G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. 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 2. 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 3. AIの「自律システム」において、透明性が欠如していると、どのようなリスクが発生しますか？ AIが自動でデータを削除する AIが常に正確に動作する AIがデータを正しく処理しない AIの判断が予測不可能であり、人間がその行動を理解できず、重大な事故や誤動作が発生するリスク None 4. 個人情報保護法に基づく「開示請求」とは何ですか？ 企業が自発的に個人情報を公開すること 本人が自分の個人情報の開示を企業に請求できる権利 個人情報を第三者に提供する手続き 個人情報の削除を企業に求めること None 5. 不正競争防止法において、「虚偽表示」とは何ですか？ 他社の商品を宣伝する行為 商品を模倣する行為 他社の営業秘密を公開する行為 商品やサービスの内容について虚偽の表示を行う行為 None 6. 音声認識モデルの性能評価に用いられる「WER（Word Error Rate）」とは何ですか？ 誤って認識された単語の割合を示す指標 訓練データのサイズを示す指標 モデルの計算速度を示す指標 モデルの精度を示す指標 None 7. 国連のAI倫理ガイドラインでは、AI技術が持続可能な開発に寄与するために、どのような要素が特に重視されていますか？ AI技術が経済成長を加速させること AI技術が自動化を推進すること AIが持続可能な開発目標（SDGs）を達成するための手段として活用されること AIの開発者が自由に技術を利用できること None 8. AIを用いた個人情報の無断収集が行われた場合、企業が直面する可能性のある法的リスクは何ですか？ プライバシー保護法やGDPRに違反する可能性がある AIが自動的に法令を修正する AIがデータを削除する AIが個人情報を暗号化する None 9. スキップ結合を使用しない場合、非常に深いニューラルネットワークにおいてどのような問題が発生する可能性がありますか？ 勾配消失問題 勾配爆発問題 過学習 低次元表現の生成 None 10. 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 11. 「ResNet（Residual Network）」の主な特徴はどれか？ 勾配消失問題を解決するためにバッチ正規化を採用する 入力データを無視してランダムに処理を行う 小さなデータセットを使用して学習する ネットワークの層を深くする際に発生する学習の困難さを解決する None 12. 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 13. 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 14. 教師あり学習で、分類問題の性能を評価するために用いられる指標はどれですか？ F1スコア 平均二乗誤差（MSE） コサイン類似度 ジャッカード係数 None 15. モーメンタム法の主な利点は何ですか？ 局所最適解に陥るリスクを減少させること 計算を簡素化すること 学習率を固定すること 各イテレーションで新しいサンプルを使用すること None 16. AIが生成した作品に対して、今後の著作権法で議論されている可能性のある改正内容はどれですか？ AIによる作品にも著作権を認める方向性 AIによる作品は常にパブリックドメインとする AI作品の著作権を自動的に国家が保有する AIによる作品の利用には制限をかけない None 17. AIを利用した自動化された犯罪行為として「ボットネット攻撃」が挙げられますが、この攻撃の目的は何ですか？ AIがシステムを強化する 多数のデバイスを乗っ取り、一斉に攻撃を行うことでシステムをダウンさせる AIがデータを保護する AIがデータを暗号化する None 18. 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 19. 「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 20. 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 21. 残差ブロックにスキップ結合を導入することで、どのような効果が得られますか？ ネットワークの出力が安定する 学習が加速し、勾配が安定する 訓練データのサイズが増加する モデルのパラメータ数が増加する None 22. AIの透明性が規制されるべき理由として正しいのはどれですか？ AIが効率的に動作しない場合があるため AIのアルゴリズムが公開されていないと、バイアスや不公正な判断が行われる可能性があるため AIが自動でデータを削除するため AIがすべての判断を手動で行う必要があるため None 23. 深層強化学習において「カリキュラム学習」が導入される理由は何ですか？ エージェントの学習速度を減速させるため 報酬の変動を抑えるため エージェントが段階的に難易度の高いタスクを学習できるようにするため 環境の状態をリセットするため None 24. 畳み込み層の「フィルターサイズ」が大きくなると、どのような影響がありますか？ モデルの計算量が減少する モデルの計算量が増加する モデルの精度が低下する パラメータ数が減少する None 25. Huber誤差を使用する際のメリットはどれですか？ 