G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. 転移学習とは何ですか？ 訓練データを増やす手法 モデルの学習率を増加させる手法 モデルのパラメータをランダムに初期化する手法 事前に訓練されたモデルを再利用し、新しいタスクに適用する手法 None 2. 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 3. 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 4. 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 5. エキスパートシステムで、知識ベースが時系列データを取り扱う場合、どのような知識表現が適しているか？ ツリー構造 述語論理 フレーム テンポラルロジック None 6. 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 7. 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 8. 転移学習において、事前学習したモデルをそのまま使用するのではなく、ファインチューニングを行う理由は何ですか？ 訓練データを削減するため 新しいタスクに特化した特徴を学習するため モデルの速度を上げるため パラメータ数を増やすため None 9. 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 10. スキップ結合はどの層とどの層をつなげますか？ 隣接する層 入力層と出力層 遠く離れた層 1層飛ばしの層 None 11. ディープラーニングにおいて、誤差関数の最適化に主に使用される手法はどれですか？ ランダム探索 勾配降下法 モンテカルロ法 ニューラルネットワーク構造の最適化 None 12. ニューラルネットワークにおける「リカレントニューラルネットワーク（RNN）」はどのようなデータに適していますか？ 時系列データやシーケンスデータ 定常的なデータ 定量的なデータ 静的な画像データ None 13. 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 14. AIによる悪用を防ぐために必要な「倫理的ガバナンス」の役割は何ですか？ AIの開発を停止すること AIを常に最新にアップデートすること AIの開発・運用において、倫理的な基準やルールを設け、それに従って管理すること AIにすべての責任を負わせること None 15. 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 16. 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 17. 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 18. 著作権法における「著作物」とは何ですか？ 物理的な作品のこと 創作的な思想または感情を表現したもの 事実を記載したもの 公共の作品のみ None 19. 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 20. 「データの正規化」と「標準化」の違いは何ですか？ 正規化はデータを削除することであり、標準化はデータを増やすことである 正規化はデータの次元を減らし、標準化は次元を増やす 正規化はデータのスケールを0から1の範囲に収め、標準化は平均0、標準偏差1に変換する 正規化はデータのバイアスを減らし、標準化はノイズを増やす None 21. 次のうち、ディープラーニングの特徴として最も正しいものはどれか。 単一の層から構成されるニューラルネットワークを使用する 複数の層を持つニューラルネットワークであり、入力データの特徴を自動的に学習する ルールベースのアルゴリズムを用いて動作する 手動で設定されたパラメータに基づいて動作する None 22. 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 23. AIのセキュリティに関するリスクとして「データポイズニング」とは何ですか？ AIモデルがランダムに動作すること AIに与えるデータを意図的に改ざんし、モデルの性能を低下させる攻撃 AIが誤ってデータを削除すること AIがデータを正確に処理できなくなること None 24. 強化学習における「探索」と「活用」のバランスを取るための一般的な方法はどれですか？ 正規化とドロップアウト Boltzmann探索とε-greedy法 勾配降下法と逆伝播 サンプリングとリサンプリング None 25. 畳み込み層のパディングとは何ですか？ 出力の次元を削減する技術 入力データのサイズを増やすために追加されるピクセル モデルの正則化手法 フィルターのサイズを変更する方法 None 26. プーリング層は通常どのような位置に配置されますか？ ニューラルネットワークの入力層 畳み込み層の後 出力層の直前 重み更新のタイミングで挿入される None 27. 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 28. 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 29. 「Actor-Critic」アーキテクチャにおけるActorの役割は何ですか？ 状態価値関数を計算する 行動方針を選択し、エージェントの行動を決定する 報酬を最大化するために環境を変化させる 行動価値関数を評価する None 30. 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 31. 自動運転車に関してAIが直面する課題として、正しいものはどれか。 自動運転車のAIは常に最適な運転を行うため、事故のリスクは存在しない 自動運転車はAIを使用しないため、責任問題は発生しない AIは事故の責任を常に自ら負うため、人間に責任は問われない 自動運転車が事故を起こした際、AIに責任を問うべきか、人間に責任を問うべきかが不明確である None 32. AIによる自動意思決定システムがGDPRに違反する場合、データ主体が行使できる権利は何ですか？ 自動意思決定に異議を申し立てる権利 自動意思決定の結果を完全に受け入れる義務 自動意思決定を無効にする権利 自動意思決定を監視する権利 None 33. モデル軽量化の手法の一つである「知識蒸留（Knowledge Distillation）」とは何ですか？ 大きなモデルの知識を小さなモデルに伝達する手法 モデルのパラメータを増加させる手法 モデルのデータ量を削減する手法 モデルの精度を向上させる手法 None 34. 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 35. 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 36. クロスエントロピー誤差はどのような場合に使用されますか？ 回帰問題 分類問題 強化学習問題 次元削減問題 None 37. 自動運転車におけるAIのセキュリティ対策として、リアルタイムでの「異常検知システム」が必要な理由は何ですか？ 自動運転車がより高速に走行するため 自動運転車が予期しない障害や攻撃に対して即座に対応できるようにするため 自動運転車が自己修復機能を持つため 自動運転車が常に最新のソフトウェアを使用するため None 38. 