G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. ReLUを使用する利点として適切なのはどれですか？ 勾配爆発問題を防ぐ 勾配消失問題を防ぐ ニューロンのすべての重みをリセットする 計算が効率的であり、学習が高速 None 2. 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 3. 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 4. AIの透明性を高めるために、どのような技術的手法が有効ですか？ モデルの可視化や説明可能なアルゴリズムを使用する データの暗号化 AIモデルを非公開にする AIシステムを停止する None 5. 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 6. 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 7. 「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 8. 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 9. 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 10. 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 11. LSTMとGRUの主な違いは何ですか？ LSTMにはゲートが3つあり、GRUには2つしかない LSTMは短期依存性に優れているが、GRUは長期依存性に優れている GRUはLSTMよりもパラメータが多い LSTMは計算が効率的で、GRUは計算が複雑である None 12. 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 13. 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 14. 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 15. 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 16. 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 17. 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 18. 「ローカルな解釈性」とは何ですか？ モデル全体を理解する手法 個別の予測や判断に対して解釈を行う手法 データの前処理を行う手法 モデルの訓練方法を説明する手法 None 19. あるデータセットにおいてクラスの不均衡が存在する場合、モデルの評価指標としてどの指標を優先すべきですか？ F1スコア 精度 MSE（平均二乗誤差） 交差エントロピー損失 None 20. 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 21. 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 22. 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 23. 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 24. AIシステムが自動車保険の料金計算で性別に基づく不公平な料金を設定している場合、どのように修正すべきですか？ 性別に応じた料金を自動で設定する 性別データを増やす 性別に関連するデータを削除し、モデルを再トレーニングする AIシステムを停止する None 25. 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 26. 全結合層の出力次元を変えることで、どのような効果が得られますか？ 訓練データの量を増加させる モデルの複雑さを調整する 入力データのサイズを変更する モデルの学習率を変更する None 27. 強化学習における「報酬（Reward）」の役割は何ですか？ 環境の状態を変える エージェントが行った行動の評価 エージェントのメモリをリセットする エージェントの行動履歴を保存する None 28. AIプロジェクトの進行管理において、「アジャイル開発」が選ばれる理由は何ですか？ 開発プロセスが迅速で、柔軟に変更に対応できるため 全てのプロジェクトフェーズを一度に完了できるため データの前処理を効率化できるため 開発コストが削減されるため None 29. 「モンテカルロ法」がAIにおいて有用である理由は何ですか？ 確率分布に基づいて複雑な問題を数値的に解く手法であり、サンプリングによって結果を推定できるため データの次元を削減するため モデルのパラメータを最適化するため データの欠損を補完するため None 30. 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 31. 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 32. AIサービス提供契約で「不可抗力条項」が意味するものは何ですか？ サービス提供者が契約を自由に解除できる条件 委託者が無条件で契約を解約できる条項 サービスの料金を変更できる条件 予測不可能な事態により契約の履行が不可能になる場合の免責条項 None 33. 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 34. 個人情報保護法において、個人情報を第三国に移転する際に求められる条件は何ですか？ 対象国がAI技術を保有していること 対象国が国際貿易協定に加盟していること 対象国がEU加盟国であること 対象国が十分な個人情報保護体制を持っているか、本人の同意を得ること None 35. 畳み込み層における「重みの共有」の利点は何ですか？ 計算を単純化する パラメータの数を減少させる 入力データの次元を削減する 全ての選択肢 None 36. ニューラルネットワークで「ドロップアウト」の目的は何か？ モデルの訓練データを増やす モデルの過学習を防ぐ モデルの重みを初期化する 訓練データの次元を削減する None 37. あるデータセットに対して異常検知を行う際、データ内のほとんどが正常であり、異常データは非常に少ない場合、適切なアプローチはどれですか？ K-meansクラスタリングを適用する 主成分分析を行う 階層的クラスタリングを行う Isolation Forestを適用する None 38. 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 39. 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 40. 「データ拡張（Data Augmentation）」がAIモデルの学習に有効な理由は何ですか？ 学習データを仮想的に増やし、モデルの汎化性能を向上させるため データを削除して学習時間を短縮するため データを無作為に分割して学習するため モデルの過学習を促進するため None 41. Q学習において、学習の目標は何ですか？ 状態遷移確率を計算する 最適なQ関数を学習し、報酬を最大化する 学習率を最小化する 報酬を無限大にする None 42. オートエンコーダが次元削減に適している理由は何ですか？ 