G検定～模擬試験④～ 2024年12月6日 ailearn 1. 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 2. AI技術が環境保護に貢献する方法として、最も適切なのはどれですか？ AIが環境データを解析して、気候変動の影響を予測する AIが全ての自然資源を自動的に管理する AIが無限のエネルギーを生成する AIが自然環境の監視を停止する None 3. 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 4. 正則化が特に重要とされるのはどのような状況ですか？ 特徴量が多く、データ量が少ない場合 データ量が十分に多い場合 モデルが単純な場合 モデルのパラメータが固定されている場合 None 5. 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 6. 強化学習における「探索的行動」と「活用的行動」のバランスを調整するためのϵ-グリーディ法の仕組みはどれですか？ 常にランダムな行動を選択する 一定の確率で最適行動を選択し、それ以外はランダムな行動を取る 最適行動のみを選択する 確率分布に基づいて行動を選択する None 7. Self-Attentionはどのような仕組みですか？ 各入力の要素が、他のすべての要素と相互作用し、注目する モデルの全体の重みを調整する 出力層に適用される正則化手法 過剰適合を防ぐためのドロップアウト None 8. 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 9. モデルの汎化性能を評価するために、トレーニングデータとテストデータを分割する際に注意すべき点はどれですか？ データの分布が均一になるようにする テストデータをトレーニングデータよりも多くする すべてのデータをトレーニングに使用する トレーニングデータを無作為に選択しない None 10. 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 11. 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 12. DQN（Deep Q-Network）の特徴として正しいものはどれですか？ Q値を直接テーブルに保存する 環境モデルを使用する 行動選択が完全にランダムである ニューラルネットワークを用いてQ値を近似する None 13. 誤差逆伝播法において、重みの更新にはどのような手法が一般的ですか？ 勾配降下法 ロジスティック回帰 K-最近傍法 主成分分析 None 14. Transformerモデルで使用されるAttentionの形式は何ですか？ Global Attention Soft Attention Self-Attention Local Attention None 15. マルチモーダル学習において、どのような問題がよく発生しますか？ モダリティごとのデータサイズが等しいこと モデルが過学習すること モデルのパラメータ数が減少すること 異なるモダリティのデータが非同期であること None 16. L1正則化とL2正則化の違いは何ですか？ 計算方法が異なる L1は特徴選択を促進し、L2は全ての重みを小さくする L1は線形回帰に使用され、L2はロジスティック回帰に使用される L1は大規模データに適しており、L2は小規模データに適している None 17. マルチモーダルAIモデルが「データスケールの不一致」に直面する理由はどれですか？ 各モダリティのデータ量やスケールが異なるため モダリティ間で使用されるアルゴリズムが異なるため データのラベルが不十分なため モデルのトレーニングが不完全なため None 18. DQN（Deep Q-Network）で使用される「経験再生（Experience Replay）」の主な目的はどれですか？ 訓練データを増やす ネットワークの重みを初期化する 報酬をリセットする データの非依存性を高め、効率的な学習を実現する None 19. 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 20. Attentionスコアを計算する際に、「スケールドドットプロダクト（Scaled Dot-Product）」が使用される理由として最も適切なのはどれですか？ 計算を高速化するため 勾配消失を防ぐため スコアのスケールを調整して数値が大きくなりすぎるのを防ぐため データを正規化するため None 21. L1正則化を使用した場合、モデルの重みにスパース性が生じる主な理由は何ですか？ 重みの二乗をペナルティとして追加するため バッチサイズを調整するため 重みの絶対値に基づいてペナルティを課すため 活性化関数の変更による影響 None 22. 