外れ値に対して敏感である 学習速度が速くなる 小さな誤差に対しては二乗誤差、大きな誤差に対しては絶対誤差を適用する 常に一貫した結果を出す None 26. 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 27. 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 28. 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 29. 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 30. AIを用いた「偽造コンテンツ」の作成が選挙に悪影響を及ぼす場合、考えられるリスクは何ですか？ AIが投票システムを強化する AIが投票データを削除する AIが選挙結果を自動で計算する 偽造コンテンツが拡散され、有権者の判断に誤った影響を与えるリスク None 31. 個人情報保護法において、情報の「保存期間」に関する規制はどのように規定されていますか？ 利用目的が達成された場合、速やかにデータを削除することが求められる データを永久に保存することが義務付けられている データを1年間のみ保存することが求められる 保存期間に関する規定は存在しない None 32. 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 33. バッチ正規化が過学習に対して有効でない場合に使用する正規化手法は何ですか？ グループ正規化 ドロップアウト レイヤーノーマライゼーション 重みの初期化 None 34. 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 35. 機械翻訳において、入力シーケンスと出力シーケンスの長さが異なる場合、どのようなモデルがよく使われますか？ CNN VAE Seq2Seq GAN None 36. a b c d None 37. AIシステムの「セキュリティ」と「プライバシー」の違いとして正しいのはどれですか？ セキュリティはシステムの動作を保護し、プライバシーはデータの保護に関わる セキュリティはデータの保護に関わり、プライバシーはシステムの動作を保護する 両者は全く同じ意味を持つ セキュリティは個人情報にのみ関わる None 38. ストライドを大きく設定したプーリング層の影響はどれですか？ より多くの特徴が保存される モデルの表現力が増加する 次元削減が進み、情報の圧縮が強化される 学習率が低下する None 39. 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 40. 大規模データセットを扱う際に「データのサンプリング」を行う利点は何ですか？ モデルの精度を向上させる データ量を減らし、処理を効率化する データの次元を増加させる データのノイズを増やす None 41. 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 42. AI開発において、委託者が成果物に満足できなかった場合、どのような措置を取るべきですか？ 自ら修正する 開発者に罰金を科す 開発者を変更する まず契約に基づく瑕疵修正を開発者に求める None 43. 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 44. モデル解釈性の評価に使われる指標として正しいものはどれですか？ 混同行列 精度（Accuracy） 説明可能性（Explainability） AUC None 45. 「分散」とは何を意味しますか？ データの最大値と最小値の差 データのばらつきを示す指標 データの中央値 データの確率分布を示す関数 None 46. 音声処理で使われる「スペクトログラム」は何を表しますか？ 音の周波数成分を時間ごとに可視化したもの 音声の波形データ ノイズ除去の手法 音声データの正規化手法 None 47. 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 48. 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 49. 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 50. 「ラプラス変換」は、AIでどのように利用されますか？ データを標準化するため 微分方程式を解く際に使用されるため、特に制御理論や信号処理で活用される データの次元を削減するため データのばらつきを減らすため None 51. 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 52. データの「正規化」とは何を目的とした処理ですか？ データを無作為に選択すること データをランダムに削除すること データの範囲を揃え、学習の効率を向上させること データの次元を増やすこと None 53. ディープラーニングにおいて「損失関数」の役割は何ですか？ モデルの性能を評価する モデルの予測と実際の結果との差を測定する 学習率を調整する 重みを更新する None 54. 解釈性の高いモデルとして知られるものはどれですか？ ニューラルネットワーク サポートベクターマシン（SVM） k-近傍法（k-NN） 決定木（Decision Tree） None 55. 