G検定~模擬試験~ 2024年11月3日2024年11月3日 ailearn 1. AIシステムが医療データを処理する際に、プライバシー侵害を防ぐために推奨される措置は何ですか? 医療データを無期限に保存する 医療データを公開する 医療データを暗号化し、アクセス制限を設ける 医療データを外部企業に提供する None 2. 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 3. 日本政府が発表した「AI社会原則」における、最も重要なテーマは何ですか? 技術革新の加速 AIによる経済発展 人権とプライバシーの尊重 AI開発の自由化 None 4. 機械学習における「バギング」とは何か? データの特徴量を削減する手法 モデルの重みを調整する手法 複数のモデルを並行して訓練し、それぞれの予測を平均することで精度を向上させる手法 過学習を防ぐためにデータをシャッフルする手法 None 5. ディープラーニングで使用される「ソフトマックス関数」の主な用途は何か? 分類問題において、各クラスの確率を出力する 入力データの正規化を行う データの次元を削減する データをランダムにシャッフルする None 6. 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 7. ディープラーニングにおける「ハイパーパラメータ」とは何か? モデルが自動的に学習するパラメータ モデルの学習前に手動で設定するパラメータ データの前処理段階で計算されるパラメータ 訓練データから推測されるパラメータ None 8. モデルの軽量化とは何を指しますか? モデルの性能を高めること モデルのパラメータ数や計算量を減少させること モデルのデータセットサイズを増加させること モデルの学習時間を長くすること None 9. 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 10. 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 11. 次のゲームのうち、完全情報ゲームとして分類されるものはどれか。 ポーカー 麻雀 囲碁 ブラックジャック None 12. オートエンコーダのエンコーダ部分の出力は何を示していますか? 学習率 潜在変数(Latent Variables) 誤差関数 勾配の大きさ None 13. 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 14. 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 15. ディープラーニングにおいて「損失関数」の役割は何ですか? モデルの性能を評価する モデルの予測と実際の結果との差を測定する 学習率を調整する 重みを更新する None 16. Adamオプティマイザーの特徴として正しいものはどれですか? 学習率が固定である 逐次的にデータを学習する 交差エントロピー損失に特化している 勾配のモーメントを利用する None 17. 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 18. プーリング層は通常どのような位置に配置されますか? ニューラルネットワークの入力層 畳み込み層の後 出力層の直前 重み更新のタイミングで挿入される None 19. グローバルプーリング層が用いられる場面として適切なものはどれですか? 中間層での特徴抽出 最終的なクラスラベルの出力前 畳み込み層の前処理 活性化関数の適用後 None 20. 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 21. 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 22. 転移学習の効果を最大化するために「データの前処理」が重要な理由は何ですか? モデルの計算速度を速めるため データが元のタスクと整合性を保つため データセットを増やすため 学習率を最適化するため None 23. 音声認識モデルでのデータ拡張技術として、一般的に使用されるものはどれですか? フィルターサイズの増加 ピッチシフトやタイムストレッチ データの正規化 フォン数の削減 None 24. 特許法における「専用実施権」とは何ですか? 特許権者が特定の第三者に発明を実施させるための独占的権利 特許を自由に販売する権利 特許出願を取り下げる権利 特許の技術内容を公開する権利 None 25. 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 26. Conditional GAN(CGAN)の主な特徴は何ですか? 生成するデータにラベルを付与することで、特定の条件に基づいたデータ生成が可能になる 生成データを圧縮する モード崩壊を完全に防ぐ 識別モデルを訓練しない None 27. LSTMの「入力ゲート」は何を制御しますか? 現在のセル状態に新しい情報をどれだけ加えるかを制御する 出力を決定する 過去の情報を忘れるかどうかを決定する 勾配消失を防ぐ None 28. 誤差逆伝播法において、誤差関数の選択が影響を与えるプロセスはどれですか? モデルの初期化 重みの更新プロセス バッチサイズの選択 アクティベーション関数の選択 None 29. 