G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. 次のうち、AIに関連するバイアスの問題として最も正しいものはどれか。 AIが特定のデータセットに依存することで、偏った結論を出すリスクがある AIはすべてのデータを平等に処理するため、バイアスの影響はない AIはバイアスを意図的に除去するため、常に公平な結果を導き出す バイアスはAIの計算速度を遅くする原因となる None 2. 変分オートエンコーダ（VAE）の損失関数に含まれる「KLダイバージェンス」は何を表しますか？ モデルの誤差を最小化する値 出力層での分類精度 活性化関数の変化量 潜在変数の確率分布と正規分布との違い None 3. 大規模な高次元データセットに対して、次元削減を行った後にクラスタリングを実施したい場合、適切な順序はどれですか？ 次元削減を先に行い、次にクラスタリングを行う クラスタリングを先に行い、次に次元削減を行う 同時に次元削減とクラスタリングを行う 次元削減は不要で、クラスタリングのみを行う None 4. 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 5. データ拡張において、ランダムクロッピング（Random Cropping）は何を行いますか？ 画像全体を小さくする 画像の一部を拡大する 画像の一部をランダムに切り取る 画像を水平反転する None 6. 著作権法における「著作隣接権」とは何ですか？ 著作物を複製する権利 著作物を商業的に利用する権利 著作物そのものではなく、著作物を伝達する者に与えられる権利 著作物を削除する権利 None 7. 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 8. AIが金融分野で透明性を持たずに運用されると、どのようなリスクがありますか？ AIの判断がブラックボックス化し、投資家や規制当局がその判断を追跡できず、金融市場に混乱をもたらすリスク AIが投資判断を自動で行う AIがすべてのデータを削除する AIが自動でトランザクションを処理する None 9. 次のうち、強化学習における基本的な要素として最も適切なものはどれか。 AIはデータをもとに教師あり学習を行う AIはラベルなしのデータをクラスタリングする AIは環境との相互作用を通じて報酬を基に行動を学ぶ AIは定義されたルールに従って動作する None 10. バッチ正規化（Batch Normalization）を使用する主な利点は何ですか？ 学習のスピードが向上する モデルのパラメータが減少する 過剰適合が防がれる ニューラルネットワークの深さが減少する None 11. 教師あり学習で、モデルの性能が非常に高い訓練データにのみ適用され、テストデータや実データに対しての性能が低下する現象を何と呼びますか？ 正則化 アンダーフィッティング 過学習 グリッドサーチ None 12. 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 13. RNNで使用される「時間ステップ」とは何を指しますか？ 各レイヤー間の重みの更新タイミング モデルのパラメータ数 モデルが収束するまでの期間 シーケンス内の各データポイントに対する処理の単位 None 14. 個人情報の「第三者提供」に関して、本人の同意が不要となる例外はどのような場合ですか？ 公共の利益を目的とする場合や、法令に基づいて情報提供が必要な場合 個人情報が匿名化されていない場合 企業が他の企業に個人情報を売買する場合 本人が情報提供を拒否した場合 None 15. 自動運転車におけるAIのセキュリティ対策として、リアルタイムでの「異常検知システム」が必要な理由は何ですか？ 自動運転車がより高速に走行するため 自動運転車が予期しない障害や攻撃に対して即座に対応できるようにするため 自動運転車が自己修復機能を持つため 自動運転車が常に最新のソフトウェアを使用するため None 16. 深層強化学習における「行動価値関数（Action-Value Function）」とは何ですか？ 行動を選択する確率を示す関数 報酬の割引率を計算する関数 環境の状態を変化させる関数 状態と行動のペアに対する期待される報酬の総和を示す関数 None 17. 勾配降下法（Gradient Descent）の目的は何か？ 訓練データをランダムにシャッフルする モデルの出力を正規化する 次元削減を行うためにデータを変換する コスト関数を最小化するためにモデルのパラメータを更新する None 18. 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 19. 不正競争防止法における「営業秘密」の定義に該当しないものはどれですか？ 