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 56. ディープラーニングにおいて、活性化関数を適切に選択しない場合、どのような問題が発生しますか？ ニューラルネットワークの構造が崩れる 勾配消失や勾配爆発が起こり、学習が進まなくなる モデルの出力がランダムになる 訓練データが正しくない結果を生む None 57. 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 58. AI関連のソフトウェアに対して、不正競争防止法の「営業秘密」として保護されるためにはどのような措置が必要ですか？ ソフトウェアのソースコードが適切に管理され、外部に漏れないようにすること ソフトウェアを公開すること ソフトウェアを他社と共有すること ソフトウェアを商業的に利用すること None 59. AI技術においてプライバシーリスクを減らすための「匿名化」とは何ですか？ データを削除すること データから個人を特定できる情報を削除または加工すること データの所有権を譲渡すること データを公開すること None 60. バッチ正規化（Batch Normalization）を使用する主な利点は何ですか？ 学習のスピードが向上する モデルのパラメータが減少する 過剰適合が防がれる ニューラルネットワークの深さが減少する None 61. モーメンタム法の主な利点は何ですか？ 学習速度が一定である 過剰適合を防ぐ 局所最適解に陥るリスクを減少させる 計算コストを減らす None 62. データの前処理において「正規化」が重要となる理由は何ですか？ データをランダムに並び替えるため 特徴量のスケールが異なる場合、モデルが学習しやすくなるため データの次元を減らすため モデルのパラメータ数を減らすため None 63. グローバルプーリング層（Global Pooling）はどのように機能しますか？ 全てのピクセルの最大値を取る 特定の領域内で最小値を取る 画像全体に対して1つの値を出力する すべてのフィルターの重みを学習する None 64. RNNの「長期依存性の問題」とは何ですか？ 計算量が増加する問題 長いシーケンスを扱う際に、過去の情報が消失してしまう問題 出力が不安定になる問題 ネットワークが収束しない問題 None 65. 転移学習において、事前学習済みモデルの「出力層」を更新する理由は何ですか？ モデルの速度を上げるため 訓練データを減らすため 新しいタスクでのパフォーマンスを低下させるため 新しいタスクに対応するため None 66. K-meansクラスタリングで、クラスタ数を指定する必要がある理由として正しいのはどれですか？ モデルがデータを指定された数のグループに分割するため データの次元を削減するため データのラベルを生成するため 精度を向上させるため None 67. 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 68. モデルの選択において、「エンコーディング技術」を利用する際の目的は何ですか？ モデルのサイズを削減する データの次元を削減する データの前処理を行う カテゴリ変数を数値に変換して、モデルに適した形式にする None 69. 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 70. 次のうち、自然言語処理で「系列ラベリング」を行うタスクに該当するのはどれですか？ 画像分類 機械翻訳 音声認識 名詞句抽出 None 71. 「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 72. 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 73. 次のうち、教師なし学習に分類される手法はどれですか？ K-meansクラスタリング ロジスティック回帰 サポートベクターマシン（SVM） ランダムフォレスト None 74. AIが関与する著作権の問題として、最も適切なものはどれか。 AIが生成した作品に著作権は存在しない AIが生成した作品の著作権は、そのAIを開発したプログラマーが持つ AIが生成した作品に関する著作権問題は、明確な法的枠組みが存在しない AIが生成した作品は常に公共の財産として扱われる None 75. 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 76. 「平均」とは何を表しますか？ データの最大値 データの全体を均等に分布させた場合の中心値 データのばらつきを表す指標 データの最小値 None 77. 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 78. 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 79. 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 80. 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 81. データ拡張を使用することのデメリットは何ですか？ データ拡張によりノイズが増える可能性がある モデルの性能が低下する 訓練データが必要なくなる モデルの学習率が低下する None 82. AIとロボットの違いとして正しいものはどれか。 