個人情報の取り扱いに関する「利用目的の特定」とは何ですか? 個人情報を収集する前に、その利用目的を明確にすること 個人情報を任意に利用できること 個人情報を廃棄する際の手順 個人情報を暗号化すること None 30. 「ホワイトボックスモデル」とは何ですか? 解釈が可能な透明なモデル 非常に複雑なモデル 計算速度が速いモデル データセットの前処理を行うモデル None 31. 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 32. データ生成モデルの評価指標として使用される「FIDスコア」とは何ですか? データ生成の速度を評価する指標 モデルのパラメータ数を評価する指標 生成モデルの訓練時間を評価する指標 生成データと実データの類似度を測定する指標 None 33. ニューラルネットワークにおける「リカレントニューラルネットワーク(RNN)」はどのようなデータに適していますか? 時系列データやシーケンスデータ 定常的なデータ 定量的なデータ 静的な画像データ None 34. AI倫理における「透明性」とは、具体的にどのようなものを指しますか? AIの意思決定プロセスが誰でも理解できるよう公開されていること AIの開発者が常に監視されていること AIがリアルタイムで動作すること AIが自己修復機能を持つこと None 35. 「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 36. 深層強化学習(Deep Reinforcement Learning, DRL)における「エージェント」とは何を指しますか? 環境内で行動を決定する主体 環境の状態を記録する装置 報酬を計算するアルゴリズム データの前処理を行うシステム None 37. AIを活用したサービスで、個人情報の匿名化処理が十分でない場合に発生するリスクは何ですか? データの処理が高速化するリスク AIモデルの精度が向上するリスク 個人情報の削除が不可能になるリスク 法律に基づいて罰則が科されるリスク None 38. AIサービス提供契約において、委託者がサービスに対する独占的な使用権を持つ場合、どのようなリスクが伴いますか? 他の企業が同様のサービスを使用できなくなる サービス提供者がサービスの改良や更新に制限を受ける可能性 サービスの利用料金が引き下げられる サービスの稼働率が上がる None 39. 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 40. 全結合層における「バイアス項」の役割は何ですか? 出力をゼロに制限する モデルのパラメータを増やす 入力の次元を削減する ニューロンの活性化を調整する None 41. 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 42. 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 43. 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 44. 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 45. 全結合層での過剰適合を防ぐために使用される一般的な手法は何ですか? 正則化 バッチサイズの変更 モデルの複雑さを増す 訓練データの増加 None 46. AI技術が「ディープフェイク」による犯罪に悪用された場合、どのようなリスクがありますか? AIが自動で犯罪を防止する 偽の映像や音声が使われ、詐欺や名誉毀損などの犯罪に利用されるリスク AIが正確な結果を提供する AIがデータを削除する None 47. 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 48. Deep Residual Networks(ResNet)におけるReLUの役割は何ですか? 残差を計算するため 残差接続を消去するため 非線形性を導入し、学習を安定化させるため モデルを小さくするため None 49. 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 50. 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 51. 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 52. 次のうち、AIの発展が社会的格差の拡大に繋がるリスクとして最も正しいものはどれか。 AIはすべての人に平等に機会を提供するため、格差の拡大はない AI技術へのアクセスやスキルの違いによって、特定の人々が不利益を被る可能性がある AIは政府が管理しているため、格差の拡大を防ぐ仕組みが整っている AIは自動的に格差を是正する能力を持っている None 53. 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 54. YOLO(You Only Look Once)モデルの特徴は何ですか? 畳み込み層を持たない 物体検出において非常に低い精度を持つ 各物体を別々に検出する 画像全体を一度だけ見て、同時に複数の物体を検出する None 55. 知識表現における「述語論理」とは何を意味するか? 