注意機構（Attention）のスコアを計算するために使用される主な手法はどれですか？ 内積（Dot Product） 和の積（Sum Product） 活性化関数 誤差逆伝播法 None 23. AIが民主主義において「市民参加」を促進する方法として、適切なのはどれですか？ AIが市民からの意見や提案を効率的に集約し、政策形成に反映させる AIがすべての決定を自動で行う AIが市民の投票を無効にする AIがすべての投票結果を削除する None 24. AIプロジェクトで「ステークホルダーの期待値を適切に管理する」ために重要な方法として最も適切なものはどれですか？ 実現可能な範囲内でプロジェクトの目標を明確に定義する 期待値を無視してプロジェクトを進める 全ての要望を受け入れる 定期的なミーティングを避ける None 25. AI時代における「柔軟な働き方」の推進が労働政策で重要視される理由として適切なものを選んでください。 全ての労働者を一箇所に集める必要があるため リモートワークやフリーランス労働が拡大し、柔軟な働き方が求められるため 労働時間を固定化するため 労働者の自由を制限するため None 26. 正則化手法として「Early Stopping」とは何ですか？ モデルの訓練を短縮する方法 学習率を動的に調整する手法 訓練データの量を減らすこと モデルの訓練を早期に停止する手法 None 27. 「マルチヘッドAttention」が、単一のAttentionに比べて優れている理由として最も適切なのはどれですか？ 計算コストが大幅に削減されるため モデルが異なる特徴を並列に学習できるため ソフトマックス関数の精度が向上するため 出力次元数を減少させるため None 28. 「ソフトマックス関数」は、Attentionメカニズムにおいてどのように使用されますか？ 入力データの正規化 アテンションスコアを確率分布に変換し、重み付けに使用する 学習率の調整 勾配消失問題を防ぐ None 29. マルチモーダルAIモデルにおいて、クロスモーダル生成（Cross-Modal Generation）が特に効果的な応用例はどれですか？ センサー異常検知 自動運転車の経路最適化 映画の字幕生成 医療データ解析における画像生成 None 30. 「ボットネット攻撃」が選挙プロセスに悪影響を与える理由は何ですか？ ボットが選挙結果を自動で集計するため ボットが投票を監視するため ボットが偽情報を拡散し、世論を操作する可能性があるため ボットが投票者のプライバシーを保護するため None 31. AI技術が気候変動において「炭素排出量の削減」に貢献する方法として適切なのはどれですか？ AIが自動的に全ての炭素排出を停止する AIが炭素排出を促進する AIが産業プロセスを最適化し、エネルギー使用量を削減すること AIが炭素排出量を記録しない None 32. 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 33. AIを利用した「森林モニタリング」が環境保護に与える効果は何ですか？ AIが森林の健康状態をモニタリングし、違法な伐採や森林火災を早期に検知する AIが森林伐採を加速させる AIが全ての森林データを削除する AIが森林環境を無視する None 34. AI技術による「再生可能エネルギーの最適化」とはどのようなものですか？ 再生可能エネルギーを無限に生成する技術 再生可能エネルギーの発電量をリアルタイムで予測し、効率的なエネルギー供給を実現する技術 再生可能エネルギーを使用しない技術 エネルギー消費を増加させる技術 None 35. AI企業が他社の参入を妨げるために実施した価格操作は、どのような独占禁止法違反行為に該当しますか？ 再販売価格維持行為 共同研究契約 不当廉売（ダンピング） 営業秘密の開示 None 36. 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 37. AI技術が「持続可能な農業」に与える影響として正しいのはどれですか？ AIが全ての農業活動を停止する AIが全ての農業データを削除する AIが作物の成長状態をモニタリングし、最適な水や肥料の使用量を推奨する AIが作物の成長に関与しない None 38. 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 39. 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 40. 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 41. 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 42. AIが「廃棄物削減」に貢献する方法として正しいのはどれですか？ AIが全ての廃棄物を隠す AIが廃棄物の分別やリサイクルを最適化し、廃棄物の発生量を削減する AIが廃棄物を無視する AIが廃棄物を増加させる None 43. AIを用いた「就職活動支援システム」が労働市場に与える効果は何ですか？ AIがすべての求職者を無視する AIが求職者のスキルや希望に基づいて適切な職業を紹介し、就職活動を効率化する AIが求職者のデータを削除する AIが全ての職業を自動で提供する None 44. AIによる「データ駆動型政策決定」が民主主義において持つ利点は何ですか？ 政策決定がデータに基づいて行われるため、より合理的で客観的な判断が期待できる 政策が特定のデータに基づかずに決定される 政策がすべてのデータを無視して決定される AIがデータを自動で削除する None 45. 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 46. AIを活用する企業が「情報交換」を行う場合、独占禁止法上、注意が必要な行為として適切なのはどれですか？ 技術情報の共有 価格設定に関する情報交換 顧客満足度に関する情報共有 公開されたデータの利用 None 47. 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 48. 正則化手法として「早期停止（Early Stopping）」が特に効果的である理由として最も適切なのはどれですか？ モデルの計算コストを削減できるため トレーニングデータに対する適応を強化できるため 過学習を防ぎ、モデルの性能を最大化できるため 重みの正規化を実現できるため None 49. 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 50. AIの「透明性」が民主主義にとって重要である理由は何ですか？ AIの判断が不透明であると、選挙や政策決定における公正性が損なわれる可能性があるため AIがすべてのデータを公開するため AIがすべての投票を手動で処理するため AIが選挙の結果を自動的に決定するため None 51. AI企業が市場での競争を抑制するために、競合他社との価格競争を避けるための協定を結んだ場合、どのような罰則が科される可能性がありますか？ 営業秘密の保護強化 特許権の取得 市場支配権の強化 公正取引委員会による排除措置命令と罰金 None 52. 「アンサンブル学習」とは何を指しますか？ 複数のモデルを組み合わせて最終的な予測を行う手法 単一のモデルを使用する手法 モデルのパラメータを調整すること 特徴量を選択すること None 53. 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 54. 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 55. AIによる「プライバシー侵害」が民主主義に悪影響を与える理由は何ですか？ AIが市民のプライバシーを保護するため AIが市民のプライバシーを侵害し、市民が自由に発言できない環境を作り出すため AIがすべてのプライバシーデータを削除するため AIが投票プロセスを保護するため None 56. 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 57. 部分観測マルコフ決定過程（POMDP）を使用する強化学習の課題において、エージェントが隠れた状態を推定するために一般的に用いる手法はどれですか？ 信念状態を用いる 行動をランダムに選ぶ 環境のモデルを完全に構築する 状態を無視する None 58. AIが「廃棄物管理」において果たす役割はどれですか？ 廃棄物の分別やリサイクルプロセスを自動化し、効率的な資源管理を促進する すべての廃棄物を削除する 廃棄物の収集を停止する 廃棄物を全て埋め立てる None 59. 「モダリティドロップアウト」はどのような状況で使用されますか？ すべてのモダリティを無視して学習するため 一部のモダリティが欠損している場合に学習を続けるため モダリティ間の相互作用を無視するため モダリティごとの精度を増やすため None 60. モデルの評価を行う際、学習曲線を利用することによって得られる情報は何ですか？ モデルの学習率 データの分布 モデルがオーバーフィッティングしているかどうかを判断できる ハイパーパラメータの最適値 None 61. AIが労働市場に与える最も一般的な影響として適切なのはどれですか？ AIが一部の単純作業を自動化し、生産性を向上させる AIが全ての労働者の仕事を奪う AIが全ての仕事を人間に戻す AIが労働者の賃金を常に上げる None 62. 正則化がモデルの汎化性能を向上させる主な理由は何ですか？ モデルの重みをゼロに設定するため モデルの自由度を制限し、過剰適合を防ぐため トレーニングデータを増やすため 訓練時間を短縮するため None 63. AIが民主主義社会における選挙運営を支援する際の主な課題として最も適切なものを選んでください。 選挙の公正性と信頼性を確保する方法 選挙プロセスをすべて非公開にする方法 有権者の情報を収集せずに意思決定する方法 AIが選挙運営に関与しない方法 None 64. マルチモーダルAIのデータ統合手法として、「ハイブリッド統合（Hybrid Fusion）」の主な利点は何ですか？ モダリティごとの独立した解析が可能になる 複数の統合戦略を組み合わせて柔軟性を高める モデルの複雑性を大幅に低減する データ前処理の手間を省く None 65. マルチモーダル学習のタスクにおいて、エラーが発生しやすい要因として考えられるのはどれですか？ データが大量であること モデルが小さいこと モダリティ間の非同期性やデータの欠落 データが多様でないこと None 66. 強化学習における「価値関数（Value Function）」の主な役割はどれですか？ 各状態での即時報酬を予測する 各行動の最適な遷移確率を計算する 各状態または状態-行動ペアの長期的な累積報酬を評価する 探索と活用のバランスを調整する None 67. AI時代における「所得格差是正」のために、最も重要とされる政策として適切なものを選んでください。 ベーシックインカムの導入や再分配政策の実施 AI開発企業への税制優遇措置の強化 労働者の権利を縮小する法律の導入 AI技術を開発する企業を制限する None 68. AIによる「海洋汚染の監視」のメリットは何ですか？ AIが海洋環境を継続的に監視し、汚染源を特定しやすくする AIが全ての汚染を隠す AIが全ての海洋データを削除する AIが海洋汚染を促進する None 69. 大規模AIモデルのトレーニングが環境に与える影響を軽減するための技術的アプローチとして最も適切なものを選んでください。 トレーニングに必要なデータ量を無制限に増やす 軽量化されたモデルを使用し、計算負荷を低減する 電力消費の多い地域にデータセンターを集約する 高性能なAIモデルのみを運用する None 70. AIが「自然災害の影響予測」において果たす役割として正しいのはどれですか？ AIが災害を引き起こす AIが災害の影響を無視する AIが全ての災害データを削除する AIが気象データや地震データを分析し、自然災害の発生リスクを予測する None 71. マルチモーダル学習における「クロスモーダル学習」とは何ですか？ 1つのモダリティのみを使用する手法 モダリティごとに異なる学習率を設定する手法 モダリティごとに別々のデータセットを使用する手法 異なるモダリティ間で学習した知識を活用する手法 None 72. 正則化の主な目的は何ですか？ 学習速度を向上させること モデルの過剰適合を防ぐこと 訓練データを増やすこと モデルの複雑さを増すこと None 73. AI技術を独占する企業が、市場で優越的な地位を濫用した場合、独占禁止法に違反する可能性のある行為はどれですか？ 取引先に不当な契約条件を強要すること AI技術を無料で提供すること 競合他社と技術を共有すること AI技術を特許出願すること None 74. モデル選択において、「バイアス・バリアンスのトレードオフ」を最適化する理由として正しいのはどれですか？ 訓練データへの適合度を最大化するため 汎化性能を向上させるため 訓練時間を短縮するため ハイパーパラメータを固定するため None 75. 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 76. AIを使った「環境モニタリングシステム」の目的は何ですか？ 環境データを削除すること 全ての環境データを隠すこと AIが自動で自然を修復すること 環境状況をリアルタイムで監視し、汚染や森林伐採などの環境変化を早期に検知すること None 77. AIが「ギグエコノミー」に与える影響として最も適切なのはどれですか？ AIがギグワーカーの仕事の効率を向上させると同時に、労働者の保護が不十分になる可能性がある AIがギグワーカーにすべての仕事を提供する AIが全てのギグワーカーを解雇する AIがギグワーカーに無限の仕事を提供する None 78. 誤差逆伝播法において「勾配爆発問題」が発生する原因として最も適切なものはどれですか？ 学習率がゼロになるため 重みが適切に初期化されないため 活性化関数がリニアであるため 層ごとの勾配の積が大きくなるため None 79. 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 80. 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 81. 