AIは物理的な作業を行うが、ロボットは知的作業を行う AIは知的作業を担当し、ロボットは物理的な作業を担当する AIとロボットは同じ技術であり、違いはない ロボットはAIを使わずに動作する None 83. AIモデルの開発において、競合他社の営業秘密を不正に利用した場合に発生するリスクは何ですか？ AIモデルの性能が低下する AIモデルの公開が制限される 不正競争防止法に基づく損害賠償請求や差止請求 営業秘密の権利者がその権利を放棄する None 84. AIシステムがユーザーのプライバシーを尊重するために、「データ匿名化」と「データ暗号化」を組み合わせる利点は何ですか？ データを無期限に保管できる データが第三者に渡ってもプライバシーが保護される データが完全に削除される ユーザーが自由にデータを閲覧できる None 85. 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 86. AIにおいて、「アウトカムの公正性」とはどのように定義されますか？ AIの結果がすべてのユーザーに同一であること AIが各グループに対して平等な結果を提供すること AIがすべてのデータを平等に処理すること AIがデータ収集を最小化すること None 87. AIシステムにおける「セキュリティインシデント」の報告が遅れることで、どのようなリスクが増大しますか？ システムの効率が低下する 不正アクセスや攻撃が継続され、被害が拡大するリスク システムが自動的に修復される システムのアップデートが遅れる None 88. 次のうち、形態素解析に適しているモデルはどれですか？ RNN CNN CRF（条件付き確率場） LSTM None 89. 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 90. スキップ結合を使うことで、ネットワークの性能が悪化する可能性がある状況はどれですか？ スキップ結合を多用しすぎた場合 活性化関数を間違えた場合 学習率が高すぎる場合 いずれも正しくない None 91. 著作権法における「二次的著作物」とは何ですか？ 原著作物を基にして新たに創作された著作物 原著作物のままの作品 著作物の削除された部分 商業的に利用された著作物 None 92. 個人情報保護法に基づく「安全管理措置」とは何ですか？ 個人情報の取扱いに関する物理的、技術的、組織的な対策 個人情報を自由に使用できる権利 個人情報の商業的利用を推奨すること 企業がデータを定期的に公開すること None 93. 平均二乗誤差（MSE）はどのように計算されますか？ 予測値と実際の値の差を絶対値にして平均 予測値と実際の値の差を二乗して平均 予測値と実際の値の差を平均して二乗 予測値と実際の値の差のログを取って平均 None 94. スキップ結合を持つネットワークで過剰適合を防ぐためには、どのような手法が有効ですか？ ドロップアウトを併用する 正則化を強化する データ拡張を使用する 全ての選択肢 None 95. 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 96. 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 97. 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 98. ディープラーニングでよく使われる「バックプロパゲーション（逆伝播）」の役割はどれか？ モデルの精度を評価するプロセス 勾配を計算して重みを更新するプロセス データを訓練セットとテストセットに分割するプロセス 入力データを正規化するプロセス None 99. スキップ結合を適用する際、出力の次元が異なる場合にはどのような工夫が必要ですか？ 入力を減少させる 1x1の畳み込みを使用して次元を揃える そのまま結合する 出力をリセットする None 100. 自然言語処理（NLP）でのデータ拡張として有効な手法はどれですか？ 文の逆順化 単語のランダム挿入や削除 ストップワードの削除 活性化関数の変更 None 101. 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 102. データ加工において「次元削減」が行われる理由は何ですか？ データ量を増やすため モデルのパフォーマンスを向上させるため データの関連性を減らすため データのノイズを増加させるため None 103. 畳み込み層の出力が高次元データの場合、次の層に何を使って接続することが一般的ですか？ 全結合層 プーリング層 リカレント層 フィルター層 None 104. Deep Residual Networks（ResNet）におけるReLUの役割は何ですか？ 残差を計算するため 残差接続を消去するため 非線形性を導入し、学習を安定化させるため モデルを小さくするため None 105. 不正競争防止法において「損害賠償請求権」とは何ですか？ 他者の権利を無効にする権利 不正競争行為によって生じた損害について賠償を求める権利 競合他社の商品を使用する権利 営業秘密を不正に利用する権利 None 106. 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 107. AIの軍事利用に関するリスクとして、最も適切なものはどれか。 AIが自律的に戦術を判断し、人間の制御を離れる可能性がある AIは戦術を決定する能力を持たないため、軍事利用のリスクはない AIは軍事利用に関わらないため、リスクは存在しない AIは常に人間の指示に従うため、軍事利用のリスクは限定的である None 108. 