適切に管理されていない公開されている情報 公に知られておらず、管理されている有用な情報 営業上の利益を生む情報 技術的または営業上の情報 None 20. 教師なし学習の目的として最も適切なものはどれですか？ データにラベルを付ける データの構造を発見する ラベル付きデータを分類する データを回帰モデルに適用する None 21. 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 22. 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 23. プーリング層の主な目的は何ですか？ データの次元を削減すること 勾配消失を防ぐこと 特徴量を増加させること 重みを学習すること None 24. データの収集において「データプライバシー法（例: GDPR）」に従わない場合のリスクは何ですか？ データの質が低下する 法的な制裁を受ける可能性がある モデルの精度が低下する データ量が減少する None 25. AIを利用する企業が、プライバシー保護のために講じるべき措置として適切なものはどれですか？ AIアルゴリズムの公開 データ収集を完全に行わないこと データを第三者に無制限に提供すること ユーザーに対してプライバシーポリシーを提供し、データの収集と使用に関して説明すること None 26. オートエンコーダの出力層は何を生成しますか？ クラスラベル 元の入力データの再構築 データの次元削減結果 活性化関数の値 None 27. 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 28. 畳み込み層で「グローバル平均プーリング」を使用する利点は何ですか？ モデルの精度が向上する 特徴量を増加させる 計算量が減少する 高次元のデータを扱う None 29. AIシステムのセキュリティリスクを評価するために使用される「リスクベースアプローチ」とは何ですか？ AIシステムが遭遇する可能性のあるリスクを無視すること 全てのリスクに同じ対応を行うこと リスクを完全に排除すること 発生し得るリスクを特定し、その重大性に応じて対応策を講じるアプローチ None 30. AIによる意思決定における透明性の問題として、最も適切なものはどれか。 AIは意思決定のプロセスを常に公開しており、透明性は問題にならない AIの意思決定プロセスは常に一貫しており、説明可能である AIがどのような判断を行ったかを説明できないことがあり、透明性が問題になる AIは人間の意思決定を模倣するため、透明性の問題はない None 31. AIを用いた金融取引システムにおける「機密性、完全性、可用性（CIA）」の原則とは何ですか？ データが機密で、完全であり、必要な時に利用可能であること データがすべて公開されていること データが常に暗号化されていること データが自動的に削除されること None 32. 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 33. ResNetの残差ブロックにおける「恒等写像（Identity Mapping）」は何を意味しますか？ 各層で出力を倍にすること 各層の出力をそのまま次の層に渡すこと 各層で重みをゼロに設定すること 入力層と出力層を直接結合すること None 34. ニューラルネットワークにおける「エポック」とは何か？ 全ての訓練データを1回モデルに通した回数 モデルの構造を決定するためのプロセス データの前処理手順の一つ モデルの性能を評価する指標 None 35. モデルの軽量化の手法として「プルーニング（Pruning）」とは何ですか？ 不必要なパラメータやニューロンを削除する手法 モデルの構造を複雑化する手法 データセットを増やす手法 学習率を変更する手法 None 36. CNNにおける「フィルター」とは何ですか？ 入力データを正規化するための関数 パラメータの初期化を行う関数 画像の局所的な特徴を捉えるカーネル 勾配消失問題を解決するための手法 None 37. 畳み込み層の出力が高次元データの場合、次の層に何を使って接続することが一般的ですか？ 全結合層 プーリング層 リカレント層 フィルター層 None 38. モデル解釈性を向上させるための代表的な手法の一つとして「注意機構（Attention Mechanism）」があるが、その主な目的は何ですか？ モデルの計算速度を向上させる モデルがどの特徴に注目しているかを明示する モデルのパラメータを削減する モデルの正則化を行う None 39. 階層型クラスタリングでは、クラスタリングの結果をどのように表現することができますか？ 散布図 t-SNEプロット 混同行列 デンドログラム None 40. 推論エンジンにおいて、前向き推論と後ろ向き推論の違いはどれか？ 