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 82. 誤差逆伝播法における「バッチ学習」と「オンライン学習」の違いは何ですか？ データの前処理方法が異なる 使用するデータ量が異なる モデルの精度が異なる 学習の頻度が異なる None 83. AIが「デジタル独裁」の実現に利用されるリスクを最小化するための重要な取り組みとして適切なものを選んでください。 AIを利用して市民を監視し続ける AIシステムの運用に法的規制と国際基準を導入する AIをすべての政府運営から排除する AIを利用して情報操作を進める None 84. AIを使った「持続可能な漁業管理」の目的は何ですか？ すべての魚を捕獲すること 漁業活動を停止すること 海洋環境を監視しないこと 魚群の動きを予測し、乱獲を防止すること None 85. Attentionメカニズムを使用しない従来のSeq2Seqモデルの課題は何ですか？ 長距離依存性の問題 パラメータ数が多すぎる 学習率が低い 勾配爆発が発生しやすい None 86. AIが「選挙結果の予測」に用いられる際、透明性が欠如している場合、どのようなリスクが生じますか？ 選挙結果が公正になる AIがすべての投票を無効にする AIがどのように予測を行ったかが不明確であり、予測結果が偏っているかどうかを判断できない AIがすべての候補者を公平に紹介する None 87. 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 88. ドロップアウトの目的は何ですか？ モデルの複雑さを増す 学習を加速する 特徴選択を行う 過剰適合を防ぐ None 89. AI企業が競争相手を排除する目的で、自社のAIプラットフォームを使用する取引先に対して「競合製品の使用を禁止」する契約を結んだ場合、独占禁止法上の問題点として適切なのはどれですか？ データ漏洩のリスク 過剰な広告費用の発生 市場支配的地位の濫用 顧客満足度の低下 None 90. 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 91. 次のうち、Attentionメカニズムが導入される以前のSeq2Seqモデルの課題として正しいものはどれですか？ 訓練データが不足していた 出力文の長さを固定できなかった 長い入力シーケンスの情報を十分に活用できなかった ソフトマックス関数を使用できなかった None 92. 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 93. AIを用いた「都市交通システムの最適化」が環境保護に寄与する理由は何ですか？ AIが交通量を増加させる AIが交通渋滞を緩和し、エネルギー消費と排出ガスの削減を実現する AIが全ての交通データを削除する AIが交通システムを無視する None 94. 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 95. マルチモーダル学習で「相互情報量（Mutual Information）」が重要とされる理由は何ですか？ モダリティごとの学習速度を比較できる モダリティ間のデータ分布を可視化するため モデルのトレーニングコストを削減するため 各モダリティの相関関係を定量化し、情報共有を最適化できる None 96. AIの導入によって労働者の「心理的負担」が増加する可能性がある理由は何ですか？ AIが全ての労働者の心をケアするため AIによる労働者の監視や生産性向上の圧力が、ストレスや不安を引き起こす可能性があるため AIが労働者の仕事を減らすため AIがすべての仕事を手動で行うため None 97. 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 98. AIが民主主義の透明性を確保するために役立つと考えられる理由として最も適切なものを選んでください。 AIがすべての意思決定を自動化するから データ分析による政策の根拠を市民に示すことができるから AIが市民の意見を完全に排除するから 政策決定プロセスを非公開にできるから None 99. Self-Attentionを使用することで、特にどのようなタイプのデータに対して効果を発揮しますか？ 非時系列データ シーケンスデータや自然言語データ ラベルなしデータ 数値データ None 100. Transformerモデルでの「位置エンコーディング（Positional Encoding）」が必要な理由として最も適切なのはどれですか？ 入力データのスケールを調整するため 計算コストを削減するため データ拡張のため 順序情報をモデルに組み込むため None 101. AIプロジェクトにおいて「プロジェクトゴール」を文書化する主な理由はどれですか？ 