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 109. 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 110. 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 111. AIサービス提供契約で、サービスの「障害発生時の対応手順」を明記する目的は何ですか？ サービス提供者が責任を免れるため サービスを停止するため 障害が発生した場合に迅速に対応し、サービスを復旧させるため 委託者がサービスをキャンセルするため None 112. 「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 113. 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 114. 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 115. スキップ結合が効果的に働くのはどのような場合ですか？ 浅いニューラルネットワーク 非線形活性化関数を使用する場合 深いニューラルネットワーク 出力層にのみ適用される場合 None 116. 個人情報の「匿名化処理」とは何を指しますか？ データを削除すること データを暗号化すること 利用目的を変更すること 個人を特定できない形に情報を加工すること None 117. プーリング層のカーネルサイズとは何ですか？ フィルターの移動幅 学習率の設定 勾配の計算方法 プール領域のサイズ None 118. AIが生成したデータセットに対する不正競争防止法上の保護を受けるための条件は何ですか？ データセットが営業秘密として管理されていること データセットが広く公開されていること データセットが物理的な形で存在していること データセットが著作権法で保護されていること None 119. スキップ結合を持つモデルにおける「残差学習」の特徴は何ですか？ 各層で出力の和を取る 各層で出力と入力の差を学習する 各層で入力のみを学習する 各層で出力のみを学習する None 120. AIサービス提供契約において、一般的に委託者の責任として含まれる事項は何ですか？ AIシステムのアルゴリズムの更新 サービス提供に必要なデータの提供と使用許諾 AIモデルの改善 サービスの独占使用権 None 121. 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 122. 「AI倫理ガイドライン」において、AIシステムの説明可能性が求められる理由は何ですか？ AIが人間を代替するため AIの結果を誰でも理解できるようにするため AIがすべての意思決定を行うため AIの開発者を特定するため None 123. 畳み込み層の特徴マップが持つ情報の重要性は何ですか？ モデルの学習速度を上げる 複雑なデータを単純化する 特徴の重要性を示す モデルのパラメータを増やす None 124. 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 125. 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 126. 最適化手法として「RMSprop」を使用する利点は何ですか？ 各パラメータごとに異なる学習率を使用すること 学習率を一律に保つこと 訓練データのサイズを減少させること モデルの複雑さを増すこと None 127. AIシステムが銀行の融資判断で年齢による差別をしている場合、そのバイアスを解消するために行うべき処置は何ですか？ 年齢に基づいたデータを増やす 融資判断において年齢を最も重視する 年齢データを使用しないようにする 年齢に関連するデータを完全に削除し、モデルを再トレーニングする None 128. 全結合層の計算負荷が高い理由は何ですか？ 各入力が全ての出力に接続されるため 重みの数が少ないため 勾配降下法の計算が複雑なため 特徴量が少ないため None 129. 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 130. 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 131. AIモデルが学習に使用したデータに対して、著作権侵害が問題となるのはどのような場合ですか？ 許可なく著作物を使用して学習を行った場合 著作物を合法的に購入して学習した場合 公開されているデータを使用した場合 著作物を引用した場合 None 132. AIサービス提供契約において、サービス提供者が委託者に対して行う保証の内容として、一般的に含まれるものはどれですか？ サービスの無停止稼働を保証 サービスが契約条件に従って正常に機能することの保証 サービスが委託者のビジネス成功を保証 サービスの無償提供 None 133. 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 134. 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 135. 「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 136. 