G検定～模擬試験④～ 2024年12月6日 ailearn 1. マルチモーダル学習で「相補的モダリティ」とは何を指しますか？ 異なるモダリティが相互に補完し合うことで情報を強化する モダリティが互いに独立して学習されること モダリティが交互に処理されること すべてのモダリティが同じ情報を提供すること None 2. 誤差逆伝播法において、ミニバッチ学習の利点は何ですか？ メモリ使用量が増える 勾配の計算が安定する モデルの訓練速度が低下する ニューロンの数を減らす None 3. AI時代における「柔軟な働き方」の推進が労働政策で重要視される理由として適切なものを選んでください。 全ての労働者を一箇所に集める必要があるため リモートワークやフリーランス労働が拡大し、柔軟な働き方が求められるため 労働時間を固定化するため 労働者の自由を制限するため None 4. 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 5. DQN（Deep Q-Network）で使用される「経験再生（Experience Replay）」の主な目的はどれですか？ 訓練データを増やす ネットワークの重みを初期化する 報酬をリセットする データの非依存性を高め、効率的な学習を実現する None 6. 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 7. AIが「カーボンニュートラル」の実現に貢献する方法として適切なものを1つ選んでください。 温室効果ガスの排出量を予測し、削減プランを提案する 化石燃料の使用を推奨するモデルを構築する データセンターの冷却効率を低下させる 排出量削減のための取り組みを記録せず進捗を把握しない None 8. 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 9. 強化学習において、「エピソード」という用語が示すものは何ですか？ 環境内での単一の行動 状態から次の状態への遷移 エージェントが初期状態から終了状態に到達する一連の相互作用 モデルのハイパーパラメータを調整するプロセス None 10. 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 11. 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 12. Attentionスコアを計算する際に、「スケールドドットプロダクト（Scaled Dot-Product）」が使用される理由として最も適切なのはどれですか？ 計算を高速化するため 勾配消失を防ぐため スコアのスケールを調整して数値が大きくなりすぎるのを防ぐため データを正規化するため None 13. 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 14. 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 15. AIが「自動化による失業」を引き起こすリスクが高い産業はどれですか？ クリエイティブ産業 製造業や物流業など、反復的な作業が多い産業 教育産業 医療産業 None 16. 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 17. ドロップアウト正則化とは何ですか？ モデルのパラメータを増加させる手法 特徴量を減少させる手法 学習中にランダムにニューロンを無効にする手法 データを増やす手法 None 18. AIが民主主義において「デジタル独裁」を助長するリスクは何ですか？ AIがすべての市民の投票を監視する AIが民主的な選挙をサポートする AIが市民のプライバシーを保護する AIが政府による市民監視を効率化し、独裁的な体制の強化を支援するリスクがある None 19. 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 20. 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 21. モデル選択において、「バイアス・バリアンスのトレードオフ」を最適化する理由として正しいのはどれですか？ 訓練データへの適合度を最大化するため 汎化性能を向上させるため 訓練時間を短縮するため ハイパーパラメータを固定するため None 22. 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 23. 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 24. 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 25. 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 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. 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 28. AIによる「フリーランス労働者」の保護に関して最も重要な課題はどれですか？ AIが全てのフリーランス労働者を支援する AIがフリーランス労働者を監視する AIがフリーランス労働者を無視する フリーランス労働者が社会保障や健康保険などの権利を持たない可能性があるため、AI技術を用いた労働者保護の枠組みが必要である None 29. 「モダリティドロップアウト」はどのような状況で使用されますか？ すべてのモダリティを無視して学習するため 一部のモダリティが欠損している場合に学習を続けるため モダリティ間の相互作用を無視するため モダリティごとの精度を増やすため None 30. 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 31. 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 32. 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 33. どの正則化手法が特徴選択に最も適しているか？ L1正則化 L2正則化 ドロップアウト バッチ正則化 None 34. 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 35. 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 36. 独占禁止法における「合併規制」とは何ですか？ 企業が自由に合併できる権利 合併後の企業が価格を自由に設定できる権利 企業が市場から撤退する権利 合併により市場支配的地位が強化される場合、事前に公正取引委員会の承認が必要な規制 None 37. 「ボットネット攻撃」が選挙プロセスに悪影響を与える理由は何ですか？ ボットが選挙結果を自動で集計するため ボットが投票を監視するため ボットが偽情報を拡散し、世論を操作する可能性があるため ボットが投票者のプライバシーを保護するため None 38. 強化学習において「エージェント」とは何を指しますか？ 環境の状態 行動を選択して報酬を得る主体 学習アルゴリズム 状態遷移モデル None 39. AIによって「職場の安全性」が改善されるケースとして最も適切なのはどれですか？ AIが危険な作業を自動化し、労働者の安全を守ること AIが労働者を無視する AIが労働者を監視する AIがすべての仕事を消滅させる None 40. AIプロジェクトにおける「POC（Proof of Concept）」の目的は何ですか？ AIモデルの実装を完了させること プロジェクトのビジネス価値を検証すること データ収集の方法を決定すること AIツールの購入を進めること None 41. 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 42. 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 43. 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 44. 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 45. AIプロジェクトで「フェーズゲートプロセス」を導入する利点は何ですか？ 各フェーズでの進捗と品質を評価し、次のフェーズへの移行を適切に判断できる モデルのパラメータを増やす データ収集の時間を短縮する モデルのトレーニング時間を延長する None 46. 複数のAI企業が共通のアルゴリズムを利用して価格を設定し、それによって市場価格が一定水準に固定された場合、どのような独占禁止法違反に該当する可能性がありますか？ 私的独占 優越的地位の濫用 再販売価格維持 不当な取引制限（カルテル） None 47. 誤差逆伝播法において「勾配爆発問題」が発生する原因として最も適切なものはどれですか？ 学習率がゼロになるため 重みが適切に初期化されないため 活性化関数がリニアであるため 層ごとの勾配の積が大きくなるため None 48. 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 49. 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 50. AIプロジェクトで「モデルのドリフト」が発生する原因は何ですか？ モデルのチューニングが不十分なため モデルのトレーニング時間が短すぎるため 時間の経過とともにデータの分布が変化し、モデルが正しく予測できなくなるため モデルの精度が最適化されているため None 51. 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 52. 誤差逆伝播法で用いる損失関数の一例はどれですか？ 交差エントロピー損失 重み減衰 ドロップアウト アクティベーション関数 None 53. Attentionメカニズムが特に有効なタスクは次のうちどれですか？ 画像分類 自然言語処理 クラスタリング ロジスティック回帰 None 54. マルチモーダル学習における「共通潜在空間（Common Latent Space）」とは何ですか？ 各モダリティを別々に学習する空間 異なるモダリティのデータを同じ次元にマッピングする空間 モダリティのデータを圧縮する空間 モダリティのデータをドロップアウトする空間 None 55. 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 56. AIが「環境規制の遵守」において果たす役割は何ですか？ AIが規制を無視する AIが企業や組織の環境規制の遵守状況を監視し、違反を早期に検出する AIが規制を強化する AIが全ての規制を削除する None 57. 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 58. 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 59. 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 60. ソフトアテンションとハードアテンションの違いは何ですか？ ソフトアテンションは離散的、ハードアテンションは連続的 ソフトアテンションは確率的重み付け、ハードアテンションは1つの部分に完全に注目 ハードアテンションは出力を無視する 両者に大きな違いはない None 61. 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 62. マルチモーダル学習のタスクにおいて、エラーが発生しやすい要因として考えられるのはどれですか？ データが大量であること モデルが小さいこと モダリティ間の非同期性やデータの欠落 データが多様でないこと None 63. 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 64. 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 65. 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 66. Transformerモデルにおける「デコーダー」の主な役割は何ですか？ 出力シーケンスを生成する 入力データをエンコードする 重みを学習する 勾配を更新する None 67. AI技術が「都市計画」において環境保護に貢献する方法はどれですか？ 全ての建物を自動で建設する 都市の人口を増加させる 都市の交通やエネルギー消費を最適化し、持続可能な都市を設計する AIが全ての都市データを削除する None 68. AIを利用した「デジタルガバメント」の普及が進む中で、どのように民主主義が影響を受ける可能性がありますか？ 政府の効率が低下する 政府がAIを通じて市民の声を迅速に反映し、政策形成に役立てることができる 政府がAIに依存して意思決定を行わなくなる AIが市民の意見を無視するようになる None 69. BERTのようなトランスフォーマーモデルがマルチモーダル学習に活用される理由は何ですか？ 音声認識精度を向上させるため モダリティごとのデータを圧縮できるため テキストデータと他のモダリティの関係を効率的に学習できるため モデルのパラメータを減少させるため None 70. 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 71. 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 72. 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 73. 強化学習において「ハイパーパラメータの調整」で重要な項目は何ですか？ 環境の状態数 エピソードの長さ Q値の初期値 学習率や割引率、探索率 None 74. 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 75. 正則化手法の選択において重要なポイントは何ですか？ データセットのサイズ モデルの目的 計算リソースの制約 全ての選択肢 None 76. AIが民主主義に悪影響を与える「情報操作」の一例として、適切なのはどれですか？ AIが正確なデータを提供する AIが特定の情報を意図的に拡散し、世論を操作する AIが全てのデータを削除する AIが選挙の透明性を向上させる None 77. 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 78. 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 79. バッチ正則化の主な目的は何ですか？ データセットを増やすこと 学習率を安定化させること ニューロンの数を減らすこと 外れ値を削除すること None 80. 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 81. 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 82. 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 83. AIの進展により「労働市場の分極化」が進む可能性がある理由は何ですか？ AIがすべての仕事を統一するため 高スキルの職と低スキルの職の格差が広がるため AIが全ての労働者を保護するため AIがすべての賃金を平等にするため None 84. 正則化の主な目的は何ですか？ 学習速度を向上させること モデルの過剰適合を防ぐこと 訓練データを増やすこと モデルの複雑さを増すこと None 85. 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 86. 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 87. AIを活用した「リモートワーク」の普及が労働政策に与える影響として適切なのはどれですか？ 労働者の全ての権利が自動的に保護される AIが全ての労働者を直接監視する 労働者の賃金が必ず上昇する 労働環境が柔軟になり、ワークライフバランスが向上する可能性がある None 88. マルチモーダル学習において「アテンションメカニズム」が導入される理由は何ですか？ 各モダリティ間の関連性に重みを付けて学習するため モダリティ間の非同期データを処理するため データのノイズを除去するため モデルのパラメータ数を減少させるため None 89. 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 90. モデルの選択において、エッジケースを考慮する理由は何ですか？ モデルのサイズを決定するため モデルが様々な状況に適応できるかを確認するため データの前処理を行うため 学習速度を上げるため None 91. AIプロジェクトにおいて、モデル運用後に「継続的モニタリング」が求められる理由はどれですか？ モデルの性能低下やデータドリフトを検出し、適切な対策を講じるため モデルの精度が常に向上するよう調整するため モデルを廃止するタイミングを決定するため 新しいモデルをすぐに導入するため None 92. 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 93. 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 94. 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 95. AIプロジェクトにおいて「プロジェクトゴール」を文書化する主な理由はどれですか？ 法的な問題を回避するため スコープの変更を容易にするため ステークホルダー間の目標共有を確実にするため プロジェクトメンバーを増員するため None 96. 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 97. 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 98. どの正則化手法が最も計算コストが低いと考えられていますか？ L1正則化 ドロップアウト L2正則化 バッチ正則化 None 99. 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 100. 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 101. 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 102. 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 103. 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 104. Attentionスコアは何を表しますか？ 入力データに対する注目度の度合い 各層の出力の重み 学習率の大きさ 出力層の誤差 None 105. 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 106. 大規模AIモデルのトレーニングが環境に与える影響を軽減するための技術的アプローチとして最も適切なものを選んでください。 トレーニングに必要なデータ量を無制限に増やす 軽量化されたモデルを使用し、計算負荷を低減する 電力消費の多い地域にデータセンターを集約する 高性能なAIモデルのみを運用する None 107. 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 108. 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 109. AIプロジェクトにおいて、なぜ「データガバナンス」が重要視されるのですか？ モデルの精度を向上させるため モデルのトレーニングを加速させるため データのスケールを調整するため データの管理と利用が法律や規制に適合していることを確認するため None 110. 強化学習における「方策（ポリシー）」の役割は何ですか？ 特定の状態における行動選択のルール エージェントが受け取る報酬を決定する 環境の遷移を管理する 学習アルゴリズムの一部 None 111. 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 112. 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 113. 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 114. 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 115. 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 116. 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 117. 誤差逆伝播法における「連鎖律」を適用する主な目的は何ですか？ ネットワーク全体の勾配を効率的に計算するため 学習率を動的に変更するため 損失関数を最適化するため 勾配消失を完全に防ぐため None 118. 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 119. 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 120. 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 121. 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 122. 誤差逆伝播法で計算される勾配は、どのようにして求められますか？ 順伝播計算を行う 偏微分を用いる フィッティング関数を適用する 特徴量の平均を取る None 123. 