自然言語の文を解析するためのアルゴリズム オブジェクトの関係を表現するための論理体系 データベース管理のための理論 ルールベースシステムの基礎となるモデル None 56. 全結合層の数が増えると、どのような影響がありますか? モデルの計算量が減る モデルが過剰適合しやすくなる 学習が早くなる 特徴量の情報が増える None 57. 平均プーリング(Average Pooling)ではどのような計算を行いますか? プール領域内の最大値を取る プール領域内の平均値を取る プール領域内の最小値を取る プール領域内の和を取る None 58. バッチ正規化を適用することで、学習率がどのように影響されますか? 学習率を低くする必要がある 学習率の影響がなくなる 学習率を高く設定できる 学習率が自動的に調整される None 59. GANの「スタイル転送(Style Transfer)」の応用例として最も適切なものはどれですか? 画像のスタイルを別の画像に適用する技術 文章を別の言語に翻訳する技術 音声データをテキストに変換する技術 データの圧縮技術 None 60. 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 61. 「tanh」関数の出力範囲はどれですか? 0から1 -1から1 0から無限大 -無限大から無限大 None 62. 知識表現で「フレーム」とは何か? プログラムのフレームワーク 画像データを保存する形式 自然言語の解析技術 知識を構造化するためのデータ構造 None 63. 「勾配クリッピング」がRNNの学習に有効な理由は何ですか? 勾配消失を防ぐため 勾配爆発を防ぐため 勾配を強化するため 学習率を調整するため None 64. チューリングテストがAIに関して意味するものとして最も適切なのはどれか。 AIがすべての分野において人間を超える知能を持つことを確認するテスト AIが感情を持って人間と自然に対話できるかを測るテスト AIが人間の知的行動を模倣し、人間と区別がつかないかを確認するテスト AIが物理的作業をどれだけ効率よくこなすかを評価するテスト None 65. 教師あり学習で最適なハイパーパラメータを見つけるために使用される手法はどれですか? グリッドサーチ ランダムサーチ ベイズ最適化 交差検証 None 66. 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 67. 欧州連合(EU)が発表した「AI倫理ガイドライン」における、最も重要な原則は何ですか? 人間中心のAI 自由なAI開発 技術競争の強化 AIの自己決定権 None 68. 「死んだニューロン」問題を防ぐための改善策として適切なのはどれですか? シグモイド関数に置き換える 勾配爆発を防ぐ Leaky ReLUやPReLUを使用する 学習率を高く設定する None 69. AI倫理における「説明可能性」が欠如した場合、どのようなリスクが発生しますか? AIが正しい結果を提供できなくなる 利用者や社会がAIの決定や結果に対する信頼を失う可能性 AIが自動的に停止する AIが自己修復を行うことができなくなる None 70. ディープラーニングにおける「CNN(畳み込みニューラルネットワーク)」の主な用途は何か? 自然言語処理 音声認識 時系列データの予測 画像認識 None 71. GANの識別モデルが非常に強力である場合、生成モデルはどのような結果をもたらす可能性がありますか? 過学習を引き起こす モード崩壊を引き起こす 無限にデータを生成する 学習が進まなくなる None 72. AIシステムの「セキュリティ」と「プライバシー」の違いとして正しいのはどれですか? セキュリティはシステムの動作を保護し、プライバシーはデータの保護に関わる セキュリティはデータの保護に関わり、プライバシーはシステムの動作を保護する 両者は全く同じ意味を持つ セキュリティは個人情報にのみ関わる None 73. 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 74. 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 75. 畳み込み層のパディングとは何ですか? 出力の次元を削減する技術 入力データのサイズを増やすために追加されるピクセル モデルの正則化手法 フィルターのサイズを変更する方法 None 76. 最適化手法における「早期停止」とは何ですか? 訓練データの量を減らすこと モデルのトレーニングを早めに停止すること 学習率を低下させること バッチサイズを変更すること None 77. ソフトマックス関数と一緒に使用される代表的な誤差関数はどれですか? 平均二乗誤差(MSE) 二項クロスエントロピー カテゴリカルクロスエントロピー Huber誤差 None 78. a b c d None 79. AIサービス提供契約における「データの保存期間」はどのように決定されますか? 法律で決定される 委託者の判断で決定される 契約によって明示的に定められる サービス提供者が一方的に決定する None 80. 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 81. スキップ結合を持つモデルのメリットはどれですか? 学習が早くなる 勾配が安定する 過剰適合が防げる 全ての選択肢 None 82. 