G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. AIシステムにおける「セキュリティインシデント」の報告が遅れることで、どのようなリスクが増大しますか？ システムの効率が低下する 不正アクセスや攻撃が継続され、被害が拡大するリスク システムが自動的に修復される システムのアップデートが遅れる None 2. 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 3. モデル軽量化の手法として「ディープコンプレッション（Deep Compression）」に含まれる3つの主要なステップはどれですか？ 量子化、プルーニング、エンコード プルーニング、正規化、アクティベーション 量子化、逆伝播、勾配消失 エンコード、デコーディング、正則化 None 4. バッチ勾配降下法の特徴は何ですか？ 各イテレーションでデータポイントを1つだけ使用する 複数のデータポイントを使用するが、各バッチが固定されている 学習率が固定されている 全てのデータポイントを使用して勾配を計算する None 5. 畳み込みニューラルネットワーク（CNN）の「プーリング層」の主な役割は何か？ 入力データを線形に変換する 空間的な情報を抽出し、特徴マップを圧縮する 入力データを次元削減して学習を効率化する データのランダムな部分を削除する None 6. AIシステムがユーザーのプライバシーを尊重するために、「データ匿名化」と「データ暗号化」を組み合わせる利点は何ですか？ データを無期限に保管できる データが第三者に渡ってもプライバシーが保護される データが完全に削除される ユーザーが自由にデータを閲覧できる None 7. 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 8. 外れ値が多いデータセットでMSEを使用した場合のリスクは何ですか？ 学習が遅くなる モデルが正確にならない 外れ値に過剰適合する モデルの構造が複雑になる None 9. 次のうち、AIに関する倫理的課題として最も重要なものはどれか。 AIが学習に時間を要すること AIの判断が透明でなく、説明可能性が不足していること AIのエネルギー消費が高いこと AIが感情を持つようになる可能性があること None 10. AI開発委託契約における「納期遅延」の場合、開発者に課される可能性がある罰則は何ですか？ 遅延損害金の支払い 委託者への特許権の譲渡 契約の延長 成果物の無料提供 None 11. 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 12. AIサービス提供契約で「知的財産権の共有」を設定する場合、注意すべき点は何ですか？ 知的財産権の行使に関する使用範囲や制限を明確にする必要がある 知的財産権は常に委託者に帰属させる必要がある 契約において知的財産権に言及する必要はない 知的財産権は一方的に譲渡される None 13. オンザフライデータ拡張（On-the-fly Data Augmentation）とは何ですか？ モデルのトレーニング中にリアルタイムでデータを拡張する手法 事前に拡張データを生成してから訓練する手法 トレーニングデータを無視してモデルを学習する手法 拡張データのラベルを変更する手法 None 14. 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 15. 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 16. 国連のAI倫理ガイドラインでは、AI技術が持続可能な開発に寄与するために、どのような要素が特に重視されていますか？ AI技術が経済成長を加速させること AI技術が自動化を推進すること AIが持続可能な開発目標（SDGs）を達成するための手段として活用されること AIの開発者が自由に技術を利用できること None 17. レイヤーノーマライゼーションがバッチ正規化に比べて有利となる場面はどのようなケースですか？ 非常に大きなバッチサイズでの学習 小さいバッチサイズでの学習 多クラス分類の学習 モデルの深さが浅い場合 None 18. AIシステムのセキュリティ対策において、データの「暗号化」の目的は何ですか？ データを迅速に処理するため データを永久に保存するため データの機密性を確保し、不正アクセスから保護するため データを共有しやすくするため None 19. 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 20. 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 21. 全結合層の出力次元はどのように決まりますか？ 入力層の次元に基づく 自動的に決まる モデルの目的に応じて設定される アクティベーション関数によって決まる None 22. 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 23. ディープフェイク技術とAIに関する問題として、最も適切なものはどれか。 