出力層の活性化関数が特別だから エンコーダとデコーダの層数が多いから 潜在変数がデータの重要な特徴を保持するから ラベル付きデータを使うから None 43. AIプロジェクトにおいて、「スケーラビリティ」を考慮する理由は何ですか？ プロジェクトが拡大した際に技術やシステムが対応できるようにするため 開発コストを削減するため データの可視化を行うため モデルの精度を向上させるため None 44. 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 45. 音声処理における「シーケンス・トゥ・シーケンスモデル（Seq2Seq）」はどのように使用されますか？ 音声認識において音声をテキストに変換するため 音声の波形を画像に変換するため 音声信号を圧縮するため ノイズキャンセリングのため None 46. 強化学習において「割引率」が0.9に設定されている場合、次の報酬の価値はどのように計算されるでしょうか？ 未来の報酬の影響が10%になる 将来の報酬は無視される 現在の報酬が100%評価される 未来の報酬が90%評価される None 47. AIが採用面接の評価で候補者の学歴を過度に重視し、特定の集団に不利な評価をしている場合、どのようにバイアスを解消できますか？ 学歴データを削除し、評価基準を見直す 学歴データをさらに強化する 学歴データに基づく評価を続ける 採用システムを停止する None 48. AIサービス提供契約で、委託者が提供するデータに対するセキュリティ対策を契約に盛り込む際に考慮すべき重要な要素は何ですか？ データの暗号化、アクセス制限、バックアップの実施 サービス提供者が自由にデータを処理できるようにする データの公開 データの削除を促進する None 49. 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 50. 日本の「AIガイドライン2020」において、AIの開発者に求められる倫理的責任は何ですか？ AIシステムの利益最大化を追求すること AIシステムが自己学習するように設計すること AIシステムの所有権を開発者に保持すること AIシステムが安全かつ信頼性を持って動作するようにすること None 51. 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 52. AI開発委託契約における「リスク分担」とは、どのような内容を指しますか？ 委託者が全てのリスクを負うこと 開発に関わる費用や責任を、開発者と委託者で事前に明確に分け合うこと 開発者が全てのリスクを負うこと リスクに関して取り決めは行わないこと None 53. 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 54. GAN（Generative Adversarial Networks）はどのようにデータ拡張に関連していますか？ GANはデータを直接ラベル付けする GANはデータ拡張を必要としない GANは新しいデータを生成することでデータ拡張を行う GANはデータを正規化する None 55. 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 56. 特許法において「クレーム」とは何ですか？ 発明に対する異議申し立て 発明の技術的範囲を定める記述 特許庁への申請書 発明の内容を公開する文章 None 57. 最適化手法の選択で重要な要因はどれですか？ データの種類 モデルのアーキテクチャ 学習速度と収束の安定性 全ての選択肢 None 58. 畳み込み層とプーリング層を組み合わせる主な理由は何ですか？ モデルの精度を向上させるため 活性化関数の効果を最大化するため 重みの更新を効率化するため 次元削減と特徴抽出を同時に行うため None 59. 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 60. 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 61. 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 62. 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 63. 個人情報の「訂正請求」とは何ですか？ データが匿名化された場合に行う請求 企業が第三者に提供する際に行う請求 本人が自分の個人情報の誤りを訂正するよう企業に求める請求 個人情報の削除を企業に求める請求 None 64. スキップ結合が「残差」として機能する理由は何ですか？ 残差ネットワーク（ResNet）では、スキップ結合により、学習すべき残差（ResNet）が直接伝わるから ネットワークの出力を減少させるため 学習率を下げるため 重みの計算を省略するため None 65. 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 66. 強化学習における「方策（ポリシー）」の役割は何ですか？ 特定の状態における行動選択のルール エージェントが受け取る報酬を決定する 環境の遷移を管理する 学習アルゴリズムの一部 None 67. 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 68. 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 69. AI開発において、バイアスを排除するための「データクリーニング」の目的は何ですか？ データの数を増やすこと データセットから不正確な情報や偏りのあるデータを取り除き、AIの公平性を向上させること AIが自動で判断を行えるようにすること AIが効率的に動作するためのメモリを増やすこと None 70. 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 71. リカレントニューラルネットワーク（RNN）の特徴はどれですか？ 入力データを逐次的に処理する 全ての入力を一度に処理する 出力と入力が無関係 畳み込みフィルターを使用する None 72. 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 73. 「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 74. 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 75. 特許権が日本で認められるためには、どの国の特許庁に出願する必要がありますか？ 世界知的所有権機関（WIPO） アメリカ合衆国特許商標庁 日本特許庁 欧州特許庁 None 76. 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 77. 深層強化学習で用いられる「ターゲットネットワーク」とは何ですか？ エージェントの行動を評価するためのネットワーク 報酬の割引率を計算するネットワーク ノイズを除去するためのネットワーク 学習を安定させるために使用されるネットワーク None 78. 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 79. 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 80. AIを活用した顔認識技術の利用において、プライバシー侵害のリスクを最小限に抑えるために企業が取るべき措置は何ですか？ 