前向き推論は結論から推論を行う 後ろ向き推論は前提条件から結論を導く 前向き推論はデータから結論を導く 後ろ向き推論は仮説からデータを探す None 41. スキップ結合の主な目的は何ですか？ 勾配消失問題を解消すること モデルのパラメータ数を増やすこと ニューラルネットワークの出力を増加させること 学習率を調整すること None 42. AIにおける「敵対的攻撃（Adversarial Attack）」とは何を指しますか？ AIシステムの処理速度を高める技術 AIシステムの物理的破壊 AIシステムの更新プロセス AIモデルに意図的な誤情報を与え、誤った予測や判断をさせる攻撃 None 43. AI技術の発展に伴い、特許の「進歩性」を証明するための新しい課題とは何ですか？ AI技術が急速に進化するため、既存技術との違いを明確にすることが難しくなっている AI技術は常に特許の対象とならないため AI技術は特許法の枠外であるため AI技術は特許を取得する際に商業的利用が難しいため None 44. Parametric ReLU（PReLU）で、パラメータを学習することで得られる利点は何ですか？ ReLUを完全に無効化できる 負の入力に対する勾配を学習して最適化できる 訓練データの前処理を行う 勾配爆発を防ぐ None 45. グラフ探索において、サイクル（循環）が存在する場合にどのように処理するか、最も適切な方法はどれか。 サイクルを無視して探索を続ける サイクルを検出したら、即座に探索を中断する サイクルを検出したら、そのノードを再度訪問しないようにする サイクルを検出することは不可能である None 46. 「営業秘密の不正取得」に該当する行為はどれですか？ 公開された技術情報を使用すること 合法的に取得した営業秘密を使用すること ハッキングなど不正な手段で営業秘密を入手すること 営業秘密を守るための契約を結ぶこと None 47. AIの透明性が規制されるべき理由として正しいのはどれですか？ AIが効率的に動作しない場合があるため AIのアルゴリズムが公開されていないと、バイアスや不公正な判断が行われる可能性があるため AIが自動でデータを削除するため AIがすべての判断を手動で行う必要があるため None 48. 個人情報の「匿名化処理」とは何を指しますか？ データを削除すること データを暗号化すること 利用目的を変更すること 個人を特定できない形に情報を加工すること None 49. 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 50. AIが犯罪組織によって悪用されるリスクは何ですか？ AIが自動的に犯罪を防止する AIが常に正確なデータを提供する AIが犯罪者を特定する AIが犯罪の計画や実行を自動化し、効率化するリスクがある None 51. 畳み込み層の活性化関数として一般的に使用されるものはどれですか？ シグモイド関数 Tanh関数 ReLU関数 全ての選択肢 None 52. 「Attentionメカニズム」の主な役割は何ですか？ データの正規化 テキスト内の重要な情報に焦点を当て、関係の強い単語に注目する 勾配の計算を高速化する 文書をクラスタリングする None 53. AIが関与する著作権の問題として、最も適切なものはどれか。 AIが生成した作品に著作権は存在しない AIが生成した作品の著作権は、そのAIを開発したプログラマーが持つ AIが生成した作品に関する著作権問題は、明確な法的枠組みが存在しない AIが生成した作品は常に公共の財産として扱われる None 54. ディープラーニングで使用される「ReLU（Rectified Linear Unit）」の特徴はどれか？ 入力が負の値の場合、0を出力する 入力が0以上の値の場合、負の数を出力する 勾配消失問題を引き起こす 入力に対して常に同じ値を返す None 55. BERTモデルの事前学習において「次文予測（Next Sentence Prediction, NSP）」が行われる理由は何ですか？ モデルが文の長さを予測するため モデルが文の順序を学習するため モデルが複数の文書を要約するため モデルが文の感情を解析するため None 56. a b c d None 57. バッチ正規化の主な目的は何ですか？ 内部表現の分布を安定させ、学習を加速させる モデルのパラメータを更新する データの次元を削減する 訓練データのサイズを増やす None 58. 教師あり学習における「決定木（Decision Tree）」の利点として最も適切なものはどれですか？ 訓練が非常に高速である 多数のクラスに対して優れた性能を発揮する ハイパーパラメータの調整が不要である 結果の解釈が容易で、説明しやすい None 59. 特許出願に関して、出願後に行う「特許請求の範囲」とは何を示しますか？ 