G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. 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 2. 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 3. 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 4. 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 5. 医療分野で使用されるAIシステムが不正アクセスを受けた場合、どのようなセキュリティリスクが考えられますか？ 患者の個人情報が漏洩するリスク AIシステムが自動で判断を行わなくなるリスク AIシステムが物理的に破壊されるリスク AIが新しいデータを収集するリスク None 6. 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 7. 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 8. シグモイド関数の主な欠点は何ですか？ 出力が0か1しかない 計算速度が遅い 勾配消失問題が発生しやすい 勾配爆発問題が発生しやすい None 9. 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 10. 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 11. バッチ正規化が勾配消失問題に与える影響は何ですか？ 勾配消失問題を完全に防ぐ 勾配の安定性を保ち、勾配消失問題を軽減する 勾配消失問題を助長する 勾配を拡大させて、問題を解決する None 12. 転移学習が有効となる状況はどのような場合ですか？ 訓練データが少なく、計算資源が限られている場合 訓練データが非常に多い場合 モデルが十分に大きい場合 モデルの性能が非常に高い場合 None 13. データ分析の目的は何ですか？ データの傾向やパターンを理解し、AIモデルの学習に役立てるため データを削除するため データの次元を増やすため モデルの複雑さを減らすため None 14. 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 15. AIシステムの「ロバストネス」とは何ですか？ AIシステムが攻撃や異常事態に直面しても正常に機能する能力 AIシステムが物理的に壊れにくいこと AIシステムが高速に動作すること AIシステムが最新の技術を採用していること None 16. 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 17. 中国のAIガイドラインでは、「公共の利益を優先する」ことが強調されていますが、その理由は何ですか？ AIが政府の管理下にあるため AI技術が社会全体に有益であると考えられているため AIが経済的な競争を促進するため AIが主に軍事目的で使用されるため None 18. K-meansクラスタリングで、クラスタ数を指定する必要がある理由として正しいのはどれですか？ モデルがデータを指定された数のグループに分割するため データの次元を削減するため データのラベルを生成するため 精度を向上させるため None 19. AI開発委託契約において「知的財産権の帰属」はどのように決定されますか？ 開発者に自動的に帰属する 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 法律で決定される None 20. AI倫理における「公平性」とは、どのようなことを指しますか？ AIシステムがすべての人に対して平等かつ差別のない結果を提供すること AIがすべてのタスクを自動で処理すること AIが経済的利益を最大化すること AIがすべてのユーザーに同じ結果を提供すること None 21. 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 22. Q学習において、「Q関数」は何を表しますか？ 状態と行動のペアに対する期待される累積報酬 行動の選択確率 エージェントの行動方針 環境の変化速度 None 23. 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 24. 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 25. 強化学習のタスクにおいて、エージェントが報酬を長期的に最大化するために実装すべき戦略はどれですか？ 行動を完全に固定する 報酬を短期的なものに依存させる 環境の状態を無視する 割引率を設定して未来の報酬を考慮する None 26. 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 27. 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 28. 「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 29. 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 30. 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 31. 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 32. 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 33. AI分野において、特許権の取得が重要な理由は何ですか？ 他社が同様の技術を無断で使用するのを防ぐため 特許権を取得しなければ技術を公開しなければならないため 特許を取得しないと技術の開発が進まないため 特許庁に技術の所有権を移転するため None 34. 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 35. 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 36. 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 37. 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 38. 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 39. モデル評価において、AUC-ROC曲線を利用する利点は何ですか？ 学習率を決定する 異なる閾値におけるモデルの性能を視覚的に評価できる モデルのパラメータ数を減少させる 訓練データのサイズを増やす None 40. 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 41. 生成モデルにおいて「潜在空間の連続性」が重要な理由は何ですか？ データ生成を停止するため データ生成速度を上げるため データ生成の滑らかさと一貫性を確保するため データの次元削減を行うため None 42. 次のうち、AIにおける知能の定義として最も適切なものはどれか。 人間が設定したルールに従って動作する能力 物理的な作業を効率よく自動化する能力 知識やデータを基に推論し、問題解決を行う能力 データの処理速度を向上させる能力 None 43. 