AIを用いたディープフェイク技術により、偽の画像や映像が簡単に作成される ディープフェイクはAIではなく、人間の手作業で作られる AIはディープフェイク技術を制限するために使用される ディープフェイク技術は現時点で使用されていないため、問題はない None 24. AI開発において、委託者が成果物に満足できなかった場合、どのような措置を取るべきですか？ 自ら修正する 開発者に罰金を科す 開発者を変更する まず契約に基づく瑕疵修正を開発者に求める None 25. AIを用いた「無許可でのデータマイニング」が行われた場合、どのような法的リスクが考えられますか？ データが公開される AIがデータを暗号化する AIがデータを削除する 個人情報保護法やGDPRに違反し、罰金や訴訟のリスクがある None 26. 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 27. 自然言語処理（NLP）におけるデータ拡張の難しさは何ですか？ 文法や意味が崩れやすいため データセットのサイズが増えるため ラベル付きデータが多く必要なため モデルが拡張データを学習しにくい None 28. 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 29. 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 30. 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 31. A3C（Asynchronous Advantage Actor-Critic）の利点は何ですか？ Q関数を最適化することができる 離散的な行動空間にのみ適用可能である 報酬の割引率を調整できる 並列処理を用いて学習速度を向上させることができる None 32. AIが生成した作品に対して、今後の著作権法で議論されている可能性のある改正内容はどれですか？ AIによる作品にも著作権を認める方向性 AIによる作品は常にパブリックドメインとする AI作品の著作権を自動的に国家が保有する AIによる作品の利用には制限をかけない None 33. 音声処理における「メル周波数ケプストラム係数（MFCC）」の役割は何ですか？ 音声信号の特徴量を抽出する 音声信号のノイズを除去する 音声信号を正規化する 音声信号を圧縮する None 34. データ拡張を使っても汎化性能が向上しない可能性がある場合は、どのような状況ですか？ 元のデータが非常に大規模で多様性がある場合 学習率が高すぎる場合 正則化が適切に行われていない場合 モデルが適切に訓練されていない場合 None 35. 次のうち、ディープラーニングにおける「アンサンブル学習」の利点はどれか？ モデルの学習速度を劇的に向上させる モデルのメモリ使用量を削減する 複数のモデルを組み合わせることで、モデルの汎化性能が向上する 過学習を防ぐためにバッチサイズを大きくする None 36. データ分析における「特徴量エンジニアリング」の目的は何ですか？ データを削除すること データを統計的に分析すること データの欠損値を補完すること モデルの性能を向上させるために、新しい特徴量を生成・選択すること None 37. 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 38. 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 39. 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 40. データの「正規化」とは何を目的とした処理ですか？ データを無作為に選択すること データをランダムに削除すること データの範囲を揃え、学習の効率を向上させること データの次元を増やすこと None 41. GANにおいて「識別モデル」の役割は何ですか？ 本物と偽物のデータを見分ける データを圧縮する パラメータを最適化する データの生成プロセスをサポートする None 42. 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 43. モデルの軽量化で「ハードウェアアクセラレーション」を活用する理由は何ですか？ モデルのサイズを増やすため モデルの精度を低下させるため モデルのトレーニング時間を延長するため モデルのパフォーマンスを最大化するために専用のハードウェアを使用する None 44. AIが生成した作品に著作権が発生するかどうかについて、現行の著作権法ではどのように定義されていますか？ AIが生成した作品には著作権が発生しない AIには著作権が発生する AIが生成した作品は自動的にパブリックドメインになる AIの開発者が著作権を保有する None 45. 転移学習において、事前学習済みモデルの「出力層」を更新する理由は何ですか？ モデルの速度を上げるため 訓練データを減らすため 新しいタスクでのパフォーマンスを低下させるため 新しいタスクに対応するため None 46. ファインチューニングとは何ですか？ モデルの出力層のみを更新すること 全ての層の重みを再調整すること モデルの一部を再学習すること 訓練データを拡張すること None 47. 