転移学習を行う際、「学習率スケジューリング」が有効である理由は何ですか? 学習が進むにつれて、学習率を徐々に減少させることで最適化を促進するため モデルの訓練時間を短縮するため 訓練データを拡張するため モデルの出力を安定させるため None 83. 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 84. 強化学習において「Q-learning」の目的は何か? ラベル付きデータを使ってモデルを訓練する データをクラスタリングする 最適な行動を選択するために報酬を最大化する 次元削減を行う None 85. 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 86. RNNの勾配消失問題を解決するために効果的な技術は何ですか? バッチ正規化 LSTMやGRUの使用 活性化関数の変更 ドロップアウトの使用 None 87. AI開発委託契約での「品質保証」とは、どのような意味を持ちますか? 委託者が自由に品質を決定できること 開発者が品質管理を行わないこと 成果物が契約条件に従って適切に動作することを保証すること 成果物が常に最新技術に基づいていること None 88. 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 89. ELU(Exponential Linear Unit)はどのような特性を持っていますか? 負の入力を0にする 負の入力に対して滑らかな減少を行い、学習を安定化させる 勾配を消失させる 正の入力をすべてクリッピングする None 90. 転移学習において、なぜ初期の層を「凍結(Freeze)」することが推奨されることが多いのですか? 学習を安定させるため パラメータ数を増やすため 重みの初期化を行うため モデルの学習速度を下げるため None 91. 「AIの偏り(バイアス)」が発生する要因として適切なものはどれですか? データの多様性が確保されていない場合 AIがすべてのデータを自動的に選別する場合 AIが常に人間の判断を上回る場合 AIが訓練データを使用しない場合 None 92. スキップ結合を持つモデルでの最適化手法として適切なものはどれですか? 最小二乗法 勾配降下法(SGD) 確率的勾配降下法(SGD) Adamオプティマイザー None 93. 畳み込み層において、ストライドとは何を指しますか? フィルターの数 入力データの前処理方法 フィルターを移動させる際のステップサイズ 出力のサイズ None 94. 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 95. 畳み込み層で使用されるフィルターのサイズが一般的に小さい理由は何ですか? 計算コストを下げるため 局所的な特徴を捉えるため モデルの複雑さを増すため 重みの数を減らすため None 96. 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 97. 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 98. 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 99. モデルの軽量化における「パラメータシェアリング」とは何ですか? 異なるモデル間で同じデータを共有すること データの分割手法 モデルの出力層を複数持つこと モデル内で同じパラメータを複数の層で再利用すること None 100. 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 101. AIにおいてデータの「ラベリング」とは何を指しますか? データを削除すること データを無作為に分割すること データの次元を増やすこと データに対して正解を付けること None 102. 画像認識モデルの評価において「混同行列」が役立つ理由は何ですか? モデルの計算速度を測定するため クラスごとの正解率と誤認識のパターンを視覚化できる 画像の解像度を最適化するため 勾配消失問題を確認するため None 103. 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 104. 強いAI(AGI)に関する問題として、最も適切なものはどれか。 強いAIはすでに実現しており、汎用的に使用されている 強いAIは感情を持ち、人間と同じ感覚で行動する 強いAIが実現すると、人間の知能を超える可能性があり、制御が難しくなる 強いAIは人間の指示なしでは動作しないため、リスクはない None 105. 次のうち、ディープラーニングにおいて「活性化関数」としてよく使用されるものはどれか? 決定木 SVM ReLU(Rectified Linear Unit) 最近傍法 None 106. AI技術が医療分野に与える影響として、正しいものはどれか。 AIは医療データを解析し、診断や治療の補助に役立つが、医師の判断を完全に代替することはできない AIはすべての医療診断を完全に自動化できる AIは医療分野では使用されておらず、影響はない AIは医療データの保管に使用され、診断には使用されない None 107. モデルの解釈性を高めるために「部分依存プロット(Partial Dependence Plot, PDP)」が使用される理由は何ですか? 