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. 以下のうち、LLMが活用される典型的な用途として正しいものを選びなさい。 画像分類 音声信号処理 物理データの解析 文章要約と質問応答 None 2. 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 3. インターネット上で信頼できる情報を見分けるための重要なポイントはどれか。 情報が多くのサイトで繰り返し引用されているか確認する 情報が有名なブログで紹介されているか確認する 情報源が公的機関や専門家によるものであるか確認する 情報の発信者が匿名であるかどうか確認する None 4. 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 5. フィッシング詐欺を防ぐための最善策はどれか。 すべてのメールに返信する メールアドレスを頻繁に変更する 公共Wi-Fiを利用する 不審なメール内のリンクや添付ファイルを開かない None 6. 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 7. LLMが応答を生成する際に行う基本的なプロセスはどれですか？ テキストデータを画像データに変換して処理する。 文脈に基づき次に来る単語を確率的に予測して生成する。 ランダムに単語を選んで文を構成する。 事前に固定されたテンプレートから回答を選択する。 None 8. 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 9. 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 10. 転移学習を使用している場合、学習済みモデルの初期層（低次層）を再訓練することが適切な場面として正しいものはどれか。 新しいタスクが元のタスクと完全に異なる場合 新しいタスクのデータが少ない場合 新しいタスクが元のタスクと高度に類似している場合 モデルの計算コストを削減したい場合 None 11. 特化型AI（Narrow AI）から汎用型AI（General AI）への進化を実現するために必要な技術的要件として最も適切なものはどれか。 訓練データ量を無制限に拡大する 異なるタスク間での知識共有を可能にするアーキテクチャの開発 モデルのサイズを極端に縮小する 特定のタスクでの性能向上を優先する None 12. 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 13. StyleGANのメリットとして正しいものはどれか。 潜在空間の操作性が高く、生成画像の特徴を調整できる マルチモーダル処理に対応している テキスト生成能力に優れている ノイズに強い音声データ処理を行う None 14. 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 15. LMの進化に最も影響を与えた技術として正しいものを選びなさい。 画像処理アルゴリズム トランスフォーマー（Transformer）アーキテクチャ 物理的制御システム 周波数分析ツール None 16. LMの出力品質を向上させるために最も効果的な手法はどれですか？ 学習データを増やし、多様性を確保する。 プロンプトを簡潔にするが、詳細な指示は与えない。 トレーニングデータセットを変更せずにモデルのサイズを減らす。 モデルのトレーニングを停止し、既存の状態を維持する。 None 17. SNSでフォロワーの信頼を得るために投稿する情報を選ぶ際に最も重要な基準はどれか。 投稿が感情的で多くの「いいね」を獲得できるか 投稿が正確で信頼できる情報に基づいているか 投稿がエンターテイメント性に優れているか 投稿が拡散される可能性が高いか None 18. 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 19. GPTが持つデメリットとして正しいものはどれか。 長文入力に対してコンテキストを保持し続けることが難しい 画像生成タスクに特化しているためテキスト生成が苦手 トレーニングデータが固定され、更新が不要 音声認識機能が搭載されていない None 20. 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 21. 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 22. ChatGPTとDALL-Eの主な違いとして、利用シーンの観点から最も適切なものはどれか。 ChatGPTは画像生成タスクを行い、DALL-Eはテキスト生成を行う ChatGPTはノイズ耐性が高く、DALL-Eは高解像度音声を生成する ChatGPTとDALL-Eはどちらも動画生成を専門とする ChatGPTはテキスト生成や対話、DALL-Eはクリエイティブな画像生成に特化している None 23. 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 24. 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 25. AIのレベル別分類における「特化型AI（Narrow AI）」の特徴として正しいものはどれか。 あらゆる分野で汎用的に使用できる 特定のタスクに特化して設計されている 自律的に意思決定を行う 人間の知能を完全に再現する None 26. 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 27. LMの応答の信頼性を向上させる方法として最も適切なものを選びなさい。 LMに学習データの信頼性を評価させる。 プロンプトを曖昧にし、応答の自由度を高める。 生成された応答に対して、別のAIで検証プロセスを追加する。 LMに応答結果の正確性を自己判断させる。 None 28. LLMが基盤としている主要なアーキテクチャはどれですか？ リカレントニューラルネットワーク（RNN） 畳み込みニューラルネットワーク（CNN） トランスフォーマー（Transformer） サポートベクターマシン（SVM） None 29. 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 30. 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 31. 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 32. 各種生成AIの共通のデメリットとして最も適切なものはどれか。 トレーニングに必要なデータ量が膨大である 環境に優しい設計がされている タスクごとに専用のモデルを作成する必要がある 完全に教師なし学習である None 33. 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 34. 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 35. 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 36. 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 37. LLMが学習するために主に使用されるデータは何ですか？ 画像データ 音声データ 膨大な量のテキストデータ 物理シミュレーションデータ None 38. 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 39. 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 40. 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 41. 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 42. 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 43. GPTシリーズが長文処理で抱える課題の解決策として最も適切なものはどれか。 トークン数の制限を完全に撤廃する モデルサイズを大幅に縮小する 注意機構を強化し、重要な文脈を選択的に保持する トランスフォーマーをGANに置き換える None 44. GPTの主なメリットとして最も適切なものはどれか。 テキスト生成における柔軟性と文脈理解能力が高い ノイズ耐性に優れている 動画生成に最適化されている 特定のトピックに限定されている None 45. ディープフェイク技術の主な基盤となるアルゴリズムはどれか。 GAN（生成的敵対ネットワーク） Transformer RNN（リカレントニューラルネットワーク） CNN（畳み込みニューラルネットワーク） None 46. 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 47. 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 48. 汎用型AI（General AI）が特化型AIと比較して、医療分野において特に効果を発揮すると考えられる場面として適切なものはどれか。 画像診断や薬剤設計のような個別のタスクに特化した業務 トレーニングデータが限定的である新薬開発業務 医療データの収集と記録の効率化 異なる専門分野（例：内科と外科）間での知識を統合して診断を行う業務 None 49. 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 50. 「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 51. 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 52. AIの「レベル別分類」で、現実世界において最も広く利用されているタイプはどれか。 弱いAI（Weak AI） 汎用型AI（General AI） 強いAI（Strong AI） 自律型AI（Autonomous AI） None 53. Whisperのデメリットとして最も適切なものはどれか。 高解像度画像生成には対応していない 音声認識モデルとして、騒音環境で精度が低下する場合がある 特定の言語に対する認識精度が低い場合がある 潜在空間の操作が不可能である None 54. 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 55. 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 56. ChatGPTのデメリットとして正しいものはどれか。 応答が完全にランダムに生成される トレーニングデータ以降の最新情報に対応できない 音声認識機能が搭載されていない 動画生成能力が制限されている None 57. 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 58. 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 59. LLMが偏った学習データを利用している場合、応答にどのような影響が出る可能性がありますか？ 応答は完全に中立になる。 応答がすべて正確な情報になる。 学習データの偏りは応答に影響を与えない。 偏見や特定の視点が反映された応答を生成する可能性がある。 None 60. 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 Time's up