著作権法における「権利の制限」とは何ですか？ 著作物を自由に使用できること 特定の状況において、著作権者の許可なしに著作物を使用できる例外規定 著作物の販売を制限すること 著作物の削除を求める権利 None 48. 畳み込み層の設計において「リカレント層」と組み合わせる主な理由は何ですか？ 計算速度を向上させるため 重みの数を減少させるため 時系列データのパターンを学習するため 入力の次元を削減するため None 49. スキップ結合を持つモデルでは、どのような学習速度が期待できますか？ 伝統的な深層モデルと同じ速度 より遅い学習速度 より速い学習速度 学習速度は影響を受けない None 50. モデルの解釈性が求められる理由として最も適切なものはどれですか？ モデルのトレーニング時間を短縮するため モデルの予測に対する信頼性を向上させるため モデルのパラメータを増やすため モデルの計算速度を上げるため None 51. AIの軍事利用に関するリスクとして、最も適切なものはどれか。 AIが自律的に戦術を判断し、人間の制御を離れる可能性がある AIは戦術を決定する能力を持たないため、軍事利用のリスクはない AIは軍事利用に関わらないため、リスクは存在しない AIは常に人間の指示に従うため、軍事利用のリスクは限定的である None 52. LSTM（長短期記憶）の主な利点は何か？ 長期間にわたる依存関係を学習できる 勾配消失問題を引き起こす 入力データをランダムにシャッフルして学習する データの前処理を行う None 53. RNNの「長期依存性の問題」とは何ですか？ 計算量が増加する問題 長いシーケンスを扱う際に、過去の情報が消失してしまう問題 出力が不安定になる問題 ネットワークが収束しない問題 None 54. 不正競争防止法に基づいて、AIアルゴリズムが営業秘密として保護されるための要件は何ですか？ アルゴリズムが公に知られていないこと アルゴリズムが特許取得済みであること アルゴリズムが商業的に利用されていること アルゴリズムが公開されていること None 55. 機械学習において「教師あり学習」とは何か？ ラベル付きデータを使用してモデルを訓練する手法 ラベルのないデータを使用してモデルを訓練する手法 自律的に報酬を受け取り学習する手法 データ間の類似性を測定し、クラスタに分類する手法 None 56. アルファベータ剪定がMinimax法に与える効果として正しいものはどれか。 最適解を保証するため、全てのノードを探索する 最適解を保証するが、効率は低下する ある枝の探索を省略し、探索の効率を向上させる ランダムに探索を行い、最適解を見つける None 57. 「フェアユース」の概念はどのような場合に適用されますか？ 著作物を公正な範囲で利用する場合に、著作権侵害とみなされない 著作物を商業的に利用する場合に適用される 著作物のすべてを自由に使用できる場合 著作物を改変した場合 None 58. 「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 59. 特許協力条約（PCT）に基づく国際出願の利点は何ですか？ 出願後すぐに特許権が認められる 国内出願が不要になる 一度の出願で複数国に特許出願ができる 全世界で特許が自動的に保護される None 60. シグモイド関数が適用される一般的なケースはどれですか？ 多クラス分類 バイナリ分類の出力層 時系列データの処理 回帰問題 None 61. プーリング層のカーネルサイズとは何ですか？ フィルターの移動幅 学習率の設定 勾配の計算方法 プール領域のサイズ None 62. AI技術がプライバシー侵害に悪用されるケースとして、どれが当てはまりますか？ AIがユーザーの行動を追跡し、個人情報を無断で収集すること AIがデータの暗号化を行うこと AIがバグを修正すること AIが誤ったデータを提供すること None 63. 「ロジスティック回帰」における目的変数は何ですか？ 連続値 カテゴリカルデータ（0または1などの二値データ） 離散値 多次元データ None 64. AI技術がフェイクニュースの生成に利用されるリスクとして正しいものはどれか。 AIはニュース記事を自動生成できるが、フェイクニュースの生成には使われない AIは常に正確な情報を生成するため、フェイクニュースの心配はない AIは自然言語生成を用いて、信頼性の低い情報や誤情報を生成するリスクがある AIは画像認識のみを行うため、フェイクニュースの生成には関与しない None 65. Adamオプティマイザーの特長は何ですか？ 固定された学習率を使用する モーメンタムを使用しない 自動的に学習率を調整する 各パラメータに対して同じ更新を行う None 66. スキップ結合を持つネットワークが収束しやすい理由は何ですか？ 勾配が消失しにくくなるため 重みが固定されるため 学習率が自動調整されるため 出力層が早く更新されるため None 67. 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 68. モデル軽量化において、「混合精度トレーニング（Mixed Precision Training）」が効果的な理由は何ですか？ モデルのトレーニング速度を遅くするため モデルの計算精度を低下させるため 32ビットと16ビットの計算を組み合わせることで、計算効率を向上させつつ精度を維持できるため モデルのデータセットを圧縮するため None 69. 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 70. 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 71. AIサービス提供契約において、委託者がサービス提供者に対して持つ権利として、一般的に認められるものはどれですか？ サービス提供者の知的財産権を取得する権利 サービスの停止を要求する権利 サービス提供者に罰金を科す権利 サービスの品質に関する保証を求める権利 None 72. AIの透明性を確保するために用いられる技術の一つとして、正しいものはどれか。 AIの意思決定プロセスを説明可能にする技術（XAI） AIの判断結果をブラックボックス化する技術 AIの学習過程を完全に人間に任せる技術 AIの判断結果をランダムに変更する技術 None 73. MSEとMAEの主な違いは何ですか？ MSEは二乗誤差を使用し、MAEは絶対誤差を使用する MSEは回帰問題に使用され、MAEは分類問題に使用される MSEは外れ値に強いが、MAEは弱い MSEは分類問題に使用され、MAEは回帰問題に使用される None 74. AI技術を活用して個人情報を含むデータを分析する場合に、注意すべき法律的なポイントは何ですか？ データの匿名化が不要であること すべてのデータを自由に利用できること 利用目的を逸脱しない範囲でのデータ利用と、本人の同意取得が求められる データの誤りを放置してよいこと None 75. 強化学習の「経験再生（Experience Replay）」の目的は何ですか？ エージェントが現在の行動に過去の結果を適用する エージェントのメモリをリセットする 過去の経験をランダムにリプレイし、学習の効率を高める 報酬を倍増させる None 76. 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 77. 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 78. AI技術の発展に伴い、プライバシー侵害のリスクを軽減するために推奨される「データ最小化」の原則とは何ですか？ できるだけ多くのデータを収集する 必要最低限のデータのみを収集し、目的達成後には削除する データを無制限に保存する データを外部に共有する None 79. 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 80. AIによる自動意思決定の結果が不当な差別や偏りを生じた場合、個人が求めることができる対応策は何ですか？ データ提供の停止 人間による再審査を要求する権利 AIの結果を強制的に承認する データの再提供を求める None 81. Transformerモデルにおける「位置エンコーディング」の目的は何ですか？ 文書の要約を行う 単語の感情を予測する 文書をクラスタリングする 入力シーケンスの順序情報を保持する None 82. Faster R-CNNの主な特徴は何ですか？ 画像内の物体を高速に検出できる 出力層のみを使って物体検出を行う モデルサイズが非常に小さい 正則化の手法として使用される None 83. 転移学習における「ドメイン適応（Domain Adaptation）」の役割は何ですか？ 異なる分布のデータに対してモデルを適応させる モデルの訓練速度を向上させる 学習データを増やす モデルのパラメータ数を削減する None 84. モデルの軽量化手法として「低ランク近似」を用いる場合の主な目的は何ですか？ モデルの精度を向上させる データセットを小さくする モデルのパラメータを減少させ、効率化を図る モデルの学習時間を増やす None 85. 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 86. 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 87. Huber誤差の主な特徴はどれですか？ 小さな誤差に対して二乗誤差、大きな誤差に対して絶対誤差を適用する 外れ値に対して非常に敏感である 二項分類に使用される 分類問題で使用される None 88. シーケンスデータの長期的な依存関係を捉えるために有効な技術はどれですか？ ドロップアウト LSTMやGRUの使用 1x1の畳み込み ストライドの増加 None 89. 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 90. モンテカルロ法はどのように強化学習に利用されますか？ エピソード全体の報酬を利用して方策を更新する 行動を完全にランダムに選択する 状態遷移モデルを学習する Q値を即座に更新する None 91. 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 92. 「個人情報保護委員会」の役割は何ですか？ 