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 44. 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 45. 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 46. 次のうち、エキスパートシステムの開発における「知識獲得」の主な課題はどれか？ 必要なデータを効率的に収集すること 専門家の知識を形式化し、システムに組み込むこと データベースの効率的な設計 ルールを自動生成すること None 47. 誤差関数として最も適切なものを選択してください。次の状況において、外れ値の影響を最小限に抑えたい場合の回帰問題です。 平均二乗誤差（MSE） 平均絶対誤差（MAE） Huber誤差 二項クロスエントロピー None 48. AIによる音楽生成が商業利用される場合、著作権法上の注意点は何ですか？ 元データの著作権が保護されていない場合は自由に利用できる 元となる楽曲やサンプルの著作権を確認し、必要に応じて許可を得る AIが生成した楽曲は著作権の保護対象外である 商業目的でない場合は許可が不要である None 49. スキップ結合を持つネットワークの例として最も適切なのはどれですか？ AlexNet LeNet VGGNet ResNet None 50. フレームの「スロット」とは何を意味するか？ 推論ルールの種類 オブジェクトに関する属性 データベースのテーブル メモリの領域 None 51. 次のうち、人工知能に関する倫理的課題として正しいものはどれか。 AIの導入によって経済の発展が停滞するリスクがある AIが誤った決定を行った際に、誰が責任を負うのかが不明確である AIが人間の感情を完全に再現することで社会が混乱する AIの判断は常に透明であり、倫理的問題はない None 52. 教師あり学習でモデルの過学習を防ぐために、「アンサンブル学習」が有効な理由は何ですか？ データの次元を削減するため 複数のモデルを組み合わせることで、予測の安定性と精度が向上する クラスタリングを自動化するため モデルの訓練時間を短縮するため None 53. 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 54. OECD（経済協力開発機構）が策定した「AIに関する原則」の主な目的は何ですか？ AI開発の加速 グローバルなAI規制の統一 人間中心のAI開発と国際協力の推進 技術革新の制限 None 55. 知識表現において、オントロジーとは何か？ データベースの構造 自然言語処理の技術 ニューラルネットワークの一種 特定の分野における概念とその関係を定義するもの None 56. 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 57. AIによるデータ利用に関してプライバシーの観点から問題となる点はどれか。 AIは人間のデータを利用しないため、プライバシーの問題は存在しない AIは常に匿名化されたデータのみを使用するため、プライバシーは保護される AIが個人情報を過剰に収集・分析することで、プライバシー侵害が発生する可能性がある AIは特定の個人のデータを常に守るため、プライバシーに関する懸念はない None 58. データ拡張が必要となる理由は何ですか？ 訓練データのサイズが非常に小さい場合 モデルの複雑さを増やすため 推論時の計算コストを減らすため 学習率を下げるため None 59. 「尤度関数」とは何ですか？ あるモデルがデータをどの程度よく説明しているかを示す指標 モデルの分散を最小化する関数 データを標準化するための関数 データのばらつきを示す指標 None 60. AIシステムにおける「バックドア攻撃」とは何ですか？ システムの開発者が意図的に設けた裏口を使って、システムに不正アクセスする攻撃 システムが物理的に破壊される攻撃 AIが自動的に判断を変更する攻撃 システムがデータを無効にする攻撃 None 61. 生成モデルが「潜在変数」を使用する理由は何ですか？ データの圧縮効率を高めるため データの次元削減を行うため データ生成において多様なバリエーションを生み出すため 学習率を最適化するため None 62. グループ正規化がバッチ正規化に対して有効な理由は何ですか？ ニューラルネットワークの計算量が増える バッチサイズに依存せずに動作するため 過剰適合を防ぐため アクティベーション関数を改善するため None 63. 全結合層の出力は、どのように計算されますか？ 重みを掛けた後、バイアスを加える 入力の合計を計算する 入力をそのまま出力する アクティベーション関数を適用した後、最大値を取る None 64. 強化学習における「探索」と「活用」のバランスを取るための一般的な方法はどれですか？ 正規化とドロップアウト Boltzmann探索とε-greedy法 勾配降下法と逆伝播 サンプリングとリサンプリング None 65. AIシステムにおける「ゼロデイ攻撃」とは何ですか？ AIシステムが動作を停止する攻撃 システムの脆弱性が発見されると同時に攻撃されること AIシステムがデータを削除する攻撃 AIシステムが他のシステムに攻撃を仕掛けること None 66. 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 67. ディープラーニングにおいて、活性化関数を適切に選択しない場合、どのような問題が発生しますか？ ニューラルネットワークの構造が崩れる 勾配消失や勾配爆発が起こり、学習が進まなくなる モデルの出力がランダムになる 訓練データが正しくない結果を生む None 68. ファインチューニングにおいて「学習率」を小さく設定する理由は何ですか？ モデルの訓練時間を短縮するため 学習が不安定になるのを防ぐため モデルの精度を向上させるため 訓練データを増やすため None 69. 特許出願後に行われる「審査請求」の意義は何ですか？ 出願された発明が特許として認められるかどうかを審査すること 出願内容を変更するための手続き 特許権を他者に譲渡するための手続き 特許出願を取り下げるための手続き None 70. 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 71. 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 72. 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 73. 個人情報保護法に基づく「安全管理措置」とは何ですか？ 個人情報の取扱いに関する物理的、技術的、組織的な対策 個人情報を自由に使用できる権利 個人情報の商業的利用を推奨すること 企業がデータを定期的に公開すること None 74. プーリング層で生じる情報の損失に関して、どのような影響がありますか？ 一部の情報が失われるが、重要な特徴は保持される プーリング層は情報損失を避ける 全ての情報が保持される 情報損失は発生せず、情報が増加する None 75. 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 76. データの前処理において「正規化」が重要となる理由は何ですか？ データをランダムに並び替えるため 特徴量のスケールが異なる場合、モデルが学習しやすくなるため データの次元を減らすため モデルのパラメータ数を減らすため None 77. 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 78. K-meansクラスタリングにおいて、各データポイントをクラスタに割り当てる基準は何ですか？ データポイントとセントロイドの距離 クラスタのサイズ データポイントの密度 データポイントのラベル None 79. 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 80. 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 81. 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 82. 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 83. 異常検知にIsolation Forestを適用した際、異常データが多く検出され、検出結果が多くの誤検知を含んでいることがわかりました。この問題を解決するために最も適切な対応はどれですか？ 異常と正常の境界を再調整する（しきい値の調整） K-meansクラスタリングに切り替える データを削減して処理を簡素化する 次元削減を行ってから再度適用する None 84. 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 85. 誤差逆伝播法が適用できないネットワークはどのようなものですか？ シンプルなフィードフォワードネットワーク リカレントニューラルネットワーク（RNN） 深層畳み込みニューラルネットワーク（CNN） 線形回帰モデル None 86. 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 87. 「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 88. AIによる「自動化された詐欺メール生成」は、どのような悪用例に該当しますか？ AIが誤ってメールを削除すること AIがスパムメールを削除すること AIが個人情報を盗み、詐欺メールを自動生成して送信すること AIがメールの内容を自動で翻訳すること None 89. 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 90. 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 91. 画像認識における「アンサンブル学習」の利点は何ですか？ 複数の異なるモデルを組み合わせて、個々のモデルよりも高い精度を達成できる パラメータ数を削減できる 学習時間を短縮できる データセットが小さい場合に有効である None 92. 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 93. 次のうち、自然言語処理において「言語モデル」として使用されるものはどれですか？ LSTM GAN VGG ResNet None 94. 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 95. 「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 96. 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 97. 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 98. 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 99. 音声認識における「注意機構（Attention）」の役割は何ですか？ 音声信号中の重要な部分に焦点を当て、関連する情報に重みを付ける 音声信号の周波数成分を分析する 音声信号を圧縮する 音声データを正規化する None 100. 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 101. 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 102. RNNが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？ バッチ正規化 アクティベーション関数の変更 勾配クリッピング ドロップアウト None 103. 個人情報の利用停止を請求できるのはどのような場合ですか？ 個人情報が不適切に取得された場合 個人情報が匿名化された場合 個人情報が企業により適切に管理されている場合 個人情報が利用目的に沿って使用されている場合 None 104. 「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 105. AI開発委託契約において「瑕疵担保責任」とは何ですか？ 開発者が納期を守る責任 開発者が納品した成果物に欠陥があった場合、その修正や損害賠償を負う責任 委託者が開発費用を支払う責任 契約のキャンセルに関する責任 None 106. ディープラーニングでの「事前学習モデル（Pre-trained Model）」の利用は、どのような状況で有効か？ 学習データが大量に存在する場合 学習データが少なく、新たなタスクに迅速に対応する必要がある場合 モデルの学習速度を劇的に向上させたい場合 既存のモデルを使わず、新たなネットワークをゼロから構築したい場合 None 107. 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 108. 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 109. 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 110. a b c d None 111. 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 112. 勾配降下法の目的は何ですか？ モデルの精度を向上させること 損失関数を最小化すること 学習率を調整すること 特徴量を選択すること None 113. 生成モデルのトレーニングにおいて「ラベルスムージング」が導入される理由は何ですか？ ラベル付きデータを生成するため 学習率を一定に保つため データの多様性を確保するため 識別モデルが過度に確信を持つことを防ぐため None 114. 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 115. 教師あり学習のプロセスで、「モデルの汎化性能を向上させる」ために使用される手法はどれですか？ ミニバッチ学習 正則化 階層的クラスタリング 主成分分析 None 116. 最適化手法における「バッチサイズ」とは何ですか？ 訓練データの全体の数 モデルの層の数 各イテレーションで使用するサンプル数 学習率の設定 None 117. 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 118. 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 119. 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 120. 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 121. 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 122. AIによる学校の成績評価システムで特定の学生グループが過小評価されている場合、考えられるバイアスの要因は何ですか？ 