G検定～模擬試験②～ 2024年12月6日2024年12月6日 ailearn 1. 強化学習における「方策オフライン学習」と「方策オンライン学習」の違いは何ですか？ オフライン学習では既存のデータを用いて学習し、オンライン学習ではリアルタイムでデータを収集しながら学習する オフライン学習では報酬を即座に受け取り、オンライン学習では報酬を遅延させる オフライン学習では行動が確率的であり、オンライン学習では行動が決定的である オフライン学習はノイズを除去するが、オンライン学習はノイズを含む None 2. 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 3. Swish関数をReLUの代わりに使用する利点は何ですか？ より滑らかな勾配で、特定のタスクで性能向上が見込める すべてのニューロンを活性化させる すべての入力をクリッピングする 出力を制限する None 4. AIシステムが医療分野で使用される際、患者の人種によって診断結果に違いが生じる場合、その原因として考えられるのは何ですか？ 医療データに人種ごとのバイアスが含まれている AIシステムが常に正確に動作していない AIがすべての患者に同じ治療を提供するため AIが適切なアルゴリズムを使用していないため None 5. 正規化層の主な目的は何ですか？ 勾配消失を防ぐ 学習率を調整する パラメータを減少させる 重みの初期化を最適化する None 6. 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 7. 特許権の侵害に対する救済措置として、一般的にどのようなものがありますか？ 損害賠償請求や差止請求 権利の無効化 発明の公開 特許権の販売 None 8. 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 9. 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 10. AIシステムが交通違反の罰金を課す際に、特定の地域住民に不公平な罰金を科している場合、そのバイアスを軽減する方法は何ですか？ すべての地域のデータを均等に使用してAIモデルを訓練する 特定の地域データを増やす 罰金をAIで自動設定する 地域データを完全に削除する None 11. 音声処理で使用されるトランスフォーマーモデルの利点は何ですか？ 音声データを圧縮する 音声データを分類する 長距離の依存関係を効率的に処理できる ノイズを除去する None 12. 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 13. 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 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. 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 16. 深層強化学習で報酬の「遅延」が問題となる理由は何ですか？ エージェントが遅延報酬を正しく評価できないことが多いため 遅延報酬はエージェントに無関係なため 遅延報酬は常に負の値であるため 遅延報酬は割引率に影響されないため None 17. 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 18. AIのバイアスを防ぐために、どのような対策が必要ですか？ AIにできるだけ多くのデータを与える 多様なデータを使用し、AIモデルのトレーニングにおいて公平性を評価する 人間の判断を完全に排除する AIモデルがデータを自動で選別する None 19. 次のアルゴリズムの中で、分類問題に最適なものはどれか？ K-最近傍法（K-NN） 線形回帰 主成分分析（PCA） アダブースト None 20. 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 21. 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 22. 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 23. 「Curiosity-driven Exploration」は、どのような場合に強化学習で役立ちますか？ 環境に明示的な報酬がほとんど存在しない場合 環境が大きな報酬を明確に提供する場合 環境がエージェントに常に同じ状態を提供する場合 エージェントが確率的に行動する場合 None 24. 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 25. A*アルゴリズムの計算効率が低下する可能性がある状況は次のうちどれですか？ ヒューリスティック関数が過大評価を行う場合 グラフにサイクルが存在する場合 開集合のサイズが小さい場合 探索空間が木構造の場合 None 26. アルファベータ剪定を用いる場合、剪定の効率を高めるために推奨される手法はどれですか？ 可能な手をランダムに探索する 再帰を用いずに実装する ノードの評価順序を最適化する 剪定を無効にして全探索を行う None 27. 医療分野で使用されるAIシステムにおいて、「データトレーサビリティ」が特に重要視される理由は何ですか？ AIシステムが全てのデータを破棄するため 診断や治療計画の過程を追跡可能にすることで、エラー発生時の原因特定が容易になるため 患者のプライバシーを完全に無視するため AIシステムが自己判断で全てのデータを変更するため None 28. 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 29. AIシステムが公平性を確保するために、特定の結果を意図的に調整する手法の利点と課題は何ですか？ 