発明の技術的範囲を定義し、特許として保護される部分 特許の公開範囲 特許権の譲渡範囲 特許庁への申請書の範囲 None 60. A*アルゴリズムにおいて、ヒューリスティック関数はどのように使用されるか。 次に探索するノードをランダムに選ぶために使用される 現在のノードからゴールまでの予想コストを見積もるために使用される ノードの重み付けを決定し、最適な道を選ぶために使用される 探索が終了する条件を設定するために使用される None 61. スキップ結合は、どのようなニューラルネットワークに最も適していますか？ 浅いネットワーク 深層ネットワーク 生成モデル 強化学習モデル None 62. CNNにおける「バッチ正規化（Batch Normalization）」の主な役割は何ですか？ 勾配消失問題を解決する モデルのサイズを削減する 出力層の活性化関数を調整する 各ミニバッチごとにデータを正規化し、トレーニングを安定させる None 63. プライバシーの観点から、AIシステムが利用者の同意を得てデータを処理する場合、どのような条件が必要ですか？ データの処理が常に自動的に行われること 利用者が十分な情報を基に自発的に同意を与えること データ処理が無期限に続くこと データの一部を公開すること None 64. 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 65. AIアルゴリズムの特許取得において、最も考慮すべき点はどれですか？ アルゴリズムが公開されているかどうか アルゴリズムが商業利用されているかどうか アルゴリズムが他国で使用されているかどうか アルゴリズム自体が特許法に基づく発明として認められるかどうか None 66. 「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 67. t-SNEやPCAを使った次元削減後に、データを視覚化し、クラスタの傾向が見られたとします。この視覚化結果を基にさらに分析を深めるために有効な方法はどれですか？ 非負行列因子分解を行う K-meansクラスタリングでグループを明確に分ける エルボー法を適用して最適な次元数を見つける ランダムフォレストを適用して分類する None 68. 個人情報保護法に基づく「開示請求」とは何ですか？ 企業が自発的に個人情報を公開すること 本人が自分の個人情報の開示を企業に請求できる権利 個人情報を第三者に提供する手続き 個人情報の削除を企業に求めること None 69. オンザフライデータ拡張の利点は何ですか？ データ拡張を事前に行うことで、計算資源を節約できる データセットを圧縮する データの正規化を行う トレーニング中にリアルタイムで異なるデータバリエーションを提供し、モデルがより多様なデータを学習できる None 70. 全結合層を用いる場合、過剰適合を防ぐためにどのような手法が効果的ですか？ データ拡張 バッチ正則化 重みの初期化 活性化関数の選択 None 71. 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 72. AIの「差別的なアルゴリズム設計」が問題となる理由は何ですか？ AIが自動でデータを削除するため AIがすべての人に同じ結果を提供するため AIが複雑なデータを処理できないため AIが特定の人種や性別に対して偏見を持つ判断を下す可能性があるため None 73. ファインチューニングを行う際に「凍結された層」を再び解凍して学習させるべき状況はどのような場合ですか？ モデルが過学習している場合 新しいデータセットが非常に小さい場合 学習率が高すぎる場合 新しいタスクが元のタスクと大きく異なる場合 None 74. 「データのスケーリング」を行わないと発生する問題は何ですか？ モデルの学習が収束しない可能性がある モデルの複雑さが増す データが削除される モデルのパラメータ数が増える None 75. 誤差関数が不適切な場合、どのような問題が生じる可能性がありますか？ モデルの学習が遅くなる 学習が収束しない モデルが過剰適合する すべての選択肢が該当する None 76. AIプロジェクトでデータ収集を行う際に重要なことは何ですか？ データ量が多ければよい データの質と目的に合った適切な収集が行われていること データの前処理を行う前にすべてのデータを削除すること モデルの選定を先に行うこと None 77. AIによる「敵対的生成ネットワーク（GAN）」がフェイクニュースの作成に悪用された場合、どのような影響が考えられますか？ AIが誤ってニュースを削除する AIが非常にリアルな虚偽情報を生成し、社会的混乱を引き起こす可能性がある AIがニュースを公開しない AIがニュースの信頼性を高める None 78. 