G検定～模擬試験④～ 2024年12月6日 ailearn 1. 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 2. 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 3. 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 4. ドロップアウトの目的は何ですか？ モデルの複雑さを増す 学習を加速する 特徴選択を行う 過剰適合を防ぐ None 5. マルチモーダルモデルの評価指標としてよく使われるのはどれですか？ クロスエントロピー 精度（Accuracy） BLEUスコア F1スコア None 6. 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 7. 「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 8. 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 9. 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 10. 正則化における「パラメータの重み減衰」とは何を指しますか？ モデルの複雑さを増やすこと モデルのパラメータを大きくすること モデルのパラメータを小さくすること 学習率を上げること None 11. AIが「フェイクニュースの検出」に利用される場合、その主な目的として最も適切なものを選んでください。 情報操作を助長するため 偽情報を特定し、民主主義の信頼性を維持するため 政治的プロパガンダを強化するため 有権者の投票行動を強制するため None 12. 次の状況において、どの正則化手法が最も適切ですか？特に外れ値の影響を軽減したい回帰問題 L1正則化 L2正則化 ドロップアウト バッチ正則化 None 13. 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 14. 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 15. 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 16. 強化学習のタスクにおいて、エピソードの長さを短く設定することにはどのような利点がありますか？ 報酬が得られる頻度が減る 環境の状態が複雑になる 行動選択の難易度が上がる 学習が早く進む可能性がある None 17. 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 18. 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 19. 誤差逆伝播法が適用されるネットワークにおいて、隠れ層の数が多い場合、何が懸念されますか？ 学習速度が速くなる 計算コストが低くなる 過剰適合のリスクが増える モデルの解釈が容易になる None 20. モデルの選択において、ハイパーパラメータチューニングの目的は何ですか？ モデルの性能を最適化するため 訓練データを増やす モデルの構造を変更するため データの前処理を行うため None 21. 誤差逆伝播法で使用されるアクティベーション関数の役割は何ですか？ モデルの精度を高める 出力を正規化する 非線形性を導入する 学習率を調整する None 22. 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 23. 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 24. 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 25. 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 26. モデルの評価において「混同行列」とは何ですか？ モデルのパラメータを一覧化したもの 学習データの分布を示す図 分類問題の結果を視覚化した表 モデルのハイパーパラメータを記録する表 None 27. 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 28. 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 29. DQN（Deep Q-Network）の特徴として正しいものはどれですか？ Q値を直接テーブルに保存する 環境モデルを使用する 行動選択が完全にランダムである ニューラルネットワークを用いてQ値を近似する None 30. 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 31. 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 32. 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 33. Self-Attentionが畳み込み層と異なる点はどれですか？ Self-Attentionは局所的な情報のみを扱う Self-Attentionは画像データに適用されない Self-Attentionは順序情報を考慮しない Self-Attentionはグローバルな情報に焦点を当てる None 34. 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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 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 41. 「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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. 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 50. 強化学習タスクで「割引率（Discount Factor）」が1に近い場合、エージェントの行動にどのような影響を与えますか？ 長期的な報酬を考慮する行動を取る 即時報酬を優先する行動を取る 短期的な報酬のみを考慮する 行動方針がランダムになる None 51. 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 52. 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 53. DQNアルゴリズムを使って複雑な環境でエージェントを訓練する際、リプレイバッファのサンプリング戦略として最も効果的な方法はどれですか？ 優先サンプリングを行う ランダムサンプリングを行う 全ての経験を均等にサンプリングする 環境の最新の経験のみを使用する None 54. 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 55. 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 56. 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 57. 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 58. 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 59. 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 60. 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 61. 強化学習における「価値関数（Value Function）」の主な役割はどれですか？ 各状態での即時報酬を予測する 各行動の最適な遷移確率を計算する 各状態または状態-行動ペアの長期的な累積報酬を評価する 探索と活用のバランスを調整する None 62. 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 63. 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 64. 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 65. 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 66. 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 67. 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 68. どのような場合にドロップアウトを使用するのが効果的ですか？ データが少ない場合 モデルが非常に単純な場合 モデルが非常に複雑な場合 モデルのパラメータが固定されている場合 None 69. 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 70. 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 71. 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 72. 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 73. 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 74. 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 75. 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 76. 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 77. 「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 78. 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 79. Self-Attentionが畳み込み層（CNN）に比べて特に優れている点として最も適切なのはどれですか？ 空間的な関係を直接学習できるため 並列処理が可能なため 長距離依存関係を直接学習できるため ノイズ耐性が高いため None 80. 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 81. 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 82. 「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 83. 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 84. 「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 85. 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 86. 誤差逆伝播法のトレーニング中に注意すべき「過剰適合」を防ぐための手法はどれですか？ アクティベーション関数を選択する 訓練データを増やす 正則化を適用する 学習率を調整する None 87. 誤差逆伝播法において「ミニバッチ学習」が採用される主な理由はどれですか？ 