利点: 公平性が向上する / 課題: 意図的調整が新たなバイアスを生む可能性がある 利点: 公平性が低下する / 課題: バイアスが完全に排除される 利点: 結果が完全にランダム化される / 課題: 公平性の向上が困難になる 利点: 全てのグループが同じ結果を受け取る / 課題: データの偏りが固定される None 30. 「Advantage Actor-Critic（A2C）」アルゴリズムにおけるAdvantage（A）の役割は何ですか？ 方策を学習するための損失関数を計算する 環境の報酬を直接予測する 行動をランダムに選択するための確率を計算する 状態の価値と行動の価値の差分を計算し、行動の改善を促進する None 31. 正規化層が勾配爆発問題を防ぐ仕組みとして適切なのはどれですか？ 勾配の大きさを一定範囲内に制限する 勾配がゼロになるように調整する 各層の出力を一定の範囲に正規化する ネットワークの深さを削減する None 32. 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 33. 音声処理タスクにおいて、雑音を除去するために用いられる技術はどれですか？ ノイズキャンセリング 正則化 勾配クリッピング バッチ正規化 None 34. 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 35. ヒューリスティック検索の利点として最も適切なものはどれか。 常に最適解を見つけることができる ランダムな探索で解を見つける メモリを一切使用せずに探索ができる より効率的に解を見つけるため、探索のコストを削減できる None 36. 勾配消失問題を軽減するために一般的に使用される活性化関数はどれですか？ シグモイド tanh ReLU 恒等関数 None 37. AI技術の特許出願において、アルゴリズムそのものが特許として認められるためには、どのような工夫が必要ですか？ アルゴリズムを単純な形で記載する アルゴリズムの具体的な応用や効果を明確に記載する 数学的な理論に焦点を当てる 特許請求範囲を広く設定する None 38. 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 39. ベイズネットワークの推論における役割として、正しいものはどれか。 データのクラスタリングに使用する 変数間の依存関係を表し、確率に基づいて推論を行う 変数の因果関係を無視して、ランダムな推論を行う 強化学習のための報酬関数を設計する None 40. AIによる雇用採用システムが特定の性別に偏った結果を出している場合、どのような修正が必要ですか？ 性別に関するデータを増やす 性別に関連するデータを削除し、AIモデルを再トレーニングする 性別に基づく評価を自動化する AIシステムを完全に停止する None 41. 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 42. 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 43. 次のうち、モンテカルロ木探索（MCTS）の特徴として正しいものはどれか。 各ステップで最も確実に勝利する手を選ぶ ランダムなシミュレーションを行い、統計的に最適な手を探索する 全ての可能な手を探索して最適解を見つける 常に最短経路を見つけるための探索手法である None 44. AIシステムが敵対的攻撃に耐性を持つためには、どのような設計が必要ですか？ 敵対的サンプルを用いたトレーニングを行い、AIの堅牢性を向上させる AIシステムの完全なブラックボックス化を進める 全てのトレーニングデータを公開する 敵対的攻撃を無視してシステムを稼働させる None 45. 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 46. 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 47. プーリング層のカーネルサイズを大きくすることのデメリットは何ですか？ 計算量が増加する モデルの表現力が低下する 過剰適合が進行する 情報の損失が大きくなる None 48. 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 49. 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 50. 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 51. 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 52. 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 53. WaveNetが音声処理で使用される理由は何ですか？ データの圧縮を行うため 音声認識精度を向上させるため テキスト処理を行うため 高品質な音声を生成できるため None 54. プーリング層が過剰適合を防ぐ理由として正しいのはどれですか？ モデルのパラメータ数を増加させるから データの次元を削減し、訓練データへの過度なフィットを防ぐから ニューラルネットワークの学習速度を速めるから 過剰適合には影響しない None 55. バッチ正規化のトレーニング時と推論時の挙動の違いは何ですか？ トレーニング時は正規化されず、推論時にのみ正規化される トレーニング時はガンマとベータが学習され、推論時には固定される トレーニング時はミニバッチ単位で正規化され、推論時は全データに基づく 推論時にはバッチ正規化層が無効化される None 56. 