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 79. 最大プーリングを使用することで得られる主な利点は何ですか？ 局所的な特徴が強調される 全ての情報が均等に反映される モデルの計算負荷が増加する 勾配消失が防がれる None 80. スキップ結合を使うことで、ネットワークの性能が悪化する可能性がある状況はどれですか？ スキップ結合を多用しすぎた場合 活性化関数を間違えた場合 学習率が高すぎる場合 いずれも正しくない None 81. モデルの軽量化において「量子化（Quantization）」の役割は何ですか？ モデルの精度を向上させる モデルの計算精度を低下させる モデルのパラメータを低精度な数値に置き換えることで計算コストを削減する モデルの訓練時間を増やす None 82. 全結合層の出力を生成する際に注意すべき点は何ですか？ 重みの初期化方法 アクティベーション関数の選択 データの前処理 すべての選択肢 None 83. 最適化手法において「Nesterov Accelerated Gradient（NAG）」の特徴は何ですか？ 勾配を更新する前に予測を行う 学習率が常に一定である バッチサイズを小さくすること モデルの複雑さを増すこと None 84. AIによる「フィッシング詐欺メール」の生成が高度化した場合、どのようなリスクが増加しますか？ AIがメールを削除する AIが詐欺メールを削除する AIが非常に巧妙な詐欺メールを自動で生成し、個人情報の盗難や経済的損失が増加するリスク AIがプライバシーを保護する None 85. バッチ正規化における「ガンマ（γ）」と「ベータ（β）」の役割は何ですか？ 勾配の更新を調整する 正規化後の出力を再スケーリング、再シフトする ニューラルネットワークの深さを調整する 学習率を調整する None 86. 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 87. WaveNetが従来の音声合成技術に比べて優れている点は何ですか？ 音声波形を直接生成することで、非常に自然な音声を生成できる 音声データの圧縮効率が高い 音声信号のノイズを完全に除去できる 計算速度が非常に速い None 88. 「ベイズ推定」とはどのような方法ですか？ データの次元削減を行う手法 確率分布を均一にする手法 データの標準化を行う手法 事前確率と新しいデータを組み合わせて、事後確率を求める手法 None 89. AI開発委託契約における「委託料の支払いスケジュール」はどのように決定されますか？ 法律で自動的に決定される 契約で取り決める必要がある 委託者が任意に決定する 開発者が任意に決定する None 90. 教師なし学習における「混合ガウスモデル（Gaussian Mixture Model; GMM）」は何に使われますか？ 確率的なクラスタリングを行うため 次元削減を行うため ラベル付きデータを分類するため 外れ値を検出するため None 91. 教師あり学習モデルを構築しているときに、訓練データが極端に不均衡な場合、最も有効なアプローチはどれですか？ データを削減してモデルの複雑さを制御する 非線形モデルに変更する クラスの重みを調整するか、サンプリングを行う グリッドサーチでハイパーパラメータを調整する None 92. 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 93. AI関連技術の発明に対する特許取得において、重要なポイントは何ですか？ 発明が既存のAI技術と明確に異なること 発明が商業的に利用されていること 発明が秘密裏に開発されていること 発明が公開されていること None 94. GDPR（一般データ保護規則）において、「データ主体」とは誰を指しますか？ データを処理する企業や団体 データを提供する第三者機関 個人情報が扱われる本人 データ保護当局 None 95. 全結合層で使用される一般的な活性化関数はどれですか？ ソフトマックス関数 ReLU（Rectified Linear Unit） シグモイド関数 全ての選択肢 None 96. 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 97. 音声認識において、CTC（Connectionist Temporal Classification）の目的は何ですか？ 音声データを圧縮するため 音声データのノイズを除去するため 時系列データに対する出力のアライメントを学習するため データの次元を削減するため None 98. 畳み込み層の前にどのような層を配置することが一般的ですか？ プーリング層 全結合層 リカレント層 入力層 None 99. AIサービス提供契約において、「委託者が提供したデータの著作権」に関する取り決めはどのように定められるべきですか？ 