法的な問題を回避するため スコープの変更を容易にするため ステークホルダー間の目標共有を確実にするため プロジェクトメンバーを増員するため None 102. 誤差逆伝播法において、学習率が非常に低い場合に発生する可能性がある問題はどれですか？ 勾配がゼロになる 学習の収束が遅くなる 勾配が発散する 損失関数が振動する None 103. マルチモーダルAIが直面する課題の一つに「モダリティ欠損」があります。この問題への最適な対処法はどれですか？ 欠損モダリティを完全に除外する モデルの複雑性を増やす 他のモダリティから欠損モダリティを補完する技術を使用する 欠損モダリティの影響を無視する None 104. AI技術を有する大企業が、新規参入者を市場から排除するために特許権を乱用する場合、どのような法的問題が生じる可能性がありますか？ 特許法違反 著作権法違反 独占禁止法違反の「市場支配的地位の乱用」に該当する可能性 商標法違反 None 105. AI企業が取引先に対して「優越的地位の濫用」を行った場合、企業が負うリスクは何ですか？ 市場シェアの向上 営業秘密の開示 特許権の譲渡 公正取引委員会による排除措置命令と罰金 None 106. 強化学習において「エージェント」とは何を指しますか？ 環境の状態 行動を選択して報酬を得る主体 学習アルゴリズム 状態遷移モデル None 107. 複数のAI企業が共通のアルゴリズムを利用して価格を設定し、それによって市場価格が一定水準に固定された場合、どのような独占禁止法違反に該当する可能性がありますか？ 私的独占 優越的地位の濫用 再販売価格維持 不当な取引制限（カルテル） None 108. 独占禁止法において、AIを利用した「リベート」提供が問題となるのはどのような場合ですか？ 顧客の購買を促進するためにリベートを提供する場合 市場支配力を持つ企業が競争相手を排除するためにリベートを提供する場合 リベートの内容を公開せずに提供する場合 顧客に選択肢を与えるためにリベートを提供する場合 None 109. 「市場支配的地位の乱用」に該当する行為はどれですか？ 競合企業と協力して事業を拡大すること 競合企業の商品を販売すること 市場で支配的な地位にある企業が、不当に競争を排除する行為 企業が他社と技術を共有すること None 110. 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 111. AIを利用した「デジタルガバメント」の普及が進む中で、どのように民主主義が影響を受ける可能性がありますか？ 政府の効率が低下する 政府がAIを通じて市民の声を迅速に反映し、政策形成に役立てることができる 政府がAIに依存して意思決定を行わなくなる AIが市民の意見を無視するようになる None 112. 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 113. 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 114. AI技術を独占する企業が、競合他社に対してその技術の利用を不当に制限し、結果として市場の競争を排除した場合、どのような救済措置が取られる可能性がありますか？ 罰金の支払いと競争環境の是正措置 該当技術の特許権の取消し 企業活動の全面停止命令 全ての顧客契約の解除 None 115. AIプロジェクトで「反復的な改善プロセス」を採用するメリットとして最も適切なものはどれですか？ モデルを頻繁に変更しないことで安定性を保てる 小さな失敗を早期に発見し、改善する機会を得られる プロジェクトのスコープを無制限に広げられる 初期段階で詳細な要件定義が不要になる None 116. ドロップアウト率が非常に高い場合、トレーニング中のモデルにどのような影響がありますか？ モデルの汎化性能が大幅に向上する 過学習が発生する 損失関数が急速に減少する モデルの学習が進まなくなる可能性がある None 117. 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 118. 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 119. グリッドサーチとランダムサーチの主な違いは何ですか？ グリッドサーチはパラメータをランダムに選ぶ グリッドサーチはすべての組み合わせを試すのに対し、ランダムサーチはランダムに選んだ組み合わせを試す ランダムサーチは必ず最適解を見つける グリッドサーチは訓練データを使用しない None 120. 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 121. AI技術を持つ企業が、市場で競争を排除するために「排他的取引契約」を結ぶことは、独占禁止法に違反する可能性がありますか？ はい、特定の取引先にのみAI技術を提供する行為は競争を制限する可能性がある いいえ、取引契約は自由に結ぶことができる はい、AI技術を他社に無償で提供する場合のみ違反となる いいえ、独占禁止法は取引契約には適用されない None 122. AIプロジェクトを進める際、データ収集時に「収集対象のデータ特性」を理解することが重要な理由は何ですか？ プロジェクトの目的を変更するため 収集コストを削減するため 適切なモデル選択や分析手法を決定するため データ収集後の前処理を省略するため None 123. 強化学習を用いたロボットの制御タスクにおいて、エージェントが「サンプル効率」を高めるために考慮すべき手法はどれですか？ 環境の動作を完全にランダムにする モデルベースの手法を導入する 行動選択を完全にランダムにする 環境の状態を簡素化する None 124. 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 125. AIによる「フェイクニュースの拡散」が民主主義に与える影響は何ですか？ AIが正確な情報を広める AIがニュースを削除する AIが誤った情報を拡散し、有権者の判断に影響を与える AIが全ての情報を検閲する None 126. AIプロジェクトにおける「POC（Proof of Concept）」の目的は何ですか？ AIモデルの実装を完了させること プロジェクトのビジネス価値を検証すること データ収集の方法を決定すること AIツールの購入を進めること None 127. 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 128. AIの環境負荷を軽減するための取り組みとして最も適切なものを1つ選んでください。 データセンターの電力を再生可能エネルギーで供給する AIモデルを大規模化し、トレーニング頻度を増加させる 古いAIハードウェアを積極的に使用し続ける 計算資源をより多く利用するプログラムを開発する None 129. Attentionメカニズムの主な目的は何ですか？ 訓練データの数を増やす 重要な情報に焦点を当て、不要な情報を無視する 計算リソースを削減する 勾配消失問題を防ぐ None 130. 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 131. AIの進展により「労働市場の分極化」が進む可能性がある理由は何ですか？ AIがすべての仕事を統一するため 高スキルの職と低スキルの職の格差が広がるため AIが全ての労働者を保護するため AIがすべての賃金を平等にするため None 132. BERTのようなトランスフォーマーモデルがマルチモーダル学習に活用される理由は何ですか？ 音声認識精度を向上させるため モダリティごとのデータを圧縮できるため テキストデータと他のモダリティの関係を効率的に学習できるため モデルのパラメータを減少させるため None 133. 誤差逆伝播法を使用する際の「学習率」の役割は何ですか？ モデルの精度を向上させる データのバッチサイズを決定する 訓練データの数を増やす 勾配の更新量を調整する None 134. モデル評価の際に「AUC（Area Under the Curve）」は何を示す指標ですか？ ROC曲線の下の面積で、分類モデルの性能を示す モデルのトレーニング時間 モデルのパラメータの数 学習率の最適値 None 135. 強化学習において、エージェントが環境の動作を直接観察できない場合に使用されるモデルはどれですか？ Q学習 DQN 部分観測マルコフ決定過程（POMDP） SARSA None 136. モデルの評価において、「リーブワンアウト交差検証（LOOCV）」の特徴として正しいものはどれですか？ データセットを小さなグループに分割して交差検証を行う データセット全体をトレーニングに使用し、モデルを評価しない 各サンプルを1つずつテストデータとして使用し、残りをトレーニングデータとして使用する テストデータを固定して、トレーニングデータをランダムに選択する None 137. AI技術を用いて「社会的監視」が行われるリスクがある国において、民主主義にどのような影響がありますか？ AIが国民の意見を反映する AIがすべての市民に投票権を与える AIが監視対象の人々を保護する AIを使った監視により、言論の自由やプライバシーが侵害され、市民の自由が制限される None 138. AIプロジェクトの実装フェーズにおいて、重要な「技術選定」におけるリスクは何ですか？ 技術の選定が速すぎる すべての技術を自社で開発する必要がある データのスケーリングができないこと 特定の技術に依存しすぎることで、将来的なメンテナンスが困難になる可能性がある None 139. 