「ReLU（Rectified Linear Unit）」の出力範囲はどれですか？ -1から1 0から1 0から無限大 -無限大から無限大 None 57. 次のうち「回帰問題」に適したアルゴリズムはどれか？ ロジスティック回帰 K-最近傍法（K-NN） 線形回帰 Naive Bayes None 58. プーリング層を使用する主な理由は次のどれですか？ モデルのパラメータ数を増加させるため 特徴抽出を強化するため 入力データのノイズを除去するため 計算量を削減し、過剰適合を防ぐため None 59. 音声処理において、リカレントニューラルネットワーク（RNN）が持つ課題を解決するために導入された技術は次のうちどれですか？ バッチ正規化（Batch Normalization） ドロップアウト（Dropout） LSTM（Long Short-Term Memory） スペクトル正規化（Spectral Normalization） None 60. 次のうち、モンテカルロ法が用いられる場面として最も適切なものはどれか。 統計的手法に基づくランダムサンプリングによって近似解を求める データをクラスタリングして分類を行う 最適な経路を必ず発見する 確率モデルを使わずに探索を行う None 61. 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 62. 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 63. 次の探索手法のうち、最適解を保証しないが高速に解を求めるものはどれか。 幅優先探索 深さ優先探索 A*アルゴリズム 貪欲法 None 64. Adaptive Pooling（適応プーリング）が他のプーリング手法と異なる利点として適切なのはどれですか？ 出力サイズを柔軟に設定できる 入力特徴マップ全体を1つの値に縮小する カーネルサイズを動的に変更する 特徴マップの精度を自動的に高める None 65. プーリング層を用いない「ストライド付き畳み込み（Strided Convolution）」を使用する利点として最も適切なのはどれですか？ モデルの計算負荷を増大させるため プーリング層を省略しながら特徴抽出と解像度縮小を同時に行えるため プーリング層の計算精度を向上させるため 入力データを均一にするため None 66. AI技術の特許権を企業間で共有する場合に生じる課題として適切なのはどれですか？ 特許権の保護期間が短縮される 共有者間での権利行使が制限される場合がある 特許のライセンス供与が認められない 特許の利用が特定の地域に限定される None 67. AIシステムがサイバー攻撃を受けた場合、何が最優先で行うべき対応ですか？ システムの動作を完全に停止する 攻撃の痕跡を消去する 被害範囲を評価し、迅速に攻撃を封じ込める システムを再起動する None 68. 次のうち、前向き連鎖と後向き連鎖の違いを正しく説明しているものはどれか。 前向き連鎖はゴールから逆算し、後向き連鎖はスタートから進む 前向き連鎖は現在の事実から結論を導き、後向き連鎖はゴールから必要な事実を推論する 前向き連鎖は木構造を使い、後向き連鎖はグラフ構造を使う 前向き連鎖はデータ駆動型であり、後向き連鎖はモデル駆動型である None 69. AIのセキュリティにおける「動的リスク評価」が重要とされる理由は何ですか？ AIシステムの性能を常に最大化するため すべてのリスクを無視して動作を優先するため リアルタイムで変化するリスクに対応するため 静的なリスクのみを評価するため None 70. 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 71. 次の中でエキスパートシステムが最もよく使用される分野はどれか？ 自然言語処理 医療診断 画像認識 ロボット制御 None 72. AIが「公平性」を持っているかどうかを評価するために、何が重要ですか？ AIの結果が特定の集団や個人に偏らず、全体として平等であることを評価すること AIが常に正確な結果を提供すること AIの開発者がアルゴリズムを公開すること AIが高速に動作すること None 73. 音声認識において、最も一般的に使用されるディープラーニングモデルはどれですか？ CNN RNN SVM k-NN None 74. AIシステムにおいて「個人間の公平性」を確保するための主な取り組みは何ですか？ 全てのデータを匿名化すること システムが結果を均一化すること 個々のユーザーを基に結果を調整すること ユーザーの意見を排除すること None 75. 「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 76. AIシステムが公平性を欠く原因として考えられる「サンプルバイアス」とは何ですか？ トレーニングデータが特定のグループを過剰に代表する偏り システムがすべてのデータをランダムに選択すること トレーニングデータを完全に削除すること システムが結果を固定的に生成すること None 77. 音声認識システムの開発において、ディープラーニングモデルの入力として頻繁に利用される「MFCC」以外の音声特徴量はどれですか？ ピッチ（Pitch） メルフィルターバンク（Mel Filter Bank） 振幅スペクトル（Amplitude Spectrum） 全て None 78. 音声処理における「LSTM」が有効な理由は何ですか？ 音声データの圧縮に適しているため 音声データの周波数成分を分析するため 訓練時間を短縮できるため 音声データの長期的な依存関係を捉えることができるため None 79. 活性化関数の選択が勾配消失問題に与える影響について、正しい記述はどれですか？ シグモイド関数を使用すると勾配消失問題が発生しやすい Tanh関数は勾配消失問題を完全に解決する ReLUは勾配爆発を引き起こす可能性がある ソフトマックス関数が勾配消失を防ぐ None 80. プーリング層を使用せずに、同様の効果を得るためにはどのような手法がありますか？ ドロップアウト層の追加 畳み込み層のストライドを大きくする 重み減衰を適用する 活性化関数の変更 None 81. 「意味ネットワーク（Semantic Network）」が他の知識表現形式と異なる特徴はどれですか？ 属性と値のペアを用いる 確率モデルに基づいて推論を行う 条件付きルールで推論を行う グラフ構造を使用して概念間の関係を視覚的に表現する None 82. プーリング層が必要ない場合はどのような状況ですか？ 特徴マップの次元を削減したくない場合 高精度なクラス分類を行う場合 出力層に使用する場合 学習速度を速めたい場合 None 83. 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 84. 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 85. 特許を取得するために必要な要件に該当しないものはどれですか？ 新規性 進歩性 産業上の利用可能性 登録商標 None 86. AIシステムにおける「説明可能性（エクスプレイナビリティ）」が欠如している場合、どのようなセキュリティリスクが生じますか？ システムの動作が停止する AIの判断や行動が理解できないため、不正アクセスや攻撃を検出できなくなる システムが自動で自己修復できなくなる システムが正確に動作しなくなる None 87. tanh関数がシグモイド関数に比べて優れている点はどれですか？ ゼロ中心であるため、学習が進みやすい 計算が速い 出力範囲が広い 負の勾配が大きい None 88. 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 89. 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 90. 強化学習における「方策勾配法」がQ学習よりも有効な場合はどのような状況ですか？ 連続的な行動空間を持つ問題の場合 離散的な行動空間を持つ問題の場合 環境が静的な場合 報酬が常に正の値の場合 None 91. 活性化関数の役割は何ですか？ モデルの学習率を調整する ニューラルネットワークに非線形性を導入する ニューラルネットワークの重みを更新する モデルの出力を制御する None 92. 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 93. 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 94. 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 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. AIが「プロセスの公平性」を確保するために行うべき最も重要な取り組みは何ですか？ アルゴリズムがすべての結果を均一に提供すること 特定のグループを排除する結果を生成すること 意思決定プロセスの透明性を確保し、基準を明確化すること ユーザーからのフィードバックを完全に排除すること None 97. インスタンス正規化（Instance Normalization）が、画像スタイル変換タスクに適している理由はどれですか？ バッチ全体の統計情報を利用するため 各インスタンスごとに独立した統計情報を利用するため 特徴マップ全体を正規化するため 各ピクセルごとに正規化を適用するため None 98. 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 99. 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 100. 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 101. 次のうち、ヒューリスティック探索が最も効果的に適用される分野はどれか。 ゴールが明確であり、最短経路を探索するナビゲーションシステム 確率的な予測を行う気象予報 ランダムなデータ生成 音声認識モデルの訓練 None 102. 機械学習において、「特徴量エンジニアリング」の目的として最も適切なものはどれですか？ データのノイズを完全に除去する モデルの学習時間を短縮する モデルの性能を向上させるため、重要な情報を抽出する ハイパーパラメータチューニングを自動化する None 103. Layer Normalization（層正規化）が自然言語処理（NLP）タスクにおいて効果的な理由として最も適切なものはどれですか？ シーケンス全体の統計情報を利用するため 各層の出力を独立して正規化するため 時間ステップ間の依存関係を考慮するため ミニバッチに依存せず正規化が可能なため None 104. 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 105. 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 106. 「Multi-Agent Reinforcement Learning（MARL）」が特に適用されるタスクとして最も適切なものはどれですか？ チェスや将棋などのターンベースのゲーム 単純な迷路問題の解決 ロボット群による協調作業 画像分類モデルのトレーニング None 107. 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 108. 「強化学習における状態（State）」とは何を表しますか？ エージェントが実行する行動 環境がエージェントに提供する観測情報 エージェントが受け取る報酬の合計 次に選択される方策 None 109. バッチ正規化を使用することで、学習率を大きく設定できる理由は次のうちどれですか？ 勾配がゼロになるのを防ぐため 重みの更新を制限するため 各層の入力データをシャッフルするため 勾配のスケールが一定に保たれるため None 110. 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 111. 次のうち、貪欲法の特徴として正しいものはどれか。 未来のすべての選択肢を考慮して最適解を見つける 解を得るために全ての可能な選択肢を試す 最適解を保証しながら効率的に探索を行う 各ステップで最も利益が大きい選択肢を選び続ける None 112. 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 113. 深層強化学習において、「価値関数」とはどのようなものですか？ 環境の状態を予測する関数 エージェントが受け取る報酬の期待値を表す関数 方策を直接決定するためのモデル ディープニューラルネットワークの学習損失を計算する関数 None 114. グループ正規化（Group Normalization）がバッチサイズの制約を受けずに学習できる理由として適切な説明はどれですか？ 入力全体の平均と分散を利用するため 層全体の出力を正規化するため 特徴マップを複数のグループに分けて正規化を行うため 各インスタンスごとの統計情報を保持するため None 115. 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 116. 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 117. 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 118. 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 119. バッチ正規化層が適用されるタイミングはどの部分ですか？ 入力層の前 各層の出力後、アクティベーション関数の前 各層の入力後、アクティベーション関数の後 最終層の直後 None 120. 探索アルゴリズムにおける「ビーム幅」が狭すぎる場合に発生する可能性が高い問題はどれですか？ 探索が無限ループに陥る 計算コストが大幅に増加する 最適解を見逃す可能性がある 探索時間が長くなりすぎる None 121. 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 122. 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 123. AI技術の特許戦略における「パテントプール」の利点は何ですか？ 特許出願を不要にすること 特許を無効にするための手段 特許庁に対して異議申し立てを行うこと 複数の企業が特許を共有し、互いに技術を活用できる None 124. 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 125. 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 126. AIによる学術論文の査読システムで、特定の分野の論文が過小評価されている場合、どのようなバイアスが影響している可能性がありますか？ AIがすべてのデータを正確に処理していない AIが査読者の判断を無視している AIがデータを削除している 学術分野に関するデータの不均衡 None 127. エキスパートシステムにおける「メタ知識」の役割として最も適切なものはどれですか？ 専門分野に関する詳細な知識を管理する ユーザーの入力を解釈して知識ベースに登録する 時系列データを解析して推論に利用する 推論プロセスを制御し、どのルールを使用するかを判断する None 128. AIシステムのセキュリティリスクとして、「モデルインバージョン攻撃」とは何を指しますか？ AIモデルを逆向きに運用する攻撃 AIモデルに入力されたデータから個人情報を復元する攻撃 AIモデルの性能を意図的に低下させる攻撃 AIモデルを完全に破壊する攻撃 None 129. 活性化関数としてPReLU（Parametric ReLU）がLeaky ReLUよりも優れている理由は何ですか？ 勾配消失問題を完全に防ぐ 負のスロープを学習可能にするため、適応性が高い 出力をゼロに制限する 計算コストを大幅に削減する None 130. Tanh関数がシグモイド関数よりも深層学習に適している理由はどれですか？ 勾配消失問題を完全に解決する 計算コストが低いため 確率分布を生成できるため 出力がゼロ中心であるため、勾配の分布が安定する None 131. 音声認識における「エンドツーエンドモデル」とは何ですか？ 音声信号を複数の中間層で処理するモデル 音声信号から直接テキストを生成するモデル 音声信号を正規化するモデル テキストデータから音声を生成するモデル None 132. 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 133. 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 134. 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 135. プーリング層を用いたとき、モデルの表現力に影響を与える可能性のあるパラメータはどれですか？ カーネルサイズとストライド バッチサイズと学習率 ニューラルネットワークの深さ 勾配降下法の種類 None 136. 