「ソフトマックス関数」は、Attentionメカニズムにおいてどのように使用されますか？ 入力データの正規化 アテンションスコアを確率分布に変換し、重み付けに使用する 学習率の調整 勾配消失問題を防ぐ None 124. AIが「廃棄物削減」に貢献する方法として正しいのはどれですか？ AIが全ての廃棄物を隠す AIが廃棄物の分別やリサイクルを最適化し、廃棄物の発生量を削減する AIが廃棄物を無視する AIが廃棄物を増加させる None 125. マルチモーダルモデルの一例として、画像からテキストを生成するモデルの名称は何ですか？ 画像分類モデル 画像キャプション生成モデル 自然言語処理モデル 音声認識モデル None 126. AIが「自然災害の影響予測」において果たす役割として正しいのはどれですか？ AIが災害を引き起こす AIが災害の影響を無視する AIが全ての災害データを削除する AIが気象データや地震データを分析し、自然災害の発生リスクを予測する None 127. 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 128. 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 129. 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 130. AI技術を持つ企業が、市場で競争を排除するために「排他的取引契約」を結ぶことは、独占禁止法に違反する可能性がありますか？ はい、特定の取引先にのみAI技術を提供する行為は競争を制限する可能性がある いいえ、取引契約は自由に結ぶことができる はい、AI技術を他社に無償で提供する場合のみ違反となる いいえ、独占禁止法は取引契約には適用されない None 131. モデルの評価指標として「精度（Accuracy）」が使用されるのはどのような場合ですか？ クラスのバランスがとれている分類問題 データの欠損が多い場合 クラスに偏りがある分類問題 精度よりも再現率が重要な場合 None 132. 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 133. 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 134. 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 135. 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 136. AIを使った「環境モニタリングシステム」の目的は何ですか？ 環境データを削除すること 全ての環境データを隠すこと AIが自動で自然を修復すること 環境状況をリアルタイムで監視し、汚染や森林伐採などの環境変化を早期に検知すること None 137. 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 138. Transformerモデルでの「位置エンコーディング（Positional Encoding）」の目的は何ですか？ データの次元を削減するため 各入力の位置情報を保持し、順序を考慮するため 学習率を調整するため 重みの初期化を行うため None 139. 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 140. AIの発展により「技能再教育」が必要とされる理由は何ですか？ AIが全てのスキルを自動化するため AIが全ての仕事を消滅させるため AIが労働者のスキルを無視するため AIが新たな職種や高度なスキルを求める一方で、従来のスキルが不要になるため None 141. ある分類モデルがトレーニングデータに対して非常に高い精度を示す一方で、テストデータに対しては低い精度を示す場合、このモデルはどのような問題を抱えていると考えられますか？ アンダーフィッティング オーバーフィッティング 過剰バイアス ハイパーパラメータの適切な設定 None 142. 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 143. 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 144. 「市場支配的地位の乱用」に該当する行為はどれですか？ 競合企業と協力して事業を拡大すること 競合企業の商品を販売すること 市場で支配的な地位にある企業が、不当に競争を排除する行為 企業が他社と技術を共有すること None 145. 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 146. 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 147. 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 148. 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 149. 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 150. AIプロジェクトで「ステークホルダーの期待値を適切に管理する」ために重要な方法として最も適切なものはどれですか？ 実現可能な範囲内でプロジェクトの目標を明確に定義する 期待値を無視してプロジェクトを進める 全ての要望を受け入れる 定期的なミーティングを避ける None 151. 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 152. 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 153. 誤差逆伝播法における「勾配消失問題」とは何ですか？ 勾配が小さくなりすぎてパラメータの更新が行われなくなること 学習速度が遅くなること 重みが大きくなりすぎること モデルの精度が低下すること None 154. 「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 155. 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 156. AI企業が市場での競争を抑制するために、競合他社との価格競争を避けるための協定を結んだ場合、どのような罰則が科される可能性がありますか？ 営業秘密の保護強化 特許権の取得 市場支配権の強化 公正取引委員会による排除措置命令と罰金 None 157. 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 158. マルチモーダルAIのデータ統合手法として、「ハイブリッド統合（Hybrid Fusion）」の主な利点は何ですか？ モダリティごとの独立した解析が可能になる 複数の統合戦略を組み合わせて柔軟性を高める モデルの複雑性を大幅に低減する データ前処理の手間を省く None 159. 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 160. あるデータセットにおいてクラスの不均衡が存在する場合、モデルの評価指標としてどの指標を優先すべきですか？ F1スコア 精度 MSE（平均二乗誤差） 交差エントロピー損失 None Time's up