個人情報の流通を促進すること 個人情報保護法の適用を監視し、違反があれば是正を求めること 個人情報の収集を推奨すること 企業に個人情報の提供を求めること None 93. GDPR（一般データ保護規則）におけるAIの透明性に関する規定は何ですか？ ユーザーは自分のデータがどのようにAIによって処理されるかを知る権利がある AIシステムはすべての判断を公開する必要がある AIはすべてのデータを匿名化する必要がある AIは個人データを保存してはならない None 94. 次のうち、AIと単純な自動化の違いを最も正しく説明しているものはどれか。 AIは未知の状況に対応できるが、自動化は事前に定義されたルールに基づいて動作する 自動化はデータに基づいて自律的に判断を行うが、AIはルールに基づいて動作する AIと自動化は同じ技術であり、相互に区別されない AIは物理的な作業を主に行い、自動化は知的作業を行う None 95. ディープラーニングにおける「バッチ正規化（Batch Normalization）」の主な利点は何か？ モデルの重みをランダムに初期化する 訓練データのバッチサイズを調整する モデルの出力を正規分布に変換する モデルの訓練速度を向上させ、勾配消失問題を緩和する None 96. AIにおいて、「アウトカムの公正性」とはどのように定義されますか？ AIの結果がすべてのユーザーに同一であること AIが各グループに対して平等な結果を提供すること AIがすべてのデータを平等に処理すること AIがデータ収集を最小化すること None 97. ニューラルネットワークの基本的な構造はどのようなものですか？ 入力層、出力層、報酬層 入力層、隠れ層、出力層 入力層、隠れ層、出力層 入力層、出力層、正則化層 None 98. 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 99. モデルの解釈性とは何を指しますか？ モデルが複雑であること モデルがどのようにして予測や判断を行ったかを説明できること モデルの性能が高いこと モデルが高速に動作すること None 100. 日本における「AI活用のためのガバナンスガイドライン」では、AIシステムの開発においてどのような点に特に注意が払われるべきとされていますか？ AIシステムが人間による制御下にあることを保証すること AIが社会に与える影響を最小限にすること AIが経済成長を加速させること AIが人間の知能を超えること None 101. オートエンコーダにおいて、再構成されたデータの品質を改善するために使われる技術は次のどれですか？ バッチ正規化 L2正則化 ドロップアウト デノイジング None 102. 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 103. オートエンコーダはどのようなタイプのニューラルネットワークですか？ 教師あり学習モデル 強化学習モデル 自己教師あり学習モデル 無教師あり学習モデル None 104. VAEの潜在空間で行われる「再パラメータ化トリック」の役割は何ですか？ データの次元削減を行うため データのノイズを除去するため 勾配ベースの最適化を可能にするため 生成データの精度を向上させるため None 105. CNN（畳み込みニューラルネットワーク）が特に得意とするタスクは何ですか？ 音声認識 自然言語処理 画像処理や画像認識 強化学習 None 106. 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 107. 誤差逆伝播法の主な目的は何ですか？ モデルの学習率を調整すること パラメータを最適化するための勾配を計算すること 入力データを正規化すること アクティベーション関数を選択すること None 108. オートエンコーダの潜在変数（Latent Variables）とは何ですか？ データの次元削減された表現 訓練データの分類結果 データの誤差関数 デコーダ部分の入力値 None 109. 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 110. 医療AIシステムにおいて透明性が欠如している場合、どのようなリスクがありますか？ AIが患者のデータを削除する 医師や患者がAIの診断結果を理解できず、治療に対する信頼が失われるリスク AIがすべてのデータを暗号化する AIが自動で診断を行う None 111. AI開発委託契約における「成果物の瑕疵担保責任」の期間延長を求める際、委託者が行うべき対応は何ですか？ 開発者に一方的に延長を求める 法律で定められた期間に従う 延長を求めずに自ら修正する 開発者との合意の上で、契約書を修正する None 112. 次の中で、エキスパートシステムが「自己学習機能」を持つものとして適切なのはどれか？ ルールベースシステム ケースベース推論システム ニューラルネットワーク 機械学習システム None 113. 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 114. バッチ正規化が適用されることで、モデルの収束が速くなる理由は何ですか？ 勾配のスケールが安定し、高い学習率を使用できるため パラメータ数が減少するため 正規化によって計算が簡略化されるため 入力データのサイズが増えるため None 115. LIMEを使用する際に考慮すべき重要な点は何ですか？ モデル全体を再訓練する必要がある モデルのパラメータを大幅に削減する モデルのローカルな部分での挙動を解釈するための手法であるため、グローバルな解釈には適さない 学習率を大幅に低下させる None 116. AI開発委託契約における「成果物の所有権」に関して、最も一般的な取り決めはどれですか？ 開発者が常に所有権を持つ 委託者が常に所有権を持つ 契約で明示的に取り決めた場合に所有権が決まる 法律で自動的に所有権が決まる None 117. 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 118. LSTMの「出力ゲート」はどのように機能しますか？ 過去の情報を忘れる セル状態を次のタイムステップに伝える 現在の隠れ状態を次の層に出力する 新しい情報を追加するかどうかを決定する None 119. 「勾配ブースティング」の特徴はどれか？ 各モデルが独立して学習し、最終的な予測を多数決で決定する 教師なし学習であり、ラベルのないデータを扱う 各モデルが前のモデルの誤差を修正しながら学習を進める モデルの重みを自動的に初期化する None 120. AIサービス提供契約における「秘密保持義務」はどのような情報に適用されるべきですか？ 双方が機密と認めた情報にのみ適用される すべての情報に適用される 委託者が提供したデータにのみ適用される サービス提供者の技術にのみ適用される None 121. 「ラプラス変換」は、AIでどのように利用されますか？ データを標準化するため 微分方程式を解く際に使用されるため、特に制御理論や信号処理で活用される データの次元を削減するため データのばらつきを減らすため None 122. 最適化手法の一つとして「AdaGrad」が持つ特徴は何ですか？ 各パラメータに対して固定された学習率を使用する 学習率を各パラメータの過去の勾配の合計に基づいて調整する パラメータの更新を行わない モーメンタムを使用しない None 123. 次のうち、AIの進展に最も寄与している技術はどれか。 クラウドコンピューティングとデータの共有技術 大規模な計算リソースとストレージ技術 テキストベースの通信技術 自然科学のシミュレーション技術 None 124. モデルの軽量化手法として「パラメータ圧縮（Parameter Compression）」の目的は何ですか？ モデルのパラメータ数を減少させ、メモリ使用量を削減する モデルの学習率を最適化する モデルの精度を低下させる モデルのトレーニングデータを圧縮する None 125. スキップ結合を適用する際、出力の次元が異なる場合にはどのような工夫が必要ですか？ 入力を減少させる 1x1の畳み込みを使用して次元を揃える そのまま結合する 出力をリセットする None 126. 「商品形態模倣行為」は不正競争防止法の対象ですか？ いいえ、模倣行為は自由です はい、特定の商品形態を模倣する行為は一定期間禁止されています いいえ、商品名のみが保護対象です はい、すべての商品に対して無期限で禁止されています None 127. AIシステムにおける「安全性」とは、どのようなことを指しますか？ AIが物理的な危害を引き起こさないこと AIシステムが常に正しい結果を提供すること AIがユーザーのプライバシーを保護すること AIが常に高速に動作すること None 128. 個人情報保護法の改正によって追加された「データポータビリティ」とは何ですか？ 本人が自分の個人情報を他のサービスプロバイダに移転できる権利 企業が個人情報を第三者に自由に提供できる権利 データを暗号化する手法 データを削除する手法 None 129. 学習率の役割は何ですか？ モデルの複雑さを決定する 重みの更新幅を決定する モデルのサイズを制御する データの前処理を行う None 130. 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 131. 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 132. 音声処理における「スペクトルサブトラクション」の目的は何ですか？ ノイズを除去してクリアな音声を生成する 音声の周波数成分を可視化する 音声データを圧縮する 音声データを分類する None 133. 平均二乗誤差（MSE）が外れ値に敏感である理由はどれですか？ 絶対値を計算するため 誤差を累積するため モデルの構造に依存するため 誤差を二乗するため None 134. 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 135. 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 136. 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 137. クロスエントロピー誤差はどのような場合に使用されますか？ 回帰問題 分類問題 強化学習問題 次元削減問題 None 138. 特許の有効期間は一般的にどれくらいですか？ 