい特徴として適切なものはどれか。 動画の色調が均一である 背景が動かない場合が多い 動画内の音声と画像が完全に同期している 瞬きのパターンが非現実的である None 17. ディープフェイク技術が情報セキュリティの観点で課題となる理由として最も適切なものはどれか。 生成画像の品質が低い ユーザーの信頼を損なう偽情報を拡散する可能性がある テキスト生成能力が不足している 動画生成に時間がかかりすぎる None 18. 「汎用型AI（General AI）」と特化型AIの主な違いとして正しいものはどれか。 汎用型AIは特定のタスクに制限されず、複数のタスクをこなせる 特化型AIは学習が不要で、汎用型AIは学習が必須である 特化型AIは複数の分野で利用可能で、汎用型AIは一つの分野に限定される 汎用型AIは特化型AIに比べて開発が容易である None 19. ディープフェイクによって生成される動画の特徴として正しいものはどれか。 元の映像を完全に削除して生成される 人間が識別できないレベルでリアルに見える 必ず低解像度で生成される 特定の顔のみを使用することができない None 20. LMが学習するために必要なデータは何ですか？ 膨大な量のテキストデータ 画像や動画データ 物理センサーからの信号データ 数値シミュレーションデータ None 21. ディープフェイク技術を応用した場合に、教育分野での適切な利用例として正しいものはどれか。 実在しない人物の偽造スピーチを制作する 試験中に不正解答を生成する 歴史上の人物を再現した教育動画を作成する 他人の顔を用いたプライバシー侵害行為を助長する None 22. LLMが他のAIモデルと比較して特に汎用性が高い理由はどれですか？ 多様なタスクを単一のモデルで実行できるため。 画像や音声データも直接処理できるため。 専用のハードウェアを必要としないため。 単一のトピックに特化して学習しているため。 None 23. インターネット上の著作権を守るために重要な行動はどれか。 他人の著作物を無断でコピーして使用する フリー素材のみを使用するが、著作者のクレジットは不要 すべての素材を自分で作成する 著作物を使用する際に権利者に許可を求める None 24. 転移学習を行う際に「凍結層を増やす」ことの主なメリットとして正しいものはどれか。 モデル全体の再訓練が容易になる 計算コストを削減し、過学習のリスクを軽減できる 出力層のパフォーマンスを向上させる 新しいデータへの適応能力を最大化できる None 25. ディープフェイクを識別するための技術として適切なものはどれか。 自己注意機構 画像や動画の不自然なパターンを検出するアルゴリズム 音声認識モデルによる分析 潜在空間操作による改善 None 26. AIレベル別分類の観点から、自律型AI（Autonomous AI）の導入が現実的でない分野として最も適切なものはどれか。 自動運転車の制御 医療診断システム 倫理的判断が必要な分野（例：司法、政策立案） サプライチェーンの最適化 None 27. 転移学習で「特徴抽出（Feature Extraction）」が行われる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のサイズを減らすため 事前に学習されたモデルの一般的な特徴を利用するため モデルの出力層を固定するため 学習速度を低下させるため None 28. 汎用型AI（General AI）が現在実現されていない理由として最も適切なものはどれか。 十分なトレーニングデータが不足している 複数のタスクに適応する技術が未成熟である ハードウェアの性能が足りない 人間の認知機能を完全に理解していない None 29. Whisperのメリットとして最も適切なものはどれか。 高解像度画像生成が可能 動画編集機能を持つ テキスト生成能力が高い 多言語対応とノイズ耐性に優れている None 30. インターネット上で公開される情報が誤情報である可能性を検証する最適な方法として正しいものはどれか。 公的機関や信頼性の高い情報源と照らし合わせる SNSの拡散状況を確認する 情報の出所を気にせず、内容をそのまま利用する コメント欄の意見数を基準に信頼性を判断する None 31. ディープフェイクが生成するコンテンツの法的規制が必要とされる主な理由はどれか。 技術の進化を阻害するため トレーニングコストを削減するため 社会的混乱やプライバシー侵害を防ぐため 個人が自由に利用できる技術にするため None 32. 