顔データを永久に保存する 顔データの使用目的を明確にし、利用者の同意を得る 顔データを無制限に第三者と共有する 顔データを匿名化せずに保存する None 81. 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 82. 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 83. 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 84. VAEの特徴として正しいものはどれですか？ 確率分布に基づくデータ生成を行う データの次元削減のみを行う 生成モデルを持たない データの識別に特化している None 85. 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 86. 欧州連合（EU）の「AI倫理ガイドライン」において、AIシステムが「信頼できる」と判断されるためには、どのような基準が満たされるべきですか？ AIシステムが完全に自律的であること AIシステムが倫理的であり、透明性と説明責任が確保されていること AIシステムが市場で最も効率的であること AIシステムが競合他社より優れていること None 87. 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 88. AIサービス提供契約において、委託者がサービスを利用する上で負うべき責任は何ですか？ サービスの利用に関する法的遵守とデータ提供の責任 サービス提供者の技術サポートを受ける義務 サービス提供者の知的財産権の譲渡 サービスの開発を支援する責任 None 89. 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 90. 教師あり学習で分類問題に適用されるアルゴリズムはどれですか？ K平均法 ロジスティック回帰 主成分分析（PCA） 非負行列因子分解（NMF） None 91. 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 92. 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 93. 「p値」とは何を意味しますか？ 帰無仮説が正しいと仮定した場合に、観察された結果が得られる確率 モデルの精度を示す値 仮説検定の結果の有意性を示す閾値 データの分布を可視化する手法 None 94. 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 95. 特許法における「進歩性」とは何ですか？ 発明が全く新しくないこと 発明が既存技術に対して技術的に進んでいること 発明が商業的に利用できないこと 発明が他者に知られていること None 96. AI開発委託契約において「守秘義務契約（NDA）」の目的は何ですか？ 開発者が納期を守るため 開発に関わる情報を外部に漏らさないようにするため 委託者が開発費用を支払うため 開発者が他のプロジェクトで技術を利用するため None 97. 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 98. GPT（Generative Pretrained Transformer）の特徴はどれですか？ 文のクラスタリングを行うモデル 文の生成を行うモデル 文法的解析に特化したモデル 出力層でのみ使用されるモデル None 99. AIシステムの透明性を高めるために、「ホワイトボックスモデル」の導入が推奨される理由は何ですか？ AIのアルゴリズムが完全に非公開になるため AIの内部の動作や意思決定プロセスを人間が理解できるように設計されているため AIがすべてのデータを削除するため AIが自動で判断を行うため None 100. 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 101. 深層強化学習で用いられる「ディープQネットワーク（DQN）」とは何ですか？ 環境をシミュレートするモデル 報酬の最適化アルゴリズム Q学習をディープニューラルネットワークで実装したモデル 強化学習で使用する正則化手法 None 102. 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 103. 次のうち、ディープラーニングの「サポートベクターマシン（SVM）」とは異なる特徴を持つアルゴリズムはどれか？ ロジスティック回帰 K-means 畳み込みニューラルネットワーク（CNN） 主成分分析（PCA） None 104. 最適化手法における「自動微分」とは何ですか？ 勾配降下法の別名 微分計算を自動化する手法 データの前処理手法 パラメータの最適化技術 None 105. 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 106. 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 107. AIの「セキュリティバイデザイン」とは、どのような概念ですか？ AIシステムの構築後にセキュリティ対策を実施する AIモデルが自動的にセキュリティを確保する AIシステムの設計段階からセキュリティを組み込む セキュリティを設計の最後に検討する None 108. 大規模なデータセットで次元削減を行い、重要な特徴のみを残して分析したい場合、最適な次元削減手法はどれですか？ t-SNE K-meansクラスタリング エルボー法 主成分分析（PCA） None 109. 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 110. 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 111. 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 112. 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 113. 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 114. AIサービス提供契約における「データの取り扱い」に関する条項で、委託者が提供したデータに対してサービス提供者が負うべき義務はどれですか？ データの保護とセキュリティ確保 データの無期限使用権 データの所有権の譲渡 データの公開 None 115. 著作権法における「著作物」とは何ですか？ 物理的な作品のこと 創作的な思想または感情を表現したもの 事実を記載したもの 公共の作品のみ None 116. 「方策勾配法」とは何を指しますか？ 行動選択をランダムに行う方法 方策を直接最適化するためのアルゴリズム Q値を更新するための方法 状態遷移モデルを学習する方法 None 117. データ拡張において、画像データの拡張手法として一般的に使用される方法はどれですか？ 水平反転や回転 勾配降下法 重みの初期化 正規化 None 118. 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 119. 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 120. 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 121. 