次元削減手法の一つである「独立成分分析（ICA）」の特徴として最も適切なものはどれですか？ クラスタリングに使用される 信号の分離や異なるソースの分離に適している ラベル付きデータの分類に使用される クラスタ数を最適化する None 137. 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 138. 転移学習における「ドメイン適応（Domain Adaptation）」の役割は何ですか？ 異なる分布のデータに対してモデルを適応させる モデルの訓練速度を向上させる 学習データを増やす モデルのパラメータ数を削減する None 139. 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 140. 次のうち、AIが監視社会を助長するリスクとして最も正しいものはどれか。 AIはプライバシーを保護するため、監視には使用されない AIは監視社会を防ぐために設計されている AIは監視に使われることが少ないため、リスクはない AIは個人の行動を追跡し、過度な監視を行うリスクがある None 141. AI開発におけるデータ取得の際、不正競争防止法に抵触する行為はどれですか？ 合法的にデータを購入すること 営業秘密を不正に取得して学習データに利用すること 公開データセットを使用すること 他社と共同でデータを取得すること None 142. 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 143. 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 144. 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 145. 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 146. AIサービス提供契約において、「契約の解除条件」はどのように定められますか？ 法律で一律に定められている サービス提供者が一方的に決定する 契約で明示的に取り決められる 委託者が自由に決定する None 147. スキップ結合の主な目的は何ですか？ 勾配消失問題を解消すること モデルのパラメータ数を増やすこと ニューラルネットワークの出力を増加させること 学習率を調整すること None 148. 「データのスケーリング」を行わないと発生する問題は何ですか？ モデルの学習が収束しない可能性がある モデルの複雑さが増す データが削除される モデルのパラメータ数が増える None 149. 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 150. AIの発展によって生じる問題として、最も適切なものはどれか。 AIによる仕事の自動化により、全ての業種で雇用が増加する AIによる仕事の自動化により、一部の業種で人間の雇用が失われる可能性がある AIは人間の雇用を守るため、仕事の自動化は行わない AIは人間の仕事に影響を与えないため、雇用の変化はない None 151. AI開発委託契約における「成果物の所有権」に関して、最も一般的な取り決めはどれですか？ 開発者が常に所有権を持つ 委託者が常に所有権を持つ 契約で明示的に取り決めた場合に所有権が決まる 法律で自動的に所有権が決まる None 152. 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 153. ReLU関数の一般的な問題点は何ですか？ 勾配消失問題 出力が0か1に固定される 勾配爆発問題 死んだニューロン問題 None 154. 転移学習とは何ですか？ 訓練データを増やす手法 事前に学習したモデルを他のタスクに適用する手法 モデルの重みを初期化する手法 モデルの出力層を再訓練する手法 None 155. 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 156. 著作権法に基づく「引用」が認められるための条件は何ですか？ 出典を明示し、公正な範囲で行うこと 著作物を改変すること 著作物を商業利用すること 著作物の一部を削除して使用すること None 157. モデルの解釈性を高めるために「部分依存プロット（Partial Dependence Plot, PDP）」が使用される理由は何ですか？ 特定の特徴量が予測結果にどのような影響を与えるかを可視化するため モデルのパラメータを最適化するため データセットのサイズを削減するため モデルの学習率を調整するため None 158. モデル選択において「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 モデルが多様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 159. 「割引率（Discount Factor）」が強化学習で果たす役割は何ですか？ 将来の報酬に対する現在の価値を調整する エージェントの行動頻度を調整する 環境の状態をリセットする Q関数の更新頻度を減少させる None 160. 次のうち、AIの安全性に関する課題として最も正しいものはどれか。 AIは常に安全であり、リスクは存在しない AIが誤った判断を行う可能性があるため、安全対策が必要である AIの動作は人間がすべて制御できるため、安全対策は不要である AIは感情を持たないため、危険な行動は取らない None Time's up