特化型AIが汎用型AIよりも広く採用されている理由として最も適切なものはどれか。 特化型AIは開発が容易でコストが低いため 汎用型AIの技術はすでに陳腐化しているため 特化型AIは常に汎用型AIより高性能であるため 汎用型AIはトレーニングに長い時間がかかるため None 33. LLMの応答が事実に基づいていることを確認するために最も効果的な方法はどれですか？ LLMの応答をそのまま信頼する。 LLMに複数回同じ質問をして矛盾を確認する。 外部データベースを使用して応答を検証する。 応答が正確かどうかは検証しない。 None 34. 汎用型AIが特化型AIよりも困難な理由として正しいものはどれか。 データ量が特化型AIよりも多い 複数の異なるタスクを統合する設計が必要である 訓練時間が短すぎる 特定のタスクでの性能が向上しない None 35. LLMを運用する際の主な制約の1つとして正しいものを選びなさい。 データ量が少なくなると性能が向上する。 大規模な計算資源が必要であり、運用コストが高い。 専用のハードウェアが不要であるため制約が少ない。 モデルサイズが小さいため複雑なタスクには向かない。 None 36. インターネットでの適切なコミュニケーションとは何か。 他者を尊重し、攻撃的な言動を避けること すべての意見に賛同すること 匿名であれば自由に意見を述べること 感情的な表現を多用すること None 37. 転移学習において、「モデル全体を再訓練する」のではなく「特定の層のみを再訓練する」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減するため 新しいタスクに必要な特徴のみを効率的に学習するため 学習済みモデルを無効化するため 計算リソースを最大限に使用するため None 38. 公共Wi-Fiを利用する際に個人情報を保護するための最適な方法として正しいものはどれか。 公共Wi-Fiではパスワードが必要ない場合のみ接続する 銀行やSNSなどのログインは問題ないと考える Wi-Fiを利用する際はすべてのデバイスでBluetoothをオンにする HTTPS通信を利用し、VPNを使用する None 39. ディープフェイク技術の使用が推奨される場面として適切なものはどれか。 映画で故人の俳優を再現するシーン 特定の人物のスピーチを偽装する政治的プロパガンダ 他人の顔を使用した詐欺行為 個人情報を不正に使用するための偽造 None 40. 転移学習を用いたファインチューニングで「学習率を層ごとに異なる値に設定する」理由として正しいものはどれか。 モデル全体の計算負荷を均等化するため 低次層の特徴を完全に無効化するため 学習済みの層と新規層の適応速度を調整するため モデル全体のパフォーマンスを固定化するため None 41. 転移学習において「ファインチューニング（Fine-Tuning）」が行われる理由として正しいものはどれか。 モデル全体をゼロから再訓練するため 新しいタスクに適応するために特定の層を再訓練するため 学習済みモデルをそのまま使用するため トレーニングデータを拡張するため None 42. LMの主な役割として最も適切なものを選びなさい。 AIのハードウェア設計を最適化すること 自然言語の理解と生成を行うこと AIのデータ収集プロセスを管理すること 機械学習アルゴリズムの改良を行うこと None 43. ネットいじめの被害を防ぐための対策として最も適切なものはどれか。 被害を受けた場合、自分で反論する 不適切な行為を無視して放置する プラットフォームの通報機能を活用する 匿名で仕返しを行う None 44. 「強いAI（Strong AI）」が特化型AIと異なる点として正しいものはどれか。 強いAIは人間のように意識を持つ 強いAIは特定のタスクに特化して設計されている 強いAIは必ずしも人間を超える性能を持つ 強いAIは単純な問題を解決できない None 45. ディープフェイクが主に利用される分野として適切でないものはどれか。 映画やエンターテインメントでの特殊効果 教育や研究分野でのシミュレーション 偽情報の作成や詐欺行為 音声データのリアルタイム翻訳 None 46. LMはどのように動作しますか？ 音声データを入力し、画像を出力する。 テキストデータを学習し、次に来る単語を確率的に予測する。 AIの物理的動作を制御する。 