G検定～模擬試験④～ 2024年12月6日 ailearn 1. 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 2. AIが「フェイクニュースの検出」に利用される場合、その主な目的として最も適切なものを選んでください。 情報操作を助長するため 偽情報を特定し、民主主義の信頼性を維持するため 政治的プロパガンダを強化するため 有権者の投票行動を強制するため None 3. 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 4. どのような場合にドロップアウトを使用するのが効果的ですか？ データが少ない場合 モデルが非常に単純な場合 モデルが非常に複雑な場合 モデルのパラメータが固定されている場合 None 5. マルチモーダル学習における「中間統合（Intermediate Fusion）」の特徴は何ですか？ モダリティの特徴を複数の段階で統合する すべてのモダリティのデータを最初に統合する モダリティごとに個別に学習し、最後に統合する モダリティを同時に処理するが別々の出力を得る None 6. 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 7. 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 8. AIが選挙における「ターゲティング広告」に悪用されるリスクは何ですか？ AIが候補者のデータを削除する AIが全ての候補者を平等に紹介する AIがすべての広告をブロックする AIが特定の有権者層に対して個別に広告を表示し、特定の候補者への投票を促す None 9. 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 10. 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 11. 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 12. 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 13. 誤差逆伝播法における「連鎖律」を適用する主な目的は何ですか？ ネットワーク全体の勾配を効率的に計算するため 学習率を動的に変更するため 損失関数を最適化するため 勾配消失を完全に防ぐため None 14. 二値分類において、モデルの「再現率（Recall）」が高いということは何を意味しますか？ モデルが正例を正確に予測している割合が高い モデルが負例を正確に予測している割合が高い モデルの誤分類率が低い モデルの予測精度が高い None 15. 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 16. AIを利用して政策の決定を効率化する場合、透明性を確保するために最も重要な取り組みとして適切なものを選んでください。 AIアルゴリズムの動作を非公開にする 政策の決定を完全にAIに依存する 市民の意見を考慮せずに決定する 意思決定に用いられたデータとロジックを市民に公開する None 17. 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 18. 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 19. 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 20. 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 21. AI技術によって実現される「スマート農業」の目的は何ですか？ 農業プロセスを効率化し、エネルギーと水資源の消費を最小限に抑えること すべての農業活動を自動化してコストを削減する 農業生産を停止すること 機械がすべての農作物を収穫すること None 22. 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 23. 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 24. 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 25. 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 26. 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 27. 「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 28. 誤差逆伝播法での学習プロセスの主なステップはどれですか？ 入力データを正規化する アクティベーション関数を選択する パラメータをランダムに設定する フォワードパスを実行し、損失を計算する None 29. 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 30. 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 31. 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 32. マルチヘッドアテンションを使うことで得られる主な利点は何ですか？ 並列処理による計算効率の向上 パラメータ数が減少する 複数の異なる視点から情報を取得でき、表現力が向上する 過剰適合を防ぐ None 33. 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 34. AIプロジェクトで重要な「ステークホルダーの調整」が困難になる理由はどれですか？ AIプロジェクトの技術的複雑性が高いため、全てのステークホルダーが理解しづらい データ収集の難易度が高いため 開発ツールの選定に時間がかかるため モデルの精度を向上させるため None 35. AIプロジェクトを進める際に最初に行うべきステップはどれですか？ データ収集 モデルの選択 ビジネス課題の明確化 アルゴリズムの実装 None 36. 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 37. 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 38. AIによる「アルゴリズムバイアス」が労働市場に与える影響として正しいのはどれですか？ AIのアルゴリズムが特定の人種や性別に対して差別的な結果をもたらす可能性がある AIが全ての労働者を平等に扱う AIが労働市場を無視する AIが全ての賃金を平等に設定する None 39. AI導入に伴い、労働政策で特に重視される取り組みとして最も適切なものを1つ選んでください。 労働者の再教育（リスキリング） AI技術の全面禁止 労働時間の延長 全ての職業をAIに置き換える None 40. 独占禁止法がAI分野において「データ独占」に適用される場合、問題となる主な理由は何ですか？ データを所有する企業が他社の市場参入を不当に制限するため データが無料で提供されるため データが適切に保護されないため データの収集方法が違法であるため None 41. マルチモーダルモデルの評価指標としてよく使われるのはどれですか？ クロスエントロピー 精度（Accuracy） BLEUスコア F1スコア None 42. 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 43. 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 44. 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 45. 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 46. 「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 47. 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 48. 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 49. AIプロジェクトにおける「ROI（Return on Investment）」の評価はなぜ重要ですか？ プロジェクトの成功や失敗を金銭的な観点で評価するため データの質を向上させるため モデルの精度を計算するため プロジェクトの規模を縮小するため None 50. 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 51. 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 52. 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 53. 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 54. ドロップアウト率を高く設定すると、どのような影響がありますか？ モデルの精度が向上する 学習が遅くなる モデルのパフォーマンスが低下する可能性がある モデルのメモリ使用量が減少する None 55. 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 56. 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 57. AIが「再生可能エネルギーの普及」に与える影響として、正しいのはどれですか？ AIが再生可能エネルギーの使用を停止する AIが全てのエネルギーを削除する AIが再生可能エネルギーを使用しない AIが再生可能エネルギーの発電予測を行い、エネルギー供給の安定化に貢献する None 58. 誤差逆伝播法で使用されるアクティベーション関数の役割は何ですか？ モデルの精度を高める 出力を正規化する 非線形性を導入する 学習率を調整する None 59. ある分類モデルがトレーニングデータに対して非常に高い精度を示す一方で、テストデータに対しては低い精度を示す場合、このモデルはどのような問題を抱えていると考えられますか？ アンダーフィッティング オーバーフィッティング 過剰バイアス ハイパーパラメータの適切な設定 None 60. 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 61. 強化学習において、「エピソード」という用語が示すものは何ですか？ 環境内での単一の行動 状態から次の状態への遷移 エージェントが初期状態から終了状態に到達する一連の相互作用 モデルのハイパーパラメータを調整するプロセス None 62. AIを用いた「監視技術」が民主主義に悪影響を与えるリスクは何ですか？ AIによる監視技術が市民の自由な行動を制限し、抑圧的な社会を作り出す可能性があるため AIが市民のプライバシーを保護するため AIが全てのデータを公開するため AIが選挙の結果を公平に管理するため None 63. 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 64. AIによる「自然災害の予測」が環境保護に寄与する理由は何ですか？ AIが災害を引き起こすため 自然災害を予測し、被害を最小限に抑えるための対策を事前に講じることができるため AIが災害を無視するため AIが全ての災害データを削除するため None 65. 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 66. 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 67. 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 68. 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 69. 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 70. AIによって「職場の安全性」が改善されるケースとして最も適切なのはどれですか？ AIが危険な作業を自動化し、労働者の安全を守ること AIが労働者を無視する AIが労働者を監視する AIがすべての仕事を消滅させる None 71. 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 72. 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 73. AIが民主主義に悪影響を与える「情報操作」の一例として、適切なのはどれですか？ AIが正確なデータを提供する AIが特定の情報を意図的に拡散し、世論を操作する AIが全てのデータを削除する AIが選挙の透明性を向上させる None 74. 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 75. AIが環境保護に活用される例として適切でないものを1つ選んでください。 気候変動の予測と対応策の提案 自然災害の発生時期を特定する 化石燃料の使用を推奨するAIの設計 森林破壊を監視するリモートセンシング技術の補助 None 76. マルチモーダル学習における「クロスモーダル生成モデル」の特徴は何ですか？ あるモダリティのデータを使用して、別のモダリティのデータを生成する 複数のモダリティのデータを同時に分類する モダリティごとに別々のモデルを使用する すべてのモダリティを統一して出力する None 77. 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 78. AIの進展によって「労働法」がどのように影響を受けるか、適切な説明はどれですか？ AIが全ての労働法を無効化する AIが労働法の適用を無視する AIが全ての労働者を保護する AIを導入した労働環境における新たな労働者保護の必要性が生まれる None 79. 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 80. 強化学習タスクで「割引率（Discount Factor）」が1に近い場合、エージェントの行動にどのような影響を与えますか？ 