特定の特徴量が予測結果にどのような影響を与えるかを可視化するため モデルのパラメータを最適化するため データセットのサイズを削減するため モデルの学習率を調整するため None 108. 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 109. モデルの解釈性を犠牲にせずに精度を向上させるための技術として適切なのはどれですか? 蒸留モデル(Model Distillation) ドロップアウト バッチ正規化 過学習の防止 None 110. AIサービス提供契約において、提供されたデータに誤りがある場合、サービス提供者が負うべき責任は何ですか? 提供データの修正義務と損害賠償の責任 提供データを削除する責任 提供データに関しては責任を負わない データを無制限に使用できる権利 None 111. 著作権の「翻訳権」とは何ですか? 著作物を複製する権利 著作物を改変する権利 著作物を販売する権利 著作物を異なる言語に翻訳する権利 None 112. 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 113. 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 114. 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 115. 次の中で「プロダクションルール」に該当するものはどれか? IF A THEN B A AND B B OR C NOT A None 116. AIにおける「確率分布」とは何を意味しますか? データの変動範囲を示すもの ある変数が特定の値をとる確率を表す関数 データの分散を求めるための手法 AIモデルのトレーニングに使用されるアルゴリズム None 117. 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 118. 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 119. バッチ正規化を使用した場合、アクティベーション関数にReLUを選ぶ理由は何ですか? ReLUは非線形性を持たないため ReLUは出力が負にならないため ReLUは勾配消失問題に強いため ReLUは計算コストが低いため None 120. 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 121. バッチ正規化が過学習に対して有効でない場合に使用する正規化手法は何ですか? グループ正規化 ドロップアウト レイヤーノーマライゼーション 重みの初期化 None 122. AIシステムが銀行の融資判断で年齢による差別をしている場合、そのバイアスを解消するために行うべき処置は何ですか? 年齢に基づいたデータを増やす 融資判断において年齢を最も重視する 年齢データを使用しないようにする 年齢に関連するデータを完全に削除し、モデルを再トレーニングする None 123. 全結合層の主な役割は何ですか? 特徴を抽出すること モデルの出力を生成すること データの次元を削減すること 入力を正規化すること None 124. 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 125. AIによるデータ保護に関する課題として最も適切なものはどれか。 AIはすべてのデータを安全に保管するため、データ保護の問題はない AIが収集したデータの不正利用や流出のリスクが存在する AIはデータを保管しないため、データ保護の問題は発生しない AIはデータを常に暗号化して保管するため、保護の問題はない None 126. AI開発委託契約において、第三者の知的財産権を侵害していることが判明した場合の対応として、委託者が考慮すべき事項は何ですか? 契約に基づき、開発者に責任を負わせるか、対応を協議する 開発者に無条件で責任を負わせる 契約を無効にする 知的財産権の侵害を無視する None 127. 教師あり学習の回帰問題において、モデルの予測が訓練データに対して非常に高い精度を示しているが、テストデータでは大きく誤差が出る場合、考えられる原因はどれですか? モデルが過学習している データが不均衡である 過小適合が起きている ハイパーパラメータが適切でない None 128. モデル軽量化を行う際に使用される「スパース性」とは何ですか? モデルがトレーニング時にランダムに動作すること モデル内の多くのパラメータがゼロ値を持つこと モデルが複数のデータセットを使用すること モデルが非常に大きくなること None 129. CNNにおける「ストライド」とは何ですか? 各フィルターが入力データ上を移動する幅 パラメータの更新頻度 勾配の更新量 正則化の一種 None 130. 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 131. AIシステムの透明性を確保するための「オープンソースAI」とは何ですか? AIのソースコードやアルゴリズムが公開され、誰でもアクセスできるシステム AIがすべてのタスクを自動で処理するシステム AIが常に最新の技術を使用するシステム AIが自動でデータを削除するシステム None 132. SHAP(Shapley Additive exPlanations)とは何ですか? モデルのパラメータを最適化する手法 モデルの各特徴量が予測にどの程度貢献しているかを定量化する手法 モデルの過学習を防ぐ手法 データの前処理手法 None 133. 