出願日から10年 出願日から20年 出願日から50年 出願日から30年 None 139. スパースオートエンコーダが有効な理由は何ですか？ データ全体を網羅的に処理するため データの冗長性を除去し、重要な特徴を強調するため 活性化関数を変更できるため 大量のラベル付きデータが必要だから None 140. 転移学習とは何ですか？ 訓練データを増やす手法 事前に学習したモデルを他のタスクに適用する手法 モデルの重みを初期化する手法 モデルの出力層を再訓練する手法 None 141. AIの「ブラックボックス問題」とは何ですか？ AIの意思決定プロセスが不透明で、人間が理解できないこと AIがデータを暗号化するプロセス AIが物理的に破損すること AIが自動で判断を行うこと None 142. GANの訓練中に「勾配消失問題」が発生する主な原因は何ですか？ 識別モデルが生成モデルを圧倒するため 生成モデルのパラメータが多すぎるため データセットのサイズが不十分なため 学習率が高すぎるため None 143. 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 144. 「Leaky ReLU」の特長は何ですか？ すべての入力を1にクリッピングする 勾配を自動調整する 負の入力にもわずかな勾配を持たせる 勾配をリセットする None 145. AIを利用したコンテンツ生成プラットフォームで、著作物を生成する際の適切な著作権対応は何ですか？ データがインターネットに公開されていれば自由に利用できる 商業目的でなければ著作物を自由に利用できる AIによる生成物には著作権が発生しないので自由に利用できる 元データの著作権者から許可を得るか、パブリックドメインのデータを使用する None 146. 「ε-greedy法」とは何ですか？ 探索と活用のバランスをとるための行動選択手法 環境をリセットする手法 学習率を調整するアルゴリズム 報酬を増やすための手法 None 147. 「t検定」が使用される場面はどのような場合ですか？ データの分散を求める場合 データを正規分布に従わせる場合 2つのグループの平均が統計的に有意に異なるかを検定する場合 データのばらつきを減少させる場合 None 148. エキスパートシステムにおける「ブラックボックス」方式の問題点として適切なのはどれか？ 推論過程がユーザーに対して不透明になる 知識ベースの構築が困難になる 推論結果がすぐに提供される すべての知識が一度に処理される None 149. AIによるフェイクニュースの自動生成は、どのように悪影響を与える可能性がありますか？ AIが虚偽の情報を大量に生成し、誤った世論を形成する AIがニュースを効率的に整理する AIが正しいニュースを優先的に配信する AIがニュースを削除する None 150. AIが公平に機能するために「差別の公正性」と「プロセスの公正性」の両方が重要とされる理由は何ですか？ AIが効率的に動作するため AIがユーザーのプライバシーを保護するため AIの意思決定プロセスとその結果が共に公平であることが、真に公正なAIシステムを構築するために不可欠だから AIが自律的に判断を行うため None 151. 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 152. 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 153. 自然言語処理において「データスパースネス問題」とは何ですか？ データが過剰にラベル付けされている問題 データの頻度が少なく、単語の共起パターンが十分に学習できない問題 データのノイズが多すぎる問題 データセットが非常に大規模である問題 None 154. AI技術の発展に伴う「データフュージョン」によるプライバシーリスクとは何ですか？ データの重複が増えるリスク データの保存容量が増えるリスク 複数のデータソースを統合して個人を特定するリスク データの品質が低下するリスク None 155. 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 156. 全結合層の学習率が高すぎると、どのような問題が発生しますか？ 学習が遅くなる パラメータが減少する 出力が安定する モデルが収束しない None 157. 教師なし学習の代表的な手法である階層型クラスタリングでは、どのようにしてクラスタを形成しますか？ クラスタ数を指定してデータを分類 データ間の類似性に基づいて階層的にクラスタを構築する ラベルのないデータにラベルを付与 データを逐次的に分割 None 158. プーリング層の一般的な利点はどれですか？ 重みの学習を促進する モデルの複雑さを増す 過剰適合を防ぐ 勾配の爆発を防ぐ None 159. 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 160. 次のうち、ディープラーニングの特徴として最も正しいものはどれか。 単一の層から構成されるニューラルネットワークを使用する 複数の層を持つニューラルネットワークであり、入力データの特徴を自動的に学習する ルールベースのアルゴリズムを用いて動作する 手動で設定されたパラメータに基づいて動作する None Time's up