長期的な報酬を考慮する行動を取る 即時報酬を優先する行動を取る 短期的な報酬のみを考慮する 行動方針がランダムになる None 81. 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 82. 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 83. 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 84. AIの発展により「技能再教育」が必要とされる理由は何ですか？ AIが全てのスキルを自動化するため AIが全ての仕事を消滅させるため AIが労働者のスキルを無視するため AIが新たな職種や高度なスキルを求める一方で、従来のスキルが不要になるため None 85. AI技術が「エネルギー効率の改善」に与える影響として正しいのはどれですか？ AIがエネルギー消費をリアルタイムでモニタリングし、効率的な使用方法を提案する AIが全てのエネルギーを削除する AIがエネルギーを無駄遣いする AIがエネルギーの供給を停止する None 86. AI技術を持つ企業が、自社技術の利用を他企業に制限するために行う行為は、どのような独占禁止法違反となる可能性がありますか？ 再販売価格維持行為 不当取引制限 特許権の無効化 営業秘密の公開 None 87. 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 88. 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 89. DQNアルゴリズムで使用される「固定ターゲットネットワーク」の主な目的は何ですか？ エージェントの行動を制御するため Q値の更新を安定化させるため 環境の報酬を固定するため モデルの学習速度を上げるため None 90. 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 91. 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 92. AIプロジェクトにおける「データドリブンな意思決定」とは何ですか？ データの収集を行う手法 データに基づいて意思決定を行い、主観的な判断を最小限に抑える手法 モデルの精度を最大化する手法 データセットを圧縮する手法 None 93. 強化学習の「状態」とは何を表していますか？ エージェントが選択した行動 環境の現在の状況や情報を示すもの エージェントが受け取った報酬 学習プロセスのパラメータ None 94. 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 95. マルチモーダルデータを扱う際に重要なことは何ですか？ 各モダリティのデータ特性を理解し、適切な統合方法を選択すること すべてのモダリティで同じ学習アルゴリズムを使用すること データサイズを均等にすること モデルを大きくすること None 96. 誤差逆伝播法で「勾配消失問題」が深層ネットワークで発生しやすい理由はどれですか？ 出力層での誤差が初期化されるため 損失関数がゼロに近づくため 活性化関数の導関数が極端に小さくなるため 勾配が符号を変えるため None 97. 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 98. 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 99. AIが民主主義を促進するための取り組みとして適切でないものを選んでください。 市民の意見を集約するためのAIツールの導入 政策立案時にAIを利用して多様な意見を分析する 選挙プロセスをAIで完全に自動化し市民の関与を排除する データ駆動型の意思決定で客観性を確保する None 100. 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 101. 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 102. 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 103. 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 104. 「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 105. 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 106. マルチヘッドアテンションで各「ヘッド」が持つ役割は何ですか？ 全てのヘッドが同じ役割を果たす ヘッド間でデータを分散処理する ヘッドの数は性能に影響を与えない 各ヘッドが異なる部分に焦点を当てる None 107. 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 108. 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 109. 「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 110. AI技術が「都市計画」において環境保護に貢献する方法はどれですか？ 全ての建物を自動で建設する 都市の人口を増加させる 都市の交通やエネルギー消費を最適化し、持続可能な都市を設計する AIが全ての都市データを削除する None 111. 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 112. L1正則化を使用するとどのような効果がありますか？ 特徴選択を促進する 重みを均等に減少させる モデルのパラメータ数を増加させる 学習速度を遅くする None 113. 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 114. 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 115. AIプロジェクトで「モデルのドリフト」が発生する原因は何ですか？ モデルのチューニングが不十分なため モデルのトレーニング時間が短すぎるため 時間の経過とともにデータの分布が変化し、モデルが正しく予測できなくなるため モデルの精度が最適化されているため None 116. 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 117. モデルの選択において、ハイパーパラメータチューニングの目的は何ですか？ モデルの性能を最適化するため 訓練データを増やす モデルの構造を変更するため データの前処理を行うため None 118. 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 119. ハイパーパラメータのチューニングを行う際に、どの手法が一般的に用いられますか？ 学習率の自動調整 グリッドサーチやランダムサーチ モデルの初期化 データの分割方法 None 120. AIを利用した「労働者の監視」が問題視される理由は何ですか？ AIが全ての労働者を保護するため AIによる過度な監視が労働者のプライバシーを侵害するリスクがあるため AIが労働者に仕事を与えないため AIが労働者の給与を自動で計算するため None 121. 