著作権は委託者に自動的に帰属する 契約で取り決める必要がある 著作権はサービス提供者に自動的に譲渡される 法律で一律に定められる None 100. AIがソーシャルメディアでの情報操作に悪用される際、どのような手法が取られる可能性がありますか？ AIがユーザーの投稿を削除する AIが大量のフェイクアカウントを作成し、虚偽情報を広める AIがすべてのコメントを検閲する AIがプライバシーを保護する None 101. エキスパートシステムの知識ベースを構築する際に使用されることが多いのはどの手法か？ データマイニング 機械学習 ヒューリスティックアプローチ ニューラルネットワーク None 102. 人工知能（AI）の定義として最も適切なものはどれか。 感情を持ち、感情に基づいて行動を決定するシステム 人間の知的行動を模倣し、推論や学習、意思決定を行うシステム 人間の運動機能を向上させるために設計されたシステム 人間の手を借りずに物理的な作業を自動化するシステム None 103. 深層強化学習において「カリキュラム学習」が導入される理由は何ですか？ エージェントの学習速度を減速させるため 報酬の変動を抑えるため エージェントが段階的に難易度の高いタスクを学習できるようにするため 環境の状態をリセットするため None 104. ディープラーニングにおける「ユニット（ノード）」の役割はどれか？ データのラベルを自動的に生成する 入力データを受け取り、重みとバイアスを使って処理を行う データの勾配を常に0に設定する データを圧縮して保持する None 105. データ拡張における「カットアウト（Cutout）」手法の目的は何ですか？ モデルの複雑さを減らすため 画像の一部をランダムに黒く塗りつぶして隠すことで、モデルが全体的な文脈を学習するため モデルの精度を上げるため 勾配の更新を行うため None 106. レイヤーノーマライゼーション（Layer Normalization）とバッチ正規化の違いは何ですか？ 計算速度 入力データのサイズ 正規化する単位 モデルの複雑さ None 107. 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 108. 次のうち、「教師なし学習」の手法はどれか？ ロジスティック回帰 K-means 線形回帰 サポートベクターマシン（SVM） None 109. 正規化層を使用することで、モデルの一般化性能にどのような影響がありますか？ モデルの複雑さが増し、過剰適合が進む 勾配が消失しやすくなる モデルの一般化性能が向上する 正規化層の使用は一般化性能に影響しない None 110. 教師あり学習における「ラベル付きデータ」を使用する理由はどれですか？ データの次元を削減するため データの非線形性を処理するため モデルが予測するターゲット変数を訓練するため モデルをテストするため None 111. 教師あり学習で、分類問題の性能を評価するために用いられる指標はどれですか？ F1スコア 平均二乗誤差（MSE） コサイン類似度 ジャッカード係数 None 112. 「セマンティックセグメンテーション」の目的は何か？ 画像全体を一つのラベルで分類する 画像の中の特定のオブジェクトを検出する 画像の中の顔を検出する 画像をピクセル単位で分類し、各ピクセルが何を表すかを識別する None 113. AIシステムが公平に機能するために必要な「説明可能性（エクスプレイナビリティ）」とは何ですか？ AIが自動で全てを説明すること AIが全てのタスクを迅速に処理すること AIのアルゴリズムを完全に公開すること AIシステムの意思決定プロセスが理解できるように説明されること None 114. 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 115. 「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 116. AI開発委託契約における「ライセンス契約」とは何ですか？ 開発者が開発した技術を他社に販売するための契約 委託者が開発した技術を他社に販売するための契約 開発者が委託者に対して成果物の使用を許諾する契約 法律で定められた標準契約 None 117. AIにおける「帰無仮説」とは何ですか？ モデルの精度を示す指標 データの分散を減少させる手法 仮説検定において、差がないという仮定 モデルの学習率を最適化するためのアルゴリズム None 118. 二値分類において、シグモイド関数と一緒に使われる代表的な誤差関数はどれですか？ 平均二乗誤差 Huber誤差 二項クロスエントロピー 平均絶対誤差 None 119. データの欠損値が多い場合に行われる代表的な処理方法はどれですか？ 