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. 転移学習が自然言語処理（NLP）で広く利用される理由として正しいものはどれか。 言語モデルが文法や単語の一般的な特徴を学習できるため 言語データが常に小規模であるため 出力層が全タスクに共通であるため 学習済みモデルを直接再利用することが禁止されていないため None 2. 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 3. 「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 4. 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 5. 「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 6. LLMのトレーニングや運用による環境負荷を軽減するために最も効果的な方法はどれですか？ エネルギー効率の高いハードウェアと再生可能エネルギーを活用する。 モデルの規模をさらに大きくする。 トレーニングを複数回繰り返して精度を向上させる。 エネルギー使用量を考慮せず、性能だけを優先する。 None 7. インターネット上の匿名性が犯罪行為に悪用されるリスクを軽減するために、最も効果的な対策はどれか。 インターネット利用者全員に実名登録を義務付ける すべてのユーザーが匿名での投稿を禁止される サービス提供者がコンテンツの監視と違法行為の報告を強化する 監視カメラをオンラインサービスと連携する None 8. LM（Language Model）の主要な構成要素として適切なものを選びなさい。 画像データとピクセル処理モデル 音声データと周波数分析モデル テキストデータと確率計算モデル 物理センサーと信号処理モデル None 9. LLMが長文の文脈を処理する際、どのような技術的な制約が発生しやすいですか？ 応答が短くなりすぎる。 計算負荷が高まり、メモリ制限に達する可能性がある。 短い文脈では動作しない。 文脈の最初の部分しか処理しない。 None 10. 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 11. 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 12. 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 13. 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 14. 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 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. LMの性能を評価する際に重要な要素として適切なものを選びなさい。 画像の解像度 ハードウェアの冷却効率 生成されるテキストの自然さと文脈の適切性 データセットの物理特性 None 17. 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 18. 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 19. 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 20. 安全なパスワードを作成するための重要なポイントはどれか。 短いが覚えやすい単語を使用する 名前や誕生日を含める 大文字、小文字、数字、記号を組み合わせる すべてのアカウントで同じパスワードを使う None 21. 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 22. 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 23. 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 24. 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 25. 「弱いAI（Weak AI）」の特徴として正しいものはどれか。 人間のように自律的に考える能力を持つ 自然言語処理を完全に理解する 特定の目的に特化して設計されている 他のAIシステムを管理する能力を持つ None 26. 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 27. 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 28. 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 29. DALL-Eの主なデメリットとして適切なものはどれか。 テキストの文法的誤りを訂正できない 指定されたテキスト指示を完全に理解できない場合がある 動画生成タスクに対応していない 高度な音声認識能力が必要とされる None 30. 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 31. トランスフォーマーを基盤としたLMが長文を処理する場合、どのような技術的工夫が最も効果的でしょうか？ 長い文脈を一度に全て処理しようとする。 文脈を適切に分割し、それぞれの部分を順次処理する。 文脈の長さに関係なく処理するため、追加の工夫は不要。 長い文脈は無視し、短い部分のみを利用する。 None 32. 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 33. 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 34. 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 35. 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 36. 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 37. Whisperを使用した音声認識プロジェクトで、認識精度が低下する可能性が高いケースとして最も適切なものはどれか。 高度な騒音除去が行われたクリアな音声環境 標準的なアクセントのスピーチを使用する場合 音声データが短時間で区切られている場合 トレーニングデータに含まれていない特定の方言が使用される場合 None 38. 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 39. 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 40. 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 41. 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 42. 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 43. 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 44. 「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 45. 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 46. 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 47. 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 48. 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 49. 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 50. 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 51. DALL-Eのメリットとして最も適切なものはどれか。 高解像度画像を生成する能力に優れている マルチモーダル処理で動画生成が可能 テキストの翻訳に特化している 音声認識と画像認識を同時に行う None 52. 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 53. 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 54. 「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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 Time's up