計算コストを削減し、安定した勾配を得るため 勾配消失を完全に防ぐため 学習率を大幅に減少させるため 重みの更新回数を増加させるため None 88. 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 89. 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 90. AIの導入によって労働者の「心理的負担」が増加する可能性がある理由は何ですか？ AIが全ての労働者の心をケアするため AIによる労働者の監視や生産性向上の圧力が、ストレスや不安を引き起こす可能性があるため AIが労働者の仕事を減らすため AIがすべての仕事を手動で行うため None 91. 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 92. 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 93. 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 94. 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 95. 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 96. 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 97. 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 98. 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 99. 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 100. 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 101. 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 102. マルチモーダル学習における「中間統合（Intermediate Fusion）」の特徴は何ですか？ モダリティの特徴を複数の段階で統合する すべてのモダリティのデータを最初に統合する モダリティごとに個別に学習し、最後に統合する モダリティを同時に処理するが別々の出力を得る None 103. 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 104. AIプロジェクトにおける「デプロイ」とは何ですか？ モデルの学習プロセス 開発したモデルを本番環境に導入し、運用すること モデルの評価を行うプロセス データ収集を開始すること None 105. 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 106. 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 107. AIプロジェクトを成功させるために、クロスファンクショナルチームの重要性は何ですか？ すべてのメンバーがデータサイエンスの専門家であるため 開発コストを削減するため データ収集に特化したチームを構成するため 技術面だけでなく、ビジネス面や法的要件などの多角的な視点が必要なため None 108. 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 109. 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 110. 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 111. 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 112. 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 113. 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 114. 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 115. 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 116. 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 117. 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 118. 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 119. 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 120. 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 121. 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 122. 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 123. モデルの評価において、「リーブワンアウト交差検証（LOOCV）」の特徴として正しいものはどれですか？ データセットを小さなグループに分割して交差検証を行う データセット全体をトレーニングに使用し、モデルを評価しない 各サンプルを1つずつテストデータとして使用し、残りをトレーニングデータとして使用する テストデータを固定して、トレーニングデータをランダムに選択する None 124. 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 125. 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 126. マルチモーダルモデルにおける「補完的学習」の利点は何ですか？ 異なるモダリティのデータから得られる情報を補完し合い、モデルの精度を向上させる すべてのモダリティのデータを無視して学習する モダリティのデータを統一して学習する 学習の速度を増加させる None 127. AIが「賃金格差」の拡大に寄与する可能性がある理由は何ですか？ AIが全ての賃金を平等にするため AIがすべての賃金を自動で管理するため AIが高スキルの労働者に対して高賃金を提供する一方、低スキルの労働者は賃金が減少する可能性があるため AIが労働者の賃金を無視するため None 128. 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 129. 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 130. 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 131. 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 132. AIが民主主義の透明性を確保するために役立つと考えられる理由として最も適切なものを選んでください。 AIがすべての意思決定を自動化するから データ分析による政策の根拠を市民に示すことができるから AIが市民の意見を完全に排除するから 政策決定プロセスを非公開にできるから None 133. 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 134. 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 135. 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 136. AI関連技術の市場での独占が「私的独占」に該当するかどうかを判断する際に、考慮されるべき要素は何ですか？ 企業の売上高 市場での競争が排除されているかどうか AI技術の複雑さ 技術の国際的な影響 None 137. ドロップアウト率を高く設定すると、どのような影響がありますか？ モデルの精度が向上する 学習が遅くなる モデルのパフォーマンスが低下する可能性がある モデルのメモリ使用量が減少する None 138. 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 139. 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 140. 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 141. 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 142. 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 143. 「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 144. 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 145. 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 146. 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 147. 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 148. 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 149. 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 150. 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 151. DQNアルゴリズムで使用される「固定ターゲットネットワーク」の主な目的は何ですか？ エージェントの行動を制御するため Q値の更新を安定化させるため 環境の報酬を固定するため モデルの学習速度を上げるため None 152. 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 153. 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 154. 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 155. AIによる「海洋汚染の監視」のメリットは何ですか？ AIが海洋環境を継続的に監視し、汚染源を特定しやすくする AIが全ての汚染を隠す AIが全ての海洋データを削除する AIが海洋汚染を促進する None 156. L1正則化を使用するとどのような効果がありますか？ 特徴選択を促進する 重みを均等に減少させる モデルのパラメータ数を増加させる 学習速度を遅くする None 157. AI技術を活用して循環型経済を促進する取り組みとして最も適切なものを選んでください。 廃棄物を処理せずにそのまま埋め立てる リサイクルに関するデータを収集しない 循環型経済のプロセスにAIを導入しない 廃棄物の分別をAIが効率的に行い、リサイクル率を向上させる None 158. 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 159. 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 160. 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 Time's up