欠損値の除去や補完 モデルの複雑化 特徴量のスケーリング ランダムフォレストの適用 None 120. AIサービス提供契約において「サービスの停止」が可能となる理由として、正しいものはどれですか？ 委託者がサービス料金を支払わない場合 サービス提供者が新しい技術を試すため 委託者がサービスの使用方法を変更する場合 サービス提供者が契約を無効にするため None 121. CNNにおける「畳み込み層」の役割は何ですか？ 出力層を生成する 特徴マップを生成し、局所的なパターンを捉える 勾配を計算する パラメータの初期化を行う None 122. 全結合層を使用する際、ドロップアウトが推奨される理由は何ですか？ モデルの計算を簡素化するため 特徴量を選択するため モデルの訓練を早くするため 過剰適合を防ぐため None 123. AIにおいて「正規分布」がよく使用される理由は何ですか？ 多くの自然現象が正規分布に従うため データが常に対称分布を示すため 外れ値が存在しないため データの分布が一定であるため None 124. AIを用いた個人情報の無断収集が行われた場合、企業が直面する可能性のある法的リスクは何ですか？ プライバシー保護法やGDPRに違反する可能性がある AIが自動的に法令を修正する AIがデータを削除する AIが個人情報を暗号化する None 125. 日本の個人情報保護法において「個人情報」として定義されるのはどれですか？ 氏名や住所など、個人を識別できる情報 統計データ データの所有権 データのバックアップ None 126. AI倫理における「プロセスの公正性」とは何ですか？ AIが全てのプロセスを自動化すること AIがデータ処理を迅速に行うこと AIが意思決定プロセスにおいて、全てのユーザーを公平に扱うこと AIが結果の正確性を優先すること None 127. 全結合層の計算負荷が高い理由は何ですか？ 各入力が全ての出力に接続されるため 重みの数が少ないため 勾配降下法の計算が複雑なため 特徴量が少ないため None 128. AIサービス提供契約における「サービスレベルアグリーメント（SLA）」とは何ですか？ AIサービスの利用料金に関する契約 サービスの提供品質や可用性に関する契約条件 AIアルゴリズムの所有権に関する取り決め データの著作権に関する契約 None 129. 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 130. モデルの解釈性が重要とされる分野はどれですか？ 医療診断 自動運転 金融取引 すべての選択肢 None 131. 次のうち、教師なし学習に分類される手法はどれですか？ K-meansクラスタリング ロジスティック回帰 サポートベクターマシン（SVM） ランダムフォレスト None 132. AIシステムが敵対的攻撃を受けるリスクを軽減するために、どのような手法が有効ですか？ AIモデルを公開する AIのトレーニングデータを増やす AIシステムの動作を停止する AIモデルをテストして、敵対的サンプルに対する耐性を高める None 133. 教師なし学習で次元削減を行う際に、散布図を使って高次元データを2次元に投影する方法として正しいものはどれですか？ ロジスティック回帰 K-means t-SNE ランダムフォレスト None 134. モデルの軽量化を行う主な目的は何ですか？ モデルの精度を向上させるため モデルの計算リソースを削減し、実行速度を向上させるため モデルをより複雑にするため モデルのトレーニングデータを増やすため None 135. AIの透明性が欠如していることが原因で発生する「アカウンタビリティ（説明責任）」の問題とは何ですか？ AIがすべてのタスクを効率的に処理する AIがデータを削除する AIがプライバシーを保護する AIが誤った判断をした際、誰がその責任を負うべきかが不明瞭になること None 136. 「相関係数」の範囲はどれですか？ 0から1まで -1から1まで 0から無限大まで -無限大から無限大まで None 137. 特許法における「発明の公開」と「秘密保持契約（NDA）」の関係性は何ですか？ NDAにより発明は公開されない 発明の公開を遅らせるためにNDAを活用する NDAは特許取得に必須である 発明はNDAによって自動的に特許が認められる None 138. 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 139. AIの公平性を評価する際に使用される「差別の公正性」とは何ですか？ AIが特定の集団に有利な判断をすること AIが集団ごとに異なる精度で結果を提供すること AIが異なる集団に対して一貫した結果を提供すること AIが常に最適な結果を提供すること None 140. 