G検定～模擬試験④～ 2024年12月6日 ailearn 1. 強化学習の「状態」とは何を表していますか？ エージェントが選択した行動 環境の現在の状況や情報を示すもの エージェントが受け取った報酬 学習プロセスのパラメータ None 2. 過学習を防ぐために使用される「ドロップアウト」の仕組みとして正しいものはどれですか？ モデルの出力をランダムに減少させる ニューラルネットワーク内のランダムなユニットを一時的に無効化する データポイントをランダムに削除する 学習率をランダムに変更する None 3. AUC-ROCスコアが0.5の場合、モデルの性能について何を示していますか？ モデルが非常に正確である モデルが過学習している モデルが常に正確に予測する モデルがランダムな推測と同等である None 4. AIを利用した「スマートグリッド」の目的は何ですか？ 電力供給をすべて停止すること 電力の供給と需要を効率的に管理し、エネルギー消費を削減すること 電力価格を上げること 電力を無制限に供給すること None 5. マルチモーダルAIにおいて、モデルの性能向上に寄与する「アライメント（Alignment）」とは何を指しますか？ モダリティ間の特徴を同期させ、一貫した表現を得ること モデルの計算速度を最適化すること 各モダリティごとに独立した特徴を抽出すること モデルの学習データを圧縮すること None 6. 正則化が特に重要とされるのはどのような状況ですか？ 特徴量が多く、データ量が少ない場合 データ量が十分に多い場合 モデルが単純な場合 モデルのパラメータが固定されている場合 None 7. モデル評価において、AUC-ROC曲線を利用する利点は何ですか？ 学習率を決定する 異なる閾値におけるモデルの性能を視覚的に評価できる モデルのパラメータ数を減少させる 訓練データのサイズを増やす None 8. TransformerモデルがRNNに比べて計算効率が高い理由は何ですか？ パラメータ数が少ないから 訓練データを使わないから 勾配爆発が発生しないから 並列処理が可能だから None 9. Attentionメカニズムの主な目的は何ですか？ 訓練データの数を増やす 重要な情報に焦点を当て、不要な情報を無視する 計算リソースを削減する 勾配消失問題を防ぐ None 10. Transformerにおける「マルチヘッドアテンション」の目的は何ですか？ 複数の異なる特徴空間でAttentionを計算し、情報の多様性を持たせる 複数のデータセットを同時に処理する アテンションの重みを強化する モデルのパラメータを増やす None 11. AI技術が「在宅勤務」に与える影響として正しいのはどれですか？ 在宅勤務が全ての職場で廃止される AIがすべての在宅勤務者を解雇する AIがリモートワークの効率を向上させ、働き方の柔軟性を高める AIが在宅勤務を無視する None 12. 強化学習を用いたロボットの制御タスクにおいて、エージェントが「サンプル効率」を高めるために考慮すべき手法はどれですか？ 環境の動作を完全にランダムにする モデルベースの手法を導入する 行動選択を完全にランダムにする 環境の状態を簡素化する None 13. マルチモーダル学習における「後期統合（Late Fusion）」とは何ですか？ モダリティを初期に統合する モダリティごとに別々のネットワークを使用する モダリティの一部だけを統合する 各モダリティの特徴を別々に学習し、後で結果を統合する None 14. AIを用いた「就職活動支援システム」が労働市場に与える効果は何ですか？ AIがすべての求職者を無視する AIが求職者のスキルや希望に基づいて適切な職業を紹介し、就職活動を効率化する AIが求職者のデータを削除する AIが全ての職業を自動で提供する None 15. AIがソーシャルメディアでの「フィルターバブル」を作り出すことが民主主義にどのような影響を与えるか？ 多様な意見が反映される 一部の情報だけが強調され、意見の多様性が失われる 全ての情報が平等に伝えられる フェイクニュースが完全に排除される None 16. AIの環境負荷を軽減するための取り組みとして最も適切なものを1つ選んでください。 データセンターの電力を再生可能エネルギーで供給する AIモデルを大規模化し、トレーニング頻度を増加させる 古いAIハードウェアを積極的に使用し続ける 計算資源をより多く利用するプログラムを開発する None 17. AI技術によって実現される「スマート農業」の目的は何ですか？ 農業プロセスを効率化し、エネルギーと水資源の消費を最小限に抑えること すべての農業活動を自動化してコストを削減する 農業生産を停止すること 機械がすべての農作物を収穫すること None 18. 正則化手法として「Early Stopping」とは何ですか？ モデルの訓練を短縮する方法 学習率を動的に調整する手法 訓練データの量を減らすこと モデルの訓練を早期に停止する手法 None 19. AIが民主主義を促進するための取り組みとして適切でないものを選んでください。 市民の意見を集約するためのAIツールの導入 政策立案時にAIを利用して多様な意見を分析する 選挙プロセスをAIで完全に自動化し市民の関与を排除する データ駆動型の意思決定で客観性を確保する None 20. AI技術が「持続可能な農業」に与える影響として正しいのはどれですか？ AIが全ての農業活動を停止する AIが全ての農業データを削除する AIが作物の成長状態をモニタリングし、最適な水や肥料の使用量を推奨する AIが作物の成長に関与しない None 21. AI技術を有する大企業が、新規参入者を市場から排除するために特許権を乱用する場合、どのような法的問題が生じる可能性がありますか？ 特許法違反 著作権法違反 独占禁止法違反の「市場支配的地位の乱用」に該当する可能性 商標法違反 None 22. AIプロジェクトにおけるデータの前処理の役割は何ですか？ モデルの精度を低下させる データのノイズを削減し、モデルが学習しやすい状態にする アルゴリズムを選定するためのプロセス データを削除する手法 None 23. 次のうち、Attentionメカニズムが導入される以前のSeq2Seqモデルの課題として正しいものはどれですか？ 訓練データが不足していた 出力文の長さを固定できなかった 長い入力シーケンスの情報を十分に活用できなかった ソフトマックス関数を使用できなかった None 24. 強化学習において、エージェントが環境の動作を直接観察できない場合に使用されるモデルはどれですか？ Q学習 DQN 部分観測マルコフ決定過程（POMDP） SARSA None 25. AIによって実現される「気候モデル」の役割は何ですか？ 人間の活動をシミュレーションすること 気候を直接制御すること 気候変動の未来の影響を予測し、政策決定を支援すること 天気予報を自動的に行うこと None 26. Attentionメカニズムが従来のSeq2Seqモデルに比べて優れている点は何ですか？ 計算量が少ない モデルのサイズが小さい 学習速度が常に速い 長距離依存性を捉える能力が高い None 27. AIプロジェクトを進める際に最初に行うべきステップはどれですか？ データ収集 モデルの選択 ビジネス課題の明確化 アルゴリズムの実装 None 28. 「排除措置命令」とは何ですか？ 企業が価格を設定する権利 企業が市場を独占する権利 独占禁止法に違反する行為を停止させるための公正取引委員会による命令 企業が他社と連携する権利 None 29. 強化学習において「割引率」が0.9に設定されている場合、次の報酬の価値はどのように計算されるでしょうか？ 未来の報酬の影響が10%になる 将来の報酬は無視される 現在の報酬が100%評価される 未来の報酬が90%評価される None 30. AI企業が他社の参入を妨げるために実施した価格操作は、どのような独占禁止法違反行為に該当しますか？ 再販売価格維持行為 共同研究契約 不当廉売（ダンピング） 営業秘密の開示 None 31. AI技術を活用した「職業マッチングシステム」が労働市場に与える効果として適切なものを選んでください。 労働者の能力や希望に関係なくランダムに職を紹介する 全ての職業をAIで置き換える 労働者のスキルや希望条件を基に、適切な職業を効率的に提案する 労働市場の公平性を低下させる None 32. モデルの評価を行う際、学習曲線を利用することによって得られる情報は何ですか？ モデルの学習率 データの分布 モデルがオーバーフィッティングしているかどうかを判断できる ハイパーパラメータの最適値 None 33. モデルの選択において、あるモデルがトレーニングデータに対して非常に良い性能を示すが、テストデータに対して性能が低い場合、何が起こっていますか？ モデルはオーバーフィッティングしている モデルはアンダーフィッティングしている モデルは訓練が不足している モデルは適切に訓練されている None 34. マルチモーダルデータを扱う際に重要なことは何ですか？ 各モダリティのデータ特性を理解し、適切な統合方法を選択すること すべてのモダリティで同じ学習アルゴリズムを使用すること データサイズを均等にすること モデルを大きくすること None 35. AIの導入によって「職業のミスマッチ」が生じる原因として正しいのはどれですか？ AIが全ての仕事を自動化する AIが高スキルの労働者を必要とする一方で、低スキルの労働者の職が減少するため AIが全ての労働者に仕事を提供する AIが全ての労働者の賃金を上げる None 36. 正則化の効果を評価するために、どの手法を使用することが一般的ですか？ トレーニングデータの精度 テストデータの精度 バリデーションデータの精度 全ての選択肢 None 37. 部分観測マルコフ決定過程（POMDP）を使用する強化学習の課題において、エージェントが隠れた状態を推定するために一般的に用いる手法はどれですか？ 信念状態を用いる 行動をランダムに選ぶ 環境のモデルを完全に構築する 状態を無視する None 38. AIを用いた「監視技術」が民主主義に悪影響を与えるリスクは何ですか？ AIによる監視技術が市民の自由な行動を制限し、抑圧的な社会を作り出す可能性があるため AIが市民のプライバシーを保護するため AIが全てのデータを公開するため AIが選挙の結果を公平に管理するため None 39. AIによる「アルゴリズムバイアス」が労働市場に与える影響として正しいのはどれですか？ AIのアルゴリズムが特定の人種や性別に対して差別的な結果をもたらす可能性がある AIが全ての労働者を平等に扱う AIが労働市場を無視する AIが全ての賃金を平等に設定する None 40. AIを使った「持続可能な漁業管理」の目的は何ですか？ すべての魚を捕獲すること 漁業活動を停止すること 海洋環境を監視しないこと 魚群の動きを予測し、乱獲を防止すること None 41. Attentionスコア計算において、「ソフトマックス関数」が使用される理由として最も適切なのはどれですか？ Attentionスコアを正規化し、確率分布として解釈可能にするため 負のスコアを除外するため 計算コストを削減するため 順序情報を付加するため None 42. モデルの選択において「バイアス」とは何を指しますか？ モデルが学習した情報 モデルのパラメータ データの分布の一部 モデルが持つ予測の誤差の一部で、過小評価の傾向 None 43. AI技術が環境保護に貢献する方法として、最も適切なのはどれですか？ AIが環境データを解析して、気候変動の影響を予測する AIが全ての自然資源を自動的に管理する AIが無限のエネルギーを生成する AIが自然環境の監視を停止する None 44. 強化学習における「報酬」とは何を指しますか？ 環境の変化を表す数値 エージェントが受け取る行動の効果 エージェントの行動に対するフィードバックとして与えられる数値 学習率を調整する値 None 45. 強化学習における「探索と活用のトレードオフ」とは何ですか？ 環境の状態を観測しないこと 新しい行動を試すこと（探索）と既に知られている良い行動を繰り返すこと（活用）のバランスを取ること 行動を完全にランダムに選ぶこと エージェントが報酬を得ないこと None 46. モデル選択において、どの評価指標を使用するかは何に依存しますか？ 問題の種類やデータの特性 モデルのサイズ 訓練データの数 事前の理論 None 47. 独占禁止法において「再販売価格維持行為」とは何ですか？ 企業が自由に販売価格を設定する行為 企業が他社の商品を販売する行為 企業が価格を引き下げる行為 企業が販売先に対して価格の設定を指示し、価格を固定する行為 None 48. 誤差逆伝播法において、どの層で誤差を最初に計算しますか？ 入力層 中間層 出力層 最後の隠れ層 None 49. AIが選挙における「ターゲティング広告」に悪用されるリスクは何ですか？ AIが候補者のデータを削除する AIが全ての候補者を平等に紹介する AIがすべての広告をブロックする AIが特定の有権者層に対して個別に広告を表示し、特定の候補者への投票を促す None 50. 誤差逆伝播法での学習プロセスの主なステップはどれですか？ 入力データを正規化する アクティベーション関数を選択する パラメータをランダムに設定する フォワードパスを実行し、損失を計算する None 51. マルチヘッドアテンションで各「ヘッド」が持つ役割は何ですか？ 全てのヘッドが同じ役割を果たす ヘッド間でデータを分散処理する ヘッドの数は性能に影響を与えない 各ヘッドが異なる部分に焦点を当てる None 52. AI導入に伴い、労働政策で特に重視される取り組みとして最も適切なものを1つ選んでください。 労働者の再教育（リスキリング） AI技術の全面禁止 労働時間の延長 全ての職業をAIに置き換える None 53. マルチモーダル学習の実用例として、正しいものはどれですか？ 音声データを使った機械翻訳 画像とテキストを組み合わせた自動キャプション生成 テキスト分類のみを行う 音声のみで動物の画像を分類する None 54. 誤差逆伝播法において、出力層にSoftmax関数と交差エントロピー損失関数を組み合わせる主な理由は何ですか？ クラス間の関係を無視するため 勾配計算を効率化するため 損失関数を簡略化するため 勾配消失を完全に防ぐため None 55. AIプロジェクトにおいて、「スケーラビリティ」を考慮する理由は何ですか？ プロジェクトが拡大した際に技術やシステムが対応できるようにするため 開発コストを削減するため データの可視化を行うため モデルの精度を向上させるため None 56. マルチモーダル学習において、どのような問題がよく発生しますか？ モダリティごとのデータサイズが等しいこと モデルが過学習すること モデルのパラメータ数が減少すること 異なるモダリティのデータが非同期であること None 57. マルチモーダル学習において、一般的に使用される2つのモダリティの組み合わせは何ですか？ 画像と音声 画像とテキスト 音声とテキスト すべてのモダリティを同時に使う None 58. AIプロジェクトを進める際、データ収集時に「収集対象のデータ特性」を理解することが重要な理由は何ですか？ プロジェクトの目的を変更するため 収集コストを削減するため 適切なモデル選択や分析手法を決定するため データ収集後の前処理を省略するため None 59. AI技術を独占する企業が、市場で優越的な地位を濫用した場合、独占禁止法に違反する可能性のある行為はどれですか？ 取引先に不当な契約条件を強要すること AI技術を無料で提供すること 競合他社と技術を共有すること AI技術を特許出願すること None 60. 誤差逆伝播法で計算される出力層の誤差はどのように求められますか？ 出力値と実際の値の差を計算する 重みの二乗和を計算する アクティベーション関数の出力を平均する 勾配を二乗する None 61. AIプロジェクトで「反復的な改善プロセス」を採用するメリットとして最も適切なものはどれですか？ モデルを頻繁に変更しないことで安定性を保てる 小さな失敗を早期に発見し、改善する機会を得られる プロジェクトのスコープを無制限に広げられる 初期段階で詳細な要件定義が不要になる None 62. マルチモーダルデータの「同期」とは何ですか？ モダリティごとのデータを別々に学習すること モダリティ間で学習率を合わせること モダリティのデータサイズを統一すること 異なるモダリティのデータを同じタイムフレームに揃えること None 63. Attentionメカニズムを使用しない従来のSeq2Seqモデルの課題は何ですか？ 長距離依存性の問題 パラメータ数が多すぎる 学習率が低い 勾配爆発が発生しやすい None 64. AIが「再生可能エネルギーの普及」に与える影響として、正しいのはどれですか？ AIが再生可能エネルギーの使用を停止する AIが全てのエネルギーを削除する AIが再生可能エネルギーを使用しない AIが再生可能エネルギーの発電予測を行い、エネルギー供給の安定化に貢献する None 65. AIが「デジタル独裁」の実現に利用されるリスクを最小化するための重要な取り組みとして適切なものを選んでください。 AIを利用して市民を監視し続ける AIシステムの運用に法的規制と国際基準を導入する AIをすべての政府運営から排除する AIを利用して情報操作を進める None 66. 誤差逆伝播法において、重みの更新にはどのような手法が一般的ですか？ 勾配降下法 ロジスティック回帰 K-最近傍法 主成分分析 None 67. AI技術を用いて「社会的監視」が行われるリスクがある国において、民主主義にどのような影響がありますか？ AIが国民の意見を反映する AIがすべての市民に投票権を与える AIが監視対象の人々を保護する AIを使った監視により、言論の自由やプライバシーが侵害され、市民の自由が制限される None 68. モデルの汎化性能を評価するために、トレーニングデータとテストデータを分割する際に注意すべき点はどれですか？ データの分布が均一になるようにする テストデータをトレーニングデータよりも多くする すべてのデータをトレーニングに使用する トレーニングデータを無作為に選択しない None 69. マルチヘッドアテンションを使うことで得られる主な利点は何ですか？ 並列処理による計算効率の向上 パラメータ数が減少する 複数の異なる視点から情報を取得でき、表現力が向上する 過剰適合を防ぐ None 70. 独占禁止法において、AIを利用した「リベート」提供が問題となるのはどのような場合ですか？ 顧客の購買を促進するためにリベートを提供する場合 市場支配力を持つ企業が競争相手を排除するためにリベートを提供する場合 リベートの内容を公開せずに提供する場合 顧客に選択肢を与えるためにリベートを提供する場合 None 71. データ拡張が正則化手法として機能する理由はどれですか？ モデルの構造を簡素化するため トレーニングデータの多様性を高め、汎化性能を向上させるため モデルの重みをスパースにするため 学習率を最適化するため None 72. 正則化がモデルの汎化性能を向上させる主な理由は何ですか？ モデルの重みをゼロに設定するため モデルの自由度を制限し、過剰適合を防ぐため トレーニングデータを増やすため 訓練時間を短縮するため None 73. 「私的独占」とは何ですか？ 企業が市場で競争を排除または制限し、支配的な地位を築く行為 企業が価格を統一すること 企業が技術を開発すること 企業が他社の商品を模倣すること None 74. AIプロジェクトにおける「モデルのチューニング」の目的は何ですか？ データの前処理を行う モデルの予測精度を最大化する モデルの学習時間を短縮する モデルの構造を変更する None 75. マルチモーダル学習における「クロスモーダル生成モデル」の特徴は何ですか？ あるモダリティのデータを使用して、別のモダリティのデータを生成する 複数のモダリティのデータを同時に分類する モダリティごとに別々のモデルを使用する すべてのモダリティを統一して出力する None 76. AIを用いた「都市交通システムの最適化」が環境保護に寄与する理由は何ですか？ AIが交通量を増加させる AIが交通渋滞を緩和し、エネルギー消費と排出ガスの削減を実現する AIが全ての交通データを削除する AIが交通システムを無視する None 77. AIプロジェクトの「MLOps（Machine Learning Operations）」が必要とされる理由は何ですか？ モデルの学習時間を短縮するため AIモデルの開発、デプロイ、運用を効率的に管理・自動化するため データの前処理を効率化するため モデルの精度を向上させるため None 78. 誤差逆伝播法における「バッチ学習」と「オンライン学習」の違いは何ですか？ データの前処理方法が異なる 使用するデータ量が異なる モデルの精度が異なる 学習の頻度が異なる None 79. ドロップアウト率が非常に高い場合、トレーニング中のモデルにどのような影響がありますか？ モデルの汎化性能が大幅に向上する 過学習が発生する 損失関数が急速に減少する モデルの学習が進まなくなる可能性がある None 80. マルチモーダルAIモデルにおいて、クロスモーダル生成（Cross-Modal Generation）が特に効果的な応用例はどれですか？ センサー異常検知 自動運転車の経路最適化 映画の字幕生成 医療データ解析における画像生成 None 81. 誤差逆伝播法の計算中に「連鎖律」を使用する理由は何ですか？ モデルを簡素化するため 勾配を効率的に計算するため 計算時間を短縮するため アクティベーション関数を選択するため None 82. AIの発展が民主主義に与える影響として懸念されている点はどれですか？ AIが選挙プロセスを操作し、特定の候補者に有利な結果を導く可能性 AIが国民の意思を正確に反映すること AIが全ての投票を公開すること AIが国民全員に投票権を与えること None 83. マルチモーダルデータの統合方法として「初期統合（Early Fusion）」が示す方法は何ですか？ 各モダリティを個別に学習し、結果を統合する モダリティごとに別々に最適化する モダリティを特徴抽出の初期段階で統合する モダリティを学習の最後に統合する None 84. AIの普及が「労働市場の分極化」を引き起こす理由として最も適切な説明を選んでください。 全ての労働者が同じスキルを持つようになるため 労働市場全体で同じ労働条件が適用されるため AIが全ての業務を自動化するため 高度なスキルを持つ労働者と、単純作業に従事する労働者の需要に差が生じるため None 85. L1正則化とL2正則化の違いは何ですか？ 計算方法が異なる L1は特徴選択を促進し、L2は全ての重みを小さくする L1は線形回帰に使用され、L2はロジスティック回帰に使用される L1は大規模データに適しており、L2は小規模データに適している None 86. マルチモーダル学習における「クロスモーダル学習」とは何ですか？ 1つのモダリティのみを使用する手法 モダリティごとに異なる学習率を設定する手法 モダリティごとに別々のデータセットを使用する手法 異なるモダリティ間で学習した知識を活用する手法 None 87. AIが民主主義において「市民参加」を促進する方法として、適切なのはどれですか？ AIが市民からの意見や提案を効率的に集約し、政策形成に反映させる AIがすべての決定を自動で行う AIが市民の投票を無効にする AIがすべての投票結果を削除する None 88. モデル評価において「グラウンドトゥルース」とは何を指しますか？ モデルのトレーニングデータ 正解ラベル、すなわち実際の正しい出力 モデルのハイパーパラメータ 学習率の設定値 None 89. ハイパーパラメータのチューニングを行う際に、どの手法が一般的に用いられますか？ 学習率の自動調整 グリッドサーチやランダムサーチ モデルの初期化 データの分割方法 None 90. 独占禁止法における「優越的地位の濫用」とは何ですか？ 大企業が取引先に対して不当な条件を押し付ける行為 企業が市場を独占する行為 企業が技術を開示する行為 企業が他社と連携して商品を販売する行為 None 91. 独占禁止法の主な目的は何ですか？ 企業間の競争を減少させるため 公正で自由な競争を促進し、市場の健全な発展を図るため 大企業の市場独占を促進するため 企業が価格を統一するため None 92. 「マルチヘッドAttention」が、単一のAttentionに比べて優れている理由として最も適切なのはどれですか？ 計算コストが大幅に削減されるため モデルが異なる特徴を並列に学習できるため ソフトマックス関数の精度が向上するため 出力次元数を減少させるため None 93. バッチ正則化が効果的でない状況はどれですか？ 学習率が非常に高い場合 ミニバッチサイズが小さい場合 モデルが非常に浅い場合 入力データが標準化されていない場合 None 94. AIプロジェクトにおける「ROI（Return on Investment）」の評価はなぜ重要ですか？ プロジェクトの成功や失敗を金銭的な観点で評価するため データの質を向上させるため モデルの精度を計算するため プロジェクトの規模を縮小するため None 95. Self-Attentionにおいて、「クエリ（Query）」「キー（Key）」「バリュー（Value）」の役割は何ですか？ クエリは注目する要素、キーはその要素に関連する情報、バリューはその結果の重み付け クエリはモデルの出力、キーは入力、バリューは誤差 クエリは訓練データ、キーは予測結果、バリューは正解データ クエリ、キー、バリューの役割は全て同じ None 96. マルチモーダルAIが直面する課題の一つに「モダリティ欠損」があります。この問題への最適な対処法はどれですか？ 欠損モダリティを完全に除外する モデルの複雑性を増やす 他のモダリティから欠損モダリティを補完する技術を使用する 欠損モダリティの影響を無視する None 97. Transformerモデルで使用されるAttentionの形式は何ですか？ Global Attention Soft Attention Self-Attention Local Attention None 98. AI技術が労働市場で新たな雇用機会を創出する例として、最も適切なものを選んでください。 単純作業の自動化による職種削減 AI開発者やデータサイエンティストなどの新しい職種の需要増加 全ての業務をAIに置き換えることによる労働者の削減 AIを利用した職種の全面的な廃止 None 99. マルチモーダル学習で「相互情報量（Mutual Information）」が重要とされる理由は何ですか？ モダリティごとの学習速度を比較できる モダリティ間のデータ分布を可視化するため モデルのトレーニングコストを削減するため 各モダリティの相関関係を定量化し、情報共有を最適化できる None 100. AIの導入に伴い「労働時間」が短縮される可能性がある理由は何ですか？ AIが全ての仕事を終わらせるため AIが労働者に仕事を与えないため AIが生産性を向上させることで、従来より短い時間で仕事が完了するため AIが全ての労働者を解雇するため None 101. AI時代における「所得格差是正」のために、最も重要とされる政策として適切なものを選んでください。 ベーシックインカムの導入や再分配政策の実施 AI開発企業への税制優遇措置の強化 労働者の権利を縮小する法律の導入 AI技術を開発する企業を制限する None 102. AIが「非正規雇用」に与える影響として最も適切なのはどれですか？ AIによる自動化が非正規雇用の削減を促進し、労働市場の不安定さが増す可能性がある AIが全ての非正規労働者を解雇する AIが全ての非正規労働者を正規雇用に変える AIが非正規雇用を無視する None 103. 誤差逆伝播法を使用する際に、バッチサイズが大きい場合の利点は何ですか？ モデルが学習する速度が遅くなる 計算が並列化されやすくなる 学習率を下げる必要がある 過剰適合のリスクが増す None 104. AIプロジェクトにおける「データドリブンな意思決定」とは何ですか？ データの収集を行う手法 データに基づいて意思決定を行い、主観的な判断を最小限に抑える手法 モデルの精度を最大化する手法 データセットを圧縮する手法 None 105. AIが環境保護に活用される例として適切でないものを1つ選んでください。 気候変動の予測と対応策の提案 自然災害の発生時期を特定する 化石燃料の使用を推奨するAIの設計 森林破壊を監視するリモートセンシング技術の補助 None 106. 強化学習における「Q学習」の目的は何ですか？ 行動を完全にランダムに選択すること 環境の動きを模倣すること 状態-行動ペアの価値を学習し、最適な方策を見つけること 報酬を即座に得ること None 107. AIを利用した「労働者の監視」が問題視される理由は何ですか？ AIが全ての労働者を保護するため AIによる過度な監視が労働者のプライバシーを侵害するリスクがあるため AIが労働者に仕事を与えないため AIが労働者の給与を自動で計算するため None 108. AI企業が競争相手を排除する目的で、自社のAIプラットフォームを使用する取引先に対して「競合製品の使用を禁止」する契約を結んだ場合、独占禁止法上の問題点として適切なのはどれですか？ データ漏洩のリスク 過剰な広告費用の発生 市場支配的地位の濫用 顧客満足度の低下 None 109. AIによる「プライバシー侵害」が民主主義に悪影響を与える理由は何ですか？ AIが市民のプライバシーを保護するため AIが市民のプライバシーを侵害し、市民が自由に発言できない環境を作り出すため AIがすべてのプライバシーデータを削除するため AIが投票プロセスを保護するため None 110. クロスバリデーションを用いる際に「K-fold クロスバリデーション」の利点は何ですか？ 訓練データのサイズを増やす 全データを使用してモデルの汎化能力を評価できる モデルの学習速度を上げる データの次元を削減する None 111. モデルの選択で「バリアンス」とは何を指しますか？ モデルの学習データへの適合度 モデルが異なるデータセットに対してどれだけ予測が変動するか モデルのパラメータ数 データの分布の安定性 None 112. 誤差逆伝播法で「勾配消失問題」が深層ネットワークで発生しやすい理由はどれですか？ 出力層での誤差が初期化されるため 損失関数がゼロに近づくため 活性化関数の導関数が極端に小さくなるため 勾配が符号を変えるため None 113. L2正則化のペナルティ項はどのように計算されますか？ 重みの絶対値の和 重みの二乗和 重みの平方根の和 重みの対数和 None 114. AI企業が複数の競合他社と共同で市場支配的地位を強化するための行動は、どのような独占禁止法違反に該当しますか？ 共同販売行為 共同研究開発行為 共同での市場独占行為 営業秘密の保護行為 None 115. 複雑な状態空間を持つ強化学習タスクにおいて、DQNの使用に関して最も考慮すべきことはどれですか？ エピソードの長さを無限にする 行動選択を常にランダムにする 適切なニューラルネットワークのアーキテクチャを選択する 割引率を0に設定する None 116. 誤差逆伝播法の計算が終わった後、何を行いますか？ モデルのアーキテクチャを変更する 重みを更新する 訓練データを再設定する テストデータを使用する None 117. 誤差逆伝播法を使用する際の「学習率」の役割は何ですか？ モデルの精度を向上させる データのバッチサイズを決定する 訓練データの数を増やす 勾配の更新量を調整する None 118. AIプロジェクトの進行中に「倫理的考慮」が必要な理由は何ですか？ モデルのトレーニング時間を短縮するため モデルの学習率を最適化するため モデルのパラメータを削減するため AIモデルが社会的に有害な影響を与えないようにするため None 119. 強化学習における「割引率（ディスカウントファクター）」の役割は何ですか？ 未来の報酬の価値を現在の報酬と比較するため 学習率を決定する 行動選択を調整する 環境の動きを変化させる None 120. Self-Attentionはどのような仕組みですか？ 各入力の要素が、他のすべての要素と相互作用し、注目する モデルの全体の重みを調整する 出力層に適用される正則化手法 過剰適合を防ぐためのドロップアウト None 121. AIの「透明性」が民主主義にとって重要である理由は何ですか？ AIの判断が不透明であると、選挙や政策決定における公正性が損なわれる可能性があるため AIがすべてのデータを公開するため AIがすべての投票を手動で処理するため AIが選挙の結果を自動的に決定するため None 122. 独占禁止法において「カルテル」とは何ですか？ 競合他社との協力関係を構築する行為 競合企業が協定を結び、価格や生産量を操作する行為 企業が市場を独占する行為 企業が他社の技術を模倣する行為 None 123. 「アンサンブル学習」とは何を指しますか？ 複数のモデルを組み合わせて最終的な予測を行う手法 単一のモデルを使用する手法 モデルのパラメータを調整すること 特徴量を選択すること None 124. AI技術を持つ企業が、自社技術の利用を他企業に制限するために行う行為は、どのような独占禁止法違反となる可能性がありますか？ 再販売価格維持行為 不当取引制限 特許権の無効化 営業秘密の公開 None 125. AIプロジェクトで重要なデータの特性として「データの質」が挙げられますが、その理由は何ですか？ データの質がモデルの性能に大きな影響を与えるため データが多ければ精度が高くなるため データの質が低いと学習時間が短くなるため 質が低いデータはモデルのパラメータ数を増加させるため None 126. 正則化が有効に機能するために、モデルの選択で考慮すべきことは何ですか？ データの前処理 モデルの複雑さ 使用するアクティベーション関数 全ての選択肢 None 127. AIが「選挙結果の予測」に用いられる際、透明性が欠如している場合、どのようなリスクが生じますか？ 選挙結果が公正になる AIがすべての投票を無効にする AIがどのように予測を行ったかが不明確であり、予測結果が偏っているかどうかを判断できない AIがすべての候補者を公平に紹介する None 128. AIによる「自然災害の予測」が環境保護に寄与する理由は何ですか？ AIが災害を引き起こすため 自然災害を予測し、被害を最小限に抑えるための対策を事前に講じることができるため AIが災害を無視するため AIが全ての災害データを削除するため None 129. 強化学習における「探索的行動」と「活用的行動」のバランスを調整するためのϵ-グリーディ法の仕組みはどれですか？ 常にランダムな行動を選択する 一定の確率で最適行動を選択し、それ以外はランダムな行動を取る 最適行動のみを選択する 確率分布に基づいて行動を選択する None 130. モデルの選択において、「エンコーディング技術」を利用する際の目的は何ですか？ モデルのサイズを削減する データの次元を削減する データの前処理を行う カテゴリ変数を数値に変換して、モデルに適した形式にする None 131. 公正取引委員会の役割は何ですか？ 企業が自由に競争できるようにするための助成金を提供する 独占禁止法の遵守を監視し、違反行為に対して排除措置や罰則を課す機関 企業の価格設定を行う 企業の市場シェアを管理する None 132. L1正則化を使用した場合、モデルの重みにスパース性が生じる主な理由は何ですか？ 重みの二乗をペナルティとして追加するため バッチサイズを調整するため 重みの絶対値に基づいてペナルティを課すため 活性化関数の変更による影響 None 133. AIによる「データ駆動型政策決定」が民主主義において持つ利点は何ですか？ 政策決定がデータに基づいて行われるため、より合理的で客観的な判断が期待できる 政策が特定のデータに基づかずに決定される 政策がすべてのデータを無視して決定される AIがデータを自動で削除する None 134. 独占禁止法がAI分野において「データ独占」に適用される場合、問題となる主な理由は何ですか？ データを所有する企業が他社の市場参入を不当に制限するため データが無料で提供されるため データが適切に保護されないため データの収集方法が違法であるため None 135. ディープラーニングモデルの選択において「早期停止」の主な目的は何ですか？ 訓練時間を短縮する モデルのサイズを削減する 学習率を調整する オーバーフィッティングを防ぐため None 136. バッチ正則化（Batch Normalization）が、学習速度を向上させる理由として最も適切なのはどれですか？ モデルの出力次元を削減するため 各層の入力分布を正規化し、学習を安定化するため ドロップアウト率を調整するため 重みの初期化を最適化するため None 137. AIによる「フェイクニュースの拡散」が民主主義に与える影響は何ですか？ AIが正確な情報を広める AIがニュースを削除する AIが誤った情報を拡散し、有権者の判断に影響を与える AIが全ての情報を検閲する None 138. AIが「ギグエコノミー」に与える影響として最も適切なのはどれですか？ AIがギグワーカーの仕事の効率を向上させると同時に、労働者の保護が不十分になる可能性がある AIがギグワーカーにすべての仕事を提供する AIが全てのギグワーカーを解雇する AIがギグワーカーに無限の仕事を提供する None 139. 誤差逆伝播法において、学習率が非常に低い場合に発生する可能性がある問題はどれですか？ 勾配がゼロになる 学習の収束が遅くなる 勾配が発散する 損失関数が振動する None 140. モデルの選択において、交差検証の主な目的は何ですか？ 訓練データのサイズを増やす モデルの一般化性能を評価するため ハイパーパラメータを決定するため 学習速度を改善するため None 141. AIが「選挙の公正性」を損なう可能性がある理由は何ですか？ AIがすべての選挙結果を手動で計算する AIが全ての候補者を公平に扱うため AIが特定の候補者や有権者層に対して偏った情報を提供し、公正な選挙プロセスを妨げるため AIがすべてのデータを無視するため None 142. AI企業が取引先に対して「優越的地位の濫用」を行った場合、企業が負うリスクは何ですか？ 市場シェアの向上 営業秘密の開示 特許権の譲渡 公正取引委員会による排除措置命令と罰金 None 143. AIによる「フェイクニュースの拡散」が選挙に与える影響として正しいのはどれですか？ AIが正確な情報を提供する AIがすべての情報を削除する AIが候補者を公平に紹介する AIが誤った情報を拡散し、選挙結果に不当な影響を与える None 144. AIプロジェクトの進行において「過学習」を防ぐために使用される技術はどれですか？ データのスケーリング 学習率の増加 ドロップアウト データの削減 None 145. TransformerのDecoderにおける「マスク付きアテンション（Masked Attention）」の役割は何ですか？ 不要な情報を削除する 出力が将来のトークンに依存しないようにする 入力データの一部を無視する アテンションスコアの調整を行う None 146. AI関連のカルテルに該当する行為はどれですか？ 競合するAI企業が価格設定に関して協定を結ぶ行為 AI技術を共有する行為 AIの研究開発を共同で行う行為 AI技術を他社にライセンスする行為 None 147. 注意機構（Attention）のスコアを計算するために使用される主な手法はどれですか？ 内積（Dot Product） 和の積（Sum Product） 活性化関数 誤差逆伝播法 None 148. 誤差逆伝播法における「ミニバッチ学習」とは何ですか？ 全データを一度に使用する方法 一つのデータポイントだけを使用する方法 データを小さなバッチに分けて学習する方法 特徴量を縮小する方法 None 149. AIを用いた「オンライン投票システム」が民主主義に与えるポジティブな影響は何ですか？ AIが投票を監視するため AIが市民の利便性を向上させ、投票率を上昇させる可能性があるため AIが投票結果を削除するため AIが選挙プロセスを手動で管理するため None 150. モデルが非常に複雑な場合に適切な正則化手法はどれですか？ ドロップアウト L1正則化 L2正則化 バッチ正則化 None 151. マルチモーダル学習とは何ですか？ 単一のデータソースを使用してモデルを訓練する手法 複数の異なるデータモダリティ（例: 画像、音声、テキスト）を統合して学習する手法 異なるネットワーク構造を比較する手法 データの前処理を行う手法 None 152. AIによる「市民の意見集約」が民主主義において有効である理由は何ですか？ AIが市民の意見を無視するため AIがすべてのデータを削除するため AIが膨大な市民の意見を迅速に集約し、政策形成に反映させることができるため AIが市民に投票を促すため None 153. 独占禁止法において「不当な取引制限」とは何ですか？ 企業が自由に価格を設定する行為 競合企業が協定を結び、取引の条件を制限する行為 企業が市場に参入する行為 企業が他社と技術を共有する行為 None 154. 正則化手法として「早期停止（Early Stopping）」が特に効果的である理由として最も適切なのはどれですか？ モデルの計算コストを削減できるため トレーニングデータに対する適応を強化できるため 過学習を防ぎ、モデルの性能を最大化できるため 重みの正規化を実現できるため None 155. AIが「労働市場の公平性」に貢献するために必要な取り組みとして正しいのはどれですか？ AIが全ての労働者を無視する AIのアルゴリズムが公正かつ透明に運用されるように監視し、アルゴリズムバイアスを除去するための取り組みが必要である AIがすべての労働者を解雇する AIが全ての職業を自動で提供する None 156. 誤差逆伝播法の学習率が高すぎると、どのような影響がありますか？ 学習が遅くなる モデルが収束しない可能性がある 過剰適合が進行する モデルの精度が向上する None 157. AIが「廃棄物管理」において果たす役割はどれですか？ 廃棄物の分別やリサイクルプロセスを自動化し、効率的な資源管理を促進する すべての廃棄物を削除する 廃棄物の収集を停止する 廃棄物を全て埋め立てる None 158. グリッドサーチとランダムサーチの主な違いは何ですか？ グリッドサーチはパラメータをランダムに選ぶ グリッドサーチはすべての組み合わせを試すのに対し、ランダムサーチはランダムに選んだ組み合わせを試す ランダムサーチは必ず最適解を見つける グリッドサーチは訓練データを使用しない None 159. 二値分類において、モデルの「再現率（Recall）」が高いということは何を意味しますか？ モデルが正例を正確に予測している割合が高い モデルが負例を正確に予測している割合が高い モデルの誤分類率が低い モデルの予測精度が高い None 160. AIプロジェクトの成果物が「運用環境に適合しない」場合に起こり得る問題はどれですか？ モデルの精度が向上する プロジェクトのROI（投資収益率）が向上する モデルの再学習が不要になる システム全体のパフォーマンス低下や障害が発生する None Time's up