学生グループに特化したデータが不足している AIがすべてのデータを均等に処理していない 学校がAIシステムを更新していない 学生がデータを提供していない None 123. 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 124. 「GAN（敵対的生成ネットワーク）」における「生成ネットワーク（Generator）」の役割は何か？ 本物のデータと偽物のデータを区別する 本物に似た偽物のデータを生成する データの特徴量を抽出する 生成されたデータの品質を評価する None 125. 全結合層はどのような場合に使用されることが多いですか？ 画像データの前処理 特徴抽出後の最終出力生成 データの正規化 時系列データの処理 None 126. 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 127. 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 128. 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 129. 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 130. 機械学習において「過学習（オーバーフィッティング）」とは何か？ モデルが学習データに過度に適合し、新しいデータに対しての汎化能力が低下すること モデルが学習データに適合できず、予測精度が低下すること 学習データが十分でないために、モデルの性能が低いこと モデルが極端に単純化され、性能が高くなること None 131. 次のうち、ビーム探索の特徴として最も適切なものはどれか。 最適解を常に保証する 幅優先探索に似ているが、探索の幅を限定する 木の全てのノードを必ず探索する 深さ優先探索を効率化した手法である None 132. 最大プーリング（Max Pooling）の動作は次のどれですか？ プール領域内の全ての値の和を取る プール領域内の最大値を取る プール領域内の最小値を取る プール領域内の平均値を取る None 133. 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 134. 正規化層の追加によって、学習速度が向上する理由は何ですか？ 計算量が減少するため バッチサイズを小さくすることができるため アクティベーション関数の出力が増加するため 勾配が安定し、より高い学習率を使用できるため None 135. データ拡張における「ラベル保持」とは何ですか？ 新しいラベルを生成すること ラベルを削除して無効にすること ラベルを正規化すること データを拡張した際に、元のラベルをそのまま維持すること None 136. モデル選択において「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 モデルが多様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 137. 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 138. 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 139. 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 140. 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 141. 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 142. ワードエンベディングの技術として有名なものはどれですか？ BERT Word2Vec RNN CNN 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倫理ガイドライン」において、AIシステムの説明可能性が求められる理由は何ですか？ AIが人間を代替するため AIの結果を誰でも理解できるようにするため AIがすべての意思決定を行うため AIの開発者を特定するため None 145. 日本におけるAIガバナンスの法的基盤を強化するための重要な法律はどれですか？ 個人情報保護法 独占禁止法 著作権法 公益通報者保護法 None 146. データ生成において「自己回帰モデル」が有効な理由は何ですか？ 時系列データを生成できるため データを圧縮できるため 識別精度を向上させるため データの正規化が不要なため None 147. 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 148. AIを使った自動化された顔認識技術の悪用例として考えられるのはどれですか？ AIが顔認識を使って犯罪者を特定すること AIが顔認識を用いて無許可で個人の追跡を行うこと AIが顔認識を使ってセキュリティを強化すること AIが顔認識でデータの重複を防ぐこと None 149. 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 150. 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 151. ディープラーニングにおける「オートエンコーダー（Autoencoder）」の目的はどれか？ データの次元削減や特徴量抽出を行う モデルの重みをランダムに初期化する データの分類を行う 時系列データを予測する None 152. モーメンタム法の主な利点は何ですか？ 局所最適解に陥るリスクを減少させること 計算を簡素化すること 学習率を固定すること 各イテレーションで新しいサンプルを使用すること None 153. 最適化手法において「局所最適解」とは何ですか？ モデルが収束する最良の点 訓練データの中で最適なサンプル 勾配がゼロになる点で、最適でない可能性がある モデルが一貫して高い精度を持つ状態 None 154. VAEにおける「再構成誤差」と「KLダイバージェンス」のバランスを取る理由は何ですか？ モデルの学習速度を向上させるため データの再構成精度と生成データの多様性を同時に向上させるため パラメータ数を削減するため 活性化関数を最適化するため None 155. 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 156. 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 157. 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 158. 不正競争防止法において、「虚偽表示」とは何ですか？ 他社の商品を宣伝する行為 商品を模倣する行為 他社の営業秘密を公開する行為 商品やサービスの内容について虚偽の表示を行う行為 None 159. 損失関数の選択が学習に与える影響はどれですか？ モデルの初期化方法を決定する 学習率の選択に影響を与える 学習の収束速度と最終的な精度に影響を与える 入力データの前処理方法を決定する None 160. AIが透明性を持っていない場合、どのような社会的リスクが発生する可能性がありますか？ AIが効率的に動作しない AIがすべてのデータを削除する ユーザーや社会がAIの判断を信頼できず、不正確な情報が広まるリスク AIが判断を自動で行う None Time's up