次のうち、ミニマックス法の目的として最も適切なものはどれか。 可能な限り最も大きな報酬を獲得する 相手が最も不利になるように自分の行動を最適化する 最も小さなコストで解を見つける 相手の最善の行動を考慮しつつ、自分の最善の行動を選ぶ None 137. 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 138. 知識表現の方法である「セマンティックネットワーク」として正しいものはどれか？ 知識をツリー構造で表現する 知識をグラフ構造で表現する 知識を表計算シートで表現する 知識を論理式で表現する None 139. モンテカルロ木探索（MCTS）が特に有効である問題の特徴として正しいものはどれですか？ 状態空間が有限であり、すべての経路を探索可能な場合 問題が最短経路探索に限定される場合 状態空間が固定され、変化しない場合 環境が確率的であり、完全な情報が得られない場合 None 140. 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 141. エキスパートシステムで使用される推論方式の一つ「確率的推論」とは何か？ 必ず正しい結果を返す推論方式 不確実な情報に対して確率を使って推論する方式 ルールに基づいた確実な推論方式 無作為な推論を行う方式 None 142. AIシステムの安全性とセキュリティを向上させるために、「レッドチーミング（Red Teaming）」とは何を指しますか？ AIシステムの正常な動作をモニタリングする手法 AIシステムが自動でセキュリティ更新を行うプロセス AIシステムのパフォーマンスを最適化する手法 セキュリティ専門家が攻撃者の視点でAIシステムに対する脆弱性をテストする手法 None 143. 「サポートベクターマシン（SVM）」の特徴はどれか？ データを高次元空間にマッピングして線形分離する クラスタリング手法の一つである 連続値の予測に用いられる回帰手法 訓練データをランダムにサンプリングして学習を行う None 144. 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 145. 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 146. エキスパートシステムにおける「メタ知識」とは何か？ 推論の方法や、知識の使い方に関する知識 推論に必要な基本的な知識 知識ベースに格納された事実の集まり 自然言語で表現された知識 None 147. AIシステムに対して「分散型攻撃」が行われた場合、どのようなリスクが発生しますか？ システムが物理的に破壊される システムが他のAIシステムを攻撃する システムが複数の異なるポイントから攻撃され、全体の動作が停止する システムがデータを削除する None 148. 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 149. 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 150. モデルの過学習を防ぐために一般的に使用される手法として適切でないものはどれですか？ 高次元の特徴量を追加 データ拡張 交差検証 正則化 None 151. ニューラルネットワークにおける「バックプロパゲーション」とは何か？ 入力層から出力層に向かってデータを伝えるプロセス 出力層から入力層に向かって誤差を伝播させて重みを更新するプロセス モデルの性能を向上させるために追加される隠れ層 データを無作為にシャッフルして訓練するプロセス None 152. 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 153. 次のうち、幅優先探索の特徴として正しいものはどれか。 ゴール状態に最も近いノードから探索を始める 最も深いレベルのノードから探索を開始する 木構造やグラフ構造を浅いレベルから順番に探索する ゴールが見つかるまでランダムにノードを探索する None 154. 知識表現の形式として「フレーム」が使用される場合、その特徴として正しいものはどれですか？ ルールベースで条件と結果を記述する 概念やオブジェクトを属性と値で表現する データをグラフ構造で関連付ける 数値データを確率的にモデル化する None 155. 次のうち「勾配消失問題」を回避するために提案された活性化関数はどれか？ シグモイド関数 ReLU（Rectified Linear Unit） ソフトマックス関数 タンジェント関数 None 156. 「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 157. AIシステムが公平性を確保する際に重要な「グループ間公正性」とは何を指しますか？ すべてのユーザーに同じ結果を提供すること 異なるグループ間での結果が平等であること 特定のグループのみに有利な結果を提供すること ユーザーに応じて結果を完全に非公開にすること None 158. 「正則化（レギュラリゼーション）」の目的は何か？ モデルの複雑さを抑えて、過学習を防ぐため モデルの学習速度を向上させるため データの次元を削減するため モデルの性能を自動的に改善するため None 159. Softmax関数は、どのようなタスクで最もよく使用されますか？ 回帰問題 多クラス分類問題の出力層 強化学習の報酬計算 時系列データの前処理 None 160. 次のうち、探索アルゴリズムとして正しいものはどれか。 データの分類やクラスタリングを行うアルゴリズム 目的に最適な経路や解を見つけるために、状態空間を調べるアルゴリズム 深層学習モデルの訓練に使用するアルゴリズム 強化学習で使われる報酬システムを最適化するアルゴリズム None Time's up