不正競争防止法において「営業秘密」とは何ですか? 企業が公表しているデータ 公に知られておらず、管理されている有用な情報 企業の利益に関係のない情報 企業の広告に関する情報 None 134. RNNが非常に長いシーケンスを扱う際に発生する勾配消失問題を改善するためには、何が効果的ですか? LSTMやGRUを使用する 学習率を下げる バッチサイズを減らす 活性化関数を変更する None 135. 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 136. 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 137. 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 138. オートエンコーダのエンコーダ部分で行われる処理は何ですか? データの圧縮 データの拡張 データの分類 データの逆伝播 None 139. 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 140. 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 141. データの「オーバーフィッティング」を防ぐために使用される一般的な手法はどれですか? データ拡張や正則化 モデルのサイズを増やす データの一部を削除する モデルのパラメータを無作為に設定する None 142. グローバルプーリング層(Global Pooling)はどのように機能しますか? 全てのピクセルの最大値を取る 特定の領域内で最小値を取る 画像全体に対して1つの値を出力する すべてのフィルターの重みを学習する None 143. ルールベースのエキスパートシステムで、知識が蓄積される場所はどこか? データベース 推論エンジン 知識ベース ユーザーインターフェース None 144. 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 145. 強化学習における「方策勾配法(Policy Gradient Method)」とは何ですか? Q関数を間接的に最適化する手法 環境の動作をシミュレートする手法 方策(Policy)を直接学習し、最適化する手法 報酬の割引率を計算する手法 None 146. 不正競争防止法で保護されている「著名表示の不正使用」とは何ですか? 自社の商品を販売する行為 他社の商品を改良する行為 営業秘密を公開する行為 著名な商標やロゴを無断で使用する行為 None 147. 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 148. 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 149. CNNモデルで、オーバーフィッティング(過学習)を防ぐために一般的に使用される手法はどれですか? ドロップアウト グラデーションブースティング ストライドの増加 正規化層の追加 None 150. 特許権を他者にライセンスする場合の手続きは、特許法上どのように規定されていますか? 特許庁の許可が必要 特許権を譲渡する必要がある ライセンス契約は無効になる 特許権者が自由にライセンス契約を締結できる None 151. 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 152. AIによる刑事司法システムで、特定の人種が過度に厳しい処罰を受けている場合、その原因として考えられるのは何ですか? AIが人種データを誤って処理している AIが訓練データに含まれる歴史的なバイアスを学習している AIがデータを適切に解析していない AIがデータをすべて削除している None 153. 「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 154. 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 155. 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 156. バッチサイズを選択する際の考慮点はどれですか? データのサイズのみ モデルの精度のみ メモリの制約と計算速度 全ての選択肢 None 157. 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 158. Word2Vecの「スキップグラムモデル」の特徴は何ですか? 中心となる単語から周囲の単語を予測する 文脈単語から中心単語を予測する 単語間の類似性を計算する 単語の頻度を基にベクトルを生成する None 159. 次のうち、文章の感情分析に適した手法はどれですか? 次元削減 SVM 回帰分析 トピックモデル None 160. 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 Time's up