テキストデータを使わずに直接応答を生成する。 None 47. SNS上での情報共有において注意すべき点はどれか。 すべてのフォロワーに自分の住所を公開する 知らない人からのメッセージには必ず返信する 投稿する前にプライバシー設定を確認する 位置情報を常に公開する None 48. 転移学習の「凍結層（Frozen Layers）」の役割として正しいものはどれか。 モデル全体の計算負荷を増加させる 学習済みモデルの一部を固定し、新しいデータに対して再訓練しないようにする トレーニングデータを削減する モデルの汎化性能を低下させる None 49. 転移学習が画像認識タスクで特に効果的である理由として正しいものはどれか。 畳み込み層が一般的な画像特徴を捉えるため 画像データの多様性が小さいため 出力層が他のタスクと共有できるため 画像データは常にトレーニングデータが少ないため None 50. 転移学習（Transfer Learning）の主な目的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 学習済みモデルを活用して新しいタスクを効率よく学習する モデルのサイズを削減する モデルの複雑さを制限する None 51. ディープフェイク生成においてGANが特に優れている理由として正しいものはどれか。 時系列データの分析に適している 画像や動画のリアリティを向上させる競争的学習が可能 大量の計算リソースを必要としない 自然言語処理タスクを効率的に処理できる None 52. ChatGPTが特定の業務（例：医療分野）に応用される際に考慮すべきデメリットとして正しいものはどれか。 トレーニングデータに基づく偏りが応答に影響を与える可能性がある テキスト生成速度が遅すぎて業務に適さない 画像や音声データを直接処理できない 文法的誤りを含む応答しか生成できない None 53. 複数の異なるSNSアカウントを安全に管理するために必要な最善の方法はどれか。 各アカウントに異なるパスワードを設定し、パスワード管理ツールを使用する すべてのアカウントで同じパスワードを使用し、覚えやすくする パスワードを定期的に公開することで安全性を確認する アカウントごとに異なるメールアドレスを設定するが、パスワードは共通にする None 54. LLMの課題として最も適切なものを選びなさい。 学習に必要なデータ量が少ない。 単一のタスクにしか対応できない。 文脈を理解する能力が低い。 応答が必ずしも事実に基づかない場合がある。 None 55. ディープフェイク生成のコストが高い要因として正しいものはどれか。 トレーニングデータが限定的であるため 高解像度の生成には大規模な計算リソースが必要なため トランスフォーマーが主に使用されるため モデルが教師なし学習に依存するため None 56. ディープフェイクが使用される際の倫理的な課題として正しいものはどれか。 トレーニングに必要なリソースが不足する 動画生成の速度が非常に遅い 偽情報や詐欺行為に利用される可能性がある トランスフォーマーベースのモデルしか使用できない None 57. LMが次に来る単語を予測する際に基づいているものは何ですか？ 画像データのピクセル値 音声信号の周波数 AIエンジンのハードウェア性能 過去の文脈と単語の出現確率 None 58. 転移学習が特に有効であ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豊富に存在する場合 新しいタスクが既存モデルと無関係な場合 トレーニングデータが少なく、新しいタスクが既存モデルと関連している場合 モデルの計算リソースが無制限にある場合 None 59. 以下の文章に対して、LLMが最適な応答を生成するための工夫として正しいものを選びなさい。 「私は昨日ケーキを作りました。それから友達とそれを食べました。」 文脈を分割して個別に処理する。 文章全体の文脈を保持し、話題の流れに基づいて応答を生成する。 最初の文だけを処理して応答を生成する。 次の単語をランダムに選んで応答を生成する。 None 60. AIのレベル別分類における「自律型AI（Autonomous AI）」の主な特徴として正しいものはどれか。 他のAIシステムの支援を必要とする 環境に応じて独立して行動を調整する 人間の介入がなければ動作しない 特定のデータセットに依存する None Time's up