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 122. 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 123. Self-Attentionが畳み込み層（CNN）に比べて特に優れている点として最も適切なのはどれですか？ 空間的な関係を直接学習できるため 並列処理が可能なため 長距離依存関係を直接学習できるため ノイズ耐性が高いため None 124. 誤差逆伝播法における「勾配消失問題」とは何ですか？ 勾配が小さくなりすぎてパラメータの更新が行われなくなること 学習速度が遅くなること 重みが大きくなりすぎること モデルの精度が低下すること None 125. 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 126. 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 127. 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 128. 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 129. 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 130. 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 131. 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 132. マルチモーダルAIにおいて、モデルの性能向上に寄与する「アライメント（Alignment）」とは何を指しますか？ モダリティ間の特徴を同期させ、一貫した表現を得ること モデルの計算速度を最適化すること 各モダリティごとに独立した特徴を抽出すること モデルの学習データを圧縮すること None 133. 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 134. 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 135. AIが「非正規雇用」に与える影響として最も適切なのはどれですか？ AIによる自動化が非正規雇用の削減を促進し、労働市場の不安定さが増す可能性がある AIが全ての非正規労働者を解雇する AIが全ての非正規労働者を正規雇用に変える AIが非正規雇用を無視する None 136. 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 137. 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 138. 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 139. 「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 140. 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 141. AIを利用した「スマートグリッド」の目的は何ですか？ 電力供給をすべて停止すること 電力の供給と需要を効率的に管理し、エネルギー消費を削減すること 電力価格を上げること 電力を無制限に供給すること None 142. 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 143. 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 144. 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 145. マルチモーダルモデルにおける「補完的学習」の利点は何ですか？ 異なるモダリティのデータから得られる情報を補完し合い、モデルの精度を向上させる すべてのモダリティのデータを無視して学習する モダリティのデータを統一して学習する 学習の速度を増加させる None 146. 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 147. 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 148. AI技術が「在宅勤務」に与える影響として正しいのはどれですか？ 在宅勤務が全ての職場で廃止される AIがすべての在宅勤務者を解雇する AIがリモートワークの効率を向上させ、働き方の柔軟性を高める AIが在宅勤務を無視する None 149. 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 150. AIシステムの運用が環境に与える影響として、最も適切なものを1つ選んでください。 AIの運用には環境への影響はない データセンターの膨大なエネルギー消費が環境負荷を増大させる AIの導入により化石燃料の消費が減少する AIは環境問題を直接的に解決する None 151. 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 152. 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 153. AIが「選挙の公正性」を損なう可能性がある理由は何ですか？ AIがすべての選挙結果を手動で計算する AIが全ての候補者を公平に扱うため AIが特定の候補者や有権者層に対して偏った情報を提供し、公正な選挙プロセスを妨げるため AIがすべてのデータを無視するため None 154. 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 155. 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 156. AI技術が労働市場で新たな雇用機会を創出する例として、最も適切なものを選んでください。 単純作業の自動化による職種削減 AI開発者やデータサイエンティストなどの新しい職種の需要増加 全ての業務をAIに置き換えることによる労働者の削減 AIを利用した職種の全面的な廃止 None 157. 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 158. 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 159. クロスバリデーションを用いる際に「K-fold クロスバリデーション」の利点は何ですか？ 訓練データのサイズを増やす 全データを使用してモデルの汎化能力を評価できる モデルの学習速度を上げる データの次元を削減する None 160. AIプロジェクトの成果物が「運用環境に適合しない」場合に起こり得る問題はどれですか？ モデルの精度が向上する プロジェクトのROI（投資収益率）が向上する モデルの再学習が不要になる システム全体のパフォーマンス低下や障害が発生する None Time's up