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 141. 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 142. 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 143. 機械学習モデルの評価に使用される「F1スコア」は何を表すか？ モデルの正確性（Accuracy）を評価する指標 精度（Precision）と再現率（Recall）の調和平均 誤分類の割合を示す指標 回帰問題における誤差の平均 None 144. Swish関数の特徴は何ですか？ ReLUの完全な代替関数 勾配消失問題を解消する関数 ReLUとシグモイドを組み合わせた特性を持つ関数 正の入力のみを許容する関数 None 145. AIサービス提供契約において、サービス提供者が委託者に対して行う保証の内容として、一般的に含まれるものはどれですか？ サービスの無停止稼働を保証 サービスが契約条件に従って正常に機能することの保証 サービスが委託者のビジネス成功を保証 サービスの無償提供 None 146. RPROP（Resilient Backpropagation）の特徴は何ですか？ 勾配を使用して更新を行う バッチ学習の方法を使用する 各重みに対して固定の学習率を使用する 更新の大きさを勾配の符号に基づいて調整する None 147. 不正競争防止法において「損害賠償請求権」とは何ですか？ 他者の権利を無効にする権利 不正競争行為によって生じた損害について賠償を求める権利 競合他社の商品を使用する権利 営業秘密を不正に利用する権利 None 148. AI開発委託契約において、進捗報告を義務付けることの目的は何ですか？ 開発の進行状況を把握し、問題発生時に早期対応できるようにするため 開発者の能力を評価するため 契約の終了を早めるため 委託者が開発者を監視するため None 149. ReLU関数の一般的な問題点は何ですか？ 勾配消失問題 出力が0か1に固定される 勾配爆発問題 死んだニューロン問題 None 150. 転移学習でよく使われる「ベースモデル」とは何ですか？ 全ての層を固定したモデル 事前に大規模データで学習されたモデル 転移学習の後に学習を行うモデル 全ての重みがランダムな状態のモデル None 151. Swish関数が特に役立つとされる状況はどれですか？ 小さなネットワークで高速な学習が必要な場合 ReLUが機能しない場合 すべての入力が負の値になる場合 深いニューラルネットワークで滑らかな学習が必要な場合 None 152. 「RNN（リカレントニューラルネットワーク）」の特徴はどれか？ 画像データの認識に特化したモデル 入力データをシャッフルして訓練する 入力データの前後の文脈を考慮して学習する 各層が相互に接続されていない None 153. AIの「透明性」と「説明可能性」の違いとして適切なのはどれですか？ 透明性はAIの動作が理解できる形で公開されること、説明可能性はAIがなぜその判断をしたのかを説明できること 透明性はAIの判断が非公開になること、説明可能性は判断が公開されること 透明性はAIがすべてのデータを削除すること、説明可能性はデータが公開されること 透明性と説明可能性は同じ意味である None 154. スパースオートエンコーダが通常のオートエンコーダと異なる点は何ですか？ 潜在変数が全てのニューロンに分散される 潜在変数の一部だけが活性化されるように制約がかかる 重みの更新方法が異なる データの次元削減が行われない None 155. 誤差関数の選択がモデルの性能に与える影響は何ですか？ モデルの構造にのみ影響を与える 学習の収束速度や最終的な性能に影響を与える データの前処理方法に影響を与える 出力層のアクティベーション関数にのみ影響を与える None 156. 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 157. BERTの「マスク言語モデル（MLM）」はどのように機能しますか？ テキストの一部を隠し、隠された単語を予測する テキストの長さを調整する 単語を別の言語に翻訳する 文の順序を変える None 158. U-Netはどのようなタスクにおいて使用されることが多いですか？ 画像分類 画像生成 画像セグメンテーション 自然言語処理 None 159. モデル解釈性の評価に使われる指標として正しいものはどれですか？ 混同行列 精度（Accuracy） 説明可能性（Explainability） AUC None 160. RNNの「トラケリング問題」とは何ですか？ 過剰適合が発生する問題 出力が時間依存性を持つ問題 学習率の不安定さによる問題 時系列データの周期的な変動を捉えられない問題 None Time's up