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 122. 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 123. 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 124. 次のうち、強いAI（AGI: Artificial General Intelligence）の定義として正しいものはどれか。 特定のタスクに特化したAIで、あらゆる状況に適応できるわけではない あらゆるタスクに柔軟に対応できる汎用的な知能を持つAI 人間がプログラムしたルールに従って動作するAI データ解析に基づき、物理的な作業を行うAI None 125. ニューラルネットワークのトレーニング中に「早期停止」を使用する目的は何ですか？ モデルのサイズを小さくする 訓練データを増やす 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 126. 「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 127. 不正競争防止法における「不正競争行為」とは何ですか？ 他者の商品や営業を混同させる行為 競合他社の商品を宣伝する行為 競合他社の営業秘密を開示する行為 競合他社の商品を改良する行為 None 128. 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 129. 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 130. 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 131. 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 132. 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 133. ストライドとは何ですか？ プーリング層のサイズを決定するパラメータ プーリング層の計算速度を決定するパラメータ フィルターの移動幅を決定するパラメータ ニューラルネットワークの学習率を決定するパラメータ None 134. 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 135. 誤差逆伝播法の計算中に「連鎖律」を使用する理由は何ですか？ モデルを簡素化するため 勾配を効率的に計算するため 計算時間を短縮するため アクティベーション関数を選択するため None 136. 次のうち、AI倫理に関する問題として正しいものはどれか。 AIが学習過程で差別的な結果を出す可能性がある AIは全ての判断が常に公平であり、倫理的問題は発生しない AIは感情を持つため、倫理的な判断は人間と同等である AIは常にユーザーの意思に基づいて動作するため、倫理的問題は生じない None 137. ニューラルネットワークにおける「ドロップアウト」の目的は何ですか？ モデルのサイズを小さくする 学習率を調整する オーバーフィッティングを防ぐこと 隠れ層の数を減らす None 138. 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 139. 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 140. 転移学習を使用する際、凍結（Freeze）される層は通常どの部分ですか？ 出力層 初期の畳み込み層 全ての層 活性化関数 None 141. エキスパートシステムでの「信頼度（確信度）」を持った推論について、どれが正しいか？ 推論結果が常に正しいと仮定する 各ルールに確率や信頼度を割り当て、推論の不確実性を考慮する 推論に不確実性を導入することはない 信頼度は推論の速度を上げるために使われる None 142. 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 143. データ分析における「ヒストグラム」は何を示すものですか？ データの欠損値を示す データの正規化を行う手法 データの標準化を示す データの分布を可視化し、各範囲内のデータ数を示す None 144. 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 145. 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 146. 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 147. Leaky ReLUを使用する場合、負の入力に対する勾配が大きすぎるとどのような問題が発生しますか？ モデルが過剰に適合する可能性がある 学習が停止する 出力がすべて1になる 勾配がすべて消失する None 148. 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 149. 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 150. ディープラーニングを利用して既存の著作物を模倣した作品が生成された場合、どのような著作権上の問題が発生しますか？ 模倣元の著作物の権利侵害となる可能性がある 新たに生成された作品は自動的に著作権が発生する AIの開発者が著作権を持つ 模倣作品には著作権が発生しない None 151. 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 152. モデル軽量化の技術として「エッジAI」とは何ですか？ クラウド上で大規模モデルを実行する技術 モバイルデバイスやエッジデバイス上で軽量化されたAIモデルを実行する技術 モデルのトレーニングを高速化する技術 モデルのパラメータ数を増やす技術 None 153. 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 154. モデルの選択において、交差検証の主な目的は何ですか？ 訓練データのサイズを増やす モデルの一般化性能を評価するため ハイパーパラメータを決定するため 学習速度を改善するため None 155. 教師あり学習の分類問題において、クラスラベルが不均衡な場合、どのような対策が有効ですか？ 過剰適合を防ぐために、データを削減する 正規化を行う 非線形モデルを使う クラスの重みを調整する None 156. 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 157. AIモデルの評価指標として「回帰モデル」において用いられる指標はどれですか？ 精度（Accuracy） 再現率（Recall） 平均二乗誤差（MSE） 混同行列（Confusion Matrix） None 158. 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 159. データ拡張を使用する場合、どのような注意が必要ですか？ データ拡張が過度にならないように調整する必要がある 常に最大限のデータ拡張を行う データ拡張を行わない方が良い ラベルを変える必要がある None 160. 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 Time's up