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 140. AIによる「市民の意見集約」が民主主義において有効である理由は何ですか？ AIが市民の意見を無視するため AIがすべてのデータを削除するため AIが膨大な市民の意見を迅速に集約し、政策形成に反映させることができるため AIが市民に投票を促すため None 141. AI企業が複数の競合他社と共同で市場支配的地位を強化するための行動は、どのような独占禁止法違反に該当しますか？ 共同販売行為 共同研究開発行為 共同での市場独占行為 営業秘密の保護行為 None 142. 過学習を防ぐために使用される「ドロップアウト」の仕組みとして正しいものはどれですか？ モデルの出力をランダムに減少させる ニューラルネットワーク内のランダムなユニットを一時的に無効化する データポイントをランダムに削除する 学習率をランダムに変更する None 143. ソフトアテンションとハードアテンションの違いは何ですか？ ソフトアテンションは離散的、ハードアテンションは連続的 ソフトアテンションは確率的重み付け、ハードアテンションは1つの部分に完全に注目 ハードアテンションは出力を無視する 両者に大きな違いはない None 144. 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 145. 誤差逆伝播法において、ミニバッチ学習の利点は何ですか？ メモリ使用量が増える 勾配の計算が安定する モデルの訓練速度が低下する ニューロンの数を減らす None 146. 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 147. AIによる自動化が進展する分野で特に懸念される問題は何ですか？ AIが労働者のプライバシーを保護する AIが職場の安全を確保する AIが低スキルの仕事を奪い、失業率の上昇を引き起こす可能性がある AIが労働者の賃金を大幅に増加させる None 148. 「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 149. Attentionスコアは何を表しますか？ 入力データに対する注目度の度合い 各層の出力の重み 学習率の大きさ 出力層の誤差 None 150. 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 151. データ拡張が正則化手法として機能する理由はどれですか？ モデルの構造を簡素化するため トレーニングデータの多様性を高め、汎化性能を向上させるため モデルの重みをスパースにするため 学習率を最適化するため None 152. AIプロジェクトの「MLOps（Machine Learning Operations）」が必要とされる理由は何ですか？ モデルの学習時間を短縮するため AIモデルの開発、デプロイ、運用を効率的に管理・自動化するため データの前処理を効率化するため モデルの精度を向上させるため None 153. AIの導入に伴い「労働時間」が短縮される可能性がある理由は何ですか？ AIが全ての仕事を終わらせるため AIが労働者に仕事を与えないため AIが生産性を向上させることで、従来より短い時間で仕事が完了するため AIが全ての労働者を解雇するため None 154. 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 155. L2正則化のペナルティ項はどのように計算されますか？ 重みの絶対値の和 重みの二乗和 重みの平方根の和 重みの対数和 None 156. 誤差逆伝播法において「ミニバッチ学習」が採用される主な理由はどれですか？ 計算コストを削減し、安定した勾配を得るため 勾配消失を完全に防ぐため 学習率を大幅に減少させるため 重みの更新回数を増加させるため None 157. 独占禁止法において「再販売価格維持行為」とは何ですか？ 企業が自由に販売価格を設定する行為 企業が他社の商品を販売する行為 企業が価格を引き下げる行為 企業が販売先に対して価格の設定を指示し、価格を固定する行為 None 158. 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 159. AIが「環境規制の遵守」において果たす役割は何ですか？ AIが規制を無視する AIが企業や組織の環境規制の遵守状況を監視し、違反を早期に検出する AIが規制を強化する AIが全ての規制を削除する None 160. AI技術を活用した「職業マッチングシステム」が労働市場に与える効果として適切なものを選んでください。 労働者の能力や希望に関係なくランダムに職を紹介する 全ての職業をAIで置き換える 労働者のスキルや希望条件を基に、適切な職業を効率的に提案する 労働市場の公平性を低下させる None Time's up
