G検定～模擬試験④～ 2024年12月6日 ailearn 1. 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 2. 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 3. 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 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. 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 6. 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 7. 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 8. 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 9. 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 10. 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 11. 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 12. AI技術を活用して循環型経済を促進する取り組みとして最も適切なものを選んでください。 廃棄物を処理せずにそのまま埋め立てる リサイクルに関するデータを収集しない 循環型経済のプロセスにAIを導入しない 廃棄物の分別をAIが効率的に行い、リサイクル率を向上させる None 13. 強化学習における「報酬」とは何を指しますか？ 環境の変化を表す数値 エージェントが受け取る行動の効果 エージェントの行動に対するフィードバックとして与えられる数値 学習率を調整する値 None 14. 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 15. 誤差逆伝播法における「ミニバッチ学習」とは何ですか？ 全データを一度に使用する方法 一つのデータポイントだけを使用する方法 データを小さなバッチに分けて学習する方法 特徴量を縮小する方法 None 16. 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 17. 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 18. 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 19. 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 20. 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 21. 「排除措置命令」とは何ですか？ 企業が価格を設定する権利 企業が市場を独占する権利 独占禁止法に違反する行為を停止させるための公正取引委員会による命令 企業が他社と連携する権利 None 22. 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 23. AIが「労働市場の公平性」に貢献するために必要な取り組みとして正しいのはどれですか？ AIが全ての労働者を無視する AIのアルゴリズムが公正かつ透明に運用されるように監視し、アルゴリズムバイアスを除去するための取り組みが必要である AIがすべての労働者を解雇する AIが全ての職業を自動で提供する None 24. 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 25. 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 26. 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 27. モデル選択において、どの評価指標を使用するかは何に依存しますか？ 問題の種類やデータの特性 モデルのサイズ 訓練データの数 事前の理論 None 28. 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 29. 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 30. 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 31. 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 32. 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 33. 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 34. 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 35. 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 36. 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 37. 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 38. 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 39. 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 40. 「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 41. 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 42. 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 43. 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 44. 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 45. 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 46. 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 47. 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 48. 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 49. 誤差逆伝播法で用いる損失関数の一例はどれですか？ 交差エントロピー損失 重み減衰 ドロップアウト アクティベーション関数 None 50. 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 51. AIプロジェクトにおいて、モデル運用後に「継続的モニタリング」が求められる理由はどれですか？ モデルの性能低下やデータドリフトを検出し、適切な対策を講じるため モデルの精度が常に向上するよう調整するため モデルを廃止するタイミングを決定するため 新しいモデルをすぐに導入するため None 52. 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 53. 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 54. AIの発展が民主主義に与える影響として懸念されている点はどれですか？ AIが選挙プロセスを操作し、特定の候補者に有利な結果を導く可能性 AIが国民の意思を正確に反映すること AIが全ての投票を公開すること AIが国民全員に投票権を与えること None 55. 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 56. AIを用いた「オンライン投票システム」が民主主義に与えるポジティブな影響は何ですか？ AIが投票を監視するため AIが市民の利便性を向上させ、投票率を上昇させる可能性があるため AIが投票結果を削除するため AIが選挙プロセスを手動で管理するため None 57. 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 58. 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 59. 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 60. 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 61. 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 62. 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 63. 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 64. 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 65. 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 66. 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 67. 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 68. 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 69. 強化学習において「ハイパーパラメータの調整」で重要な項目は何ですか？ 環境の状態数 エピソードの長さ Q値の初期値 学習率や割引率、探索率 None 70. 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 71. 「方策勾配法」が「価値反復法」と異なる点はどれですか？ 即時報酬を直接最適化する 方策（ポリシー）を直接最適化する 状態遷移モデルを必要とする 勾配消失問題を完全に解消する None 72. 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 73. 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 74. 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 75. 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 76. AIが「カーボンニュートラル」の実現に貢献する方法として適切なものを1つ選んでください。 温室効果ガスの排出量を予測し、削減プランを提案する 化石燃料の使用を推奨するモデルを構築する データセンターの冷却効率を低下させる 排出量削減のための取り組みを記録せず進捗を把握しない None 77. 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 78. 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 79. 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 80. 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 81. 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 82. 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 83. 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 84. 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 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. 「私的独占」とは何ですか？ 企業が市場で競争を排除または制限し、支配的な地位を築く行為 企業が価格を統一すること 企業が技術を開発すること 企業が他社の商品を模倣すること None 87. 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 88. 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 89. 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 90. 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 91. 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 92. 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 93. 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 94. 「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 95. 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 96. 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 97. 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 98. 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 99. 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 100. 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 101. 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 102. Self-Attentionにおいて、「クエリ（Query）」「キー（Key）」「バリュー（Value）」の役割は何ですか？ クエリは注目する要素、キーはその要素に関連する情報、バリューはその結果の重み付け クエリはモデルの出力、キーは入力、バリューは誤差 クエリは訓練データ、キーは予測結果、バリューは正解データ クエリ、キー、バリューの役割は全て同じ None 103. 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 104. 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 105. 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 106. 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 107. 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 108. モデル評価において「グラウンドトゥルース」とは何を指しますか？ モデルのトレーニングデータ 正解ラベル、すなわち実際の正しい出力 モデルのハイパーパラメータ 学習率の設定値 None 109. 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 110. 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 111. 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 112. 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 113. 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 114. 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 115. 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 116. 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 117. 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 118. 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 119. 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 120. 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 121. AIがソーシャルメディアでの「フィルターバブル」を作り出すことが民主主義にどのような影響を与えるか？ 多様な意見が反映される 一部の情報だけが強調され、意見の多様性が失われる 全ての情報が平等に伝えられる フェイクニュースが完全に排除される None 122. 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 123. 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 124. 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 125. 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 126. 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 127. AIが「自動化による失業」を引き起こすリスクが高い産業はどれですか？ クリエイティブ産業 製造業や物流業など、反復的な作業が多い産業 教育産業 医療産業 None 128. 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 129. 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 130. 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 131. 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 132. 「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 133. 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 134. AIが「賃金格差」の拡大に寄与する可能性がある理由は何ですか？ AIが全ての賃金を平等にするため AIがすべての賃金を自動で管理するため AIが高スキルの労働者に対して高賃金を提供する一方、低スキルの労働者は賃金が減少する可能性があるため AIが労働者の賃金を無視するため None 135. Self-Attentionが畳み込み層と異なる点はどれですか？ Self-Attentionは局所的な情報のみを扱う Self-Attentionは画像データに適用されない Self-Attentionは順序情報を考慮しない Self-Attentionはグローバルな情報に焦点を当てる None 136. 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 137. 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 138. 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 139. 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 140. 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 141. 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 142. 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 143. マルチモーダル学習における「後期統合（Late Fusion）」とは何ですか？ モダリティを初期に統合する モダリティごとに別々のネットワークを使用する モダリティの一部だけを統合する 各モダリティの特徴を別々に学習し、後で結果を統合する None 144. 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 145. 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 146. 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 147. 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 148. 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 149. 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 150. 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 151. 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 152. 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 153. 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 154. 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 155. 正則化手法の選択において重要なポイントは何ですか？ データセットのサイズ モデルの目的 計算リソースの制約 全ての選択肢 None 156. 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 157. 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 158. 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 159. Transformerモデルでの「位置エンコーディング（Positional Encoding）」の目的は何ですか？ データの次元を削減するため 各入力の位置情報を保持し、順序を考慮するため 学習率を調整するため 重みの初期化を行うため None 160. 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 Time's up