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 39. 不正競争防止法において、特許や著作権とは異なる特徴は何ですか？ 技術的発明を保護する 商品や営業の混同を防止することに重点を置いている 著作物を保護する 発明の公開を義務付けている None 40. モデルの解釈性とは何を指しますか？ モデルが複雑であること モデルがどのようにして予測や判断を行ったかを説明できること モデルの性能が高いこと モデルが高速に動作すること None 41. 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 42. 著作権法における「権利の制限」とは何ですか？ 著作物を自由に使用できること 特定の状況において、著作権者の許可なしに著作物を使用できる例外規定 著作物の販売を制限すること 著作物の削除を求める権利 None 43. 勾配降下法のバリエーションとして「確率的勾配降下法（SGD）」がありますが、これの特徴は何ですか？ 各イテレーションで1つのサンプルを使用して勾配を計算する 全てのデータを使用して勾配を計算する バッチサイズを使用して勾配を計算する 自動的に学習率を調整する None 44. 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 45. 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 46. レイヤーノーマライゼーション（Layer Normalization）とバッチ正規化の違いは何ですか？ 計算速度 入力データのサイズ 正規化する単位 モデルの複雑さ None 47. 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 48. データ生成において「自己回帰モデル」が有効な理由は何ですか？ 時系列データを生成できるため データを圧縮できるため 識別精度を向上させるため データの正規化が不要なため None 49. 転移学習で「部分的に凍結された層」を解凍して学習する利点は何ですか？ モデルの学習速度を速めるため モデルが元のタスクを学習するため モデルが新しいデータに柔軟に適応できるようにするため パラメータ数を削減するため None 50. 大規模な高次元データセットに対して、次元削減を行った後にクラスタリングを実施したい場合、適切な順序はどれですか？ 次元削減を先に行い、次にクラスタリングを行う クラスタリングを先に行い、次に次元削減を行う 同時に次元削減とクラスタリングを行う 次元削減は不要で、クラスタリングのみを行う None 51. 全結合層での過剰適合を防ぐために使用される一般的な手法は何ですか？ 正則化 バッチサイズの変更 モデルの複雑さを増す 訓練データの増加 None 52. Parametric ReLU（PReLU）で、パラメータを学習することで得られる利点は何ですか？ ReLUを完全に無効化できる 負の入力に対する勾配を学習して最適化できる 訓練データの前処理を行う 勾配爆発を防ぐ None 53. 誤差関数が不適切な場合、どのような問題が生じる可能性がありますか？ モデルの学習が遅くなる 学習が収束しない モデルが過剰適合する すべての選択肢が該当する None 54. 「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 55. 日本における「AI活用のためのガバナンスガイドライン」では、AIシステムの開発においてどのような点に特に注意が払われるべきとされていますか？ AIシステムが人間による制御下にあることを保証すること AIが社会に与える影響を最小限にすること AIが経済成長を加速させること AIが人間の知能を超えること None 56. AIサービス提供契約において「サービスの停止」が可能となる理由として、正しいものはどれですか？ 委託者がサービス料金を支払わない場合 サービス提供者が新しい技術を試すため 委託者がサービスの使用方法を変更する場合 サービス提供者が契約を無効にするため None 57. 教師なし学習における「混合ガウスモデル（Gaussian Mixture Model; GMM）」は何に使われますか？ 確率的なクラスタリングを行うため 次元削減を行うため ラベル付きデータを分類するため 外れ値を検出するため None 58. ブラックボックスモデルとは何ですか？ 予測結果のみが得られ、内部の処理が不透明なモデル 透明で理解しやすいモデル 単純な線形モデル 人工知能ではなく機械学習のモデル None 59. 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 60. 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 61. 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 62. 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 63. 畳み込み層における「重みの共有」の利点は何ですか？ 計算を単純化する パラメータの数を減少させる 入力データの次元を削減する 全ての選択肢 None 64. 画像認識における「アンサンブル学習」の利点は何ですか？ 複数の異なるモデルを組み合わせて、個々のモデルよりも高い精度を達成できる パラメータ数を削減できる 学習時間を短縮できる データセットが小さい場合に有効である None 65. 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 66. AIサービス提供契約における「知的財産権の帰属」はどのように決定されますか？ サービス提供者に自動的に帰属する 委託者に自動的に帰属する 契約で取り決められる 法律で自動的に定められる None 67. 画像認識におけるディープラーニングモデルとして最も一般的に使用されるものはどれですか？ RNN CNN SVM KNN None 68. 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 69. 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 70. 線形代数の「特異値分解（SVD）」は、どのような目的で使用されますか？ 行列のランクを求めるため 行列を分解し、データの次元削減や圧縮に利用するため データのノイズを増加させるため データの相関を減らすため None 71. a b c d None 72. AI開発委託契約において、進捗報告を義務付けることの目的は何ですか？ 開発の進行状況を把握し、問題発生時に早期対応できるようにするため 開発者の能力を評価するため 契約の終了を早めるため 委託者が開発者を監視するため None 73. AI開発委託契約で成果物の納期が遅れた場合の対応として、委託者が契約解除を選択できる条件は何ですか？ 委託者の判断で自由に解除できる 契約で明示的に解除条件が定められている場合 納期に関係なく契約を解除できる 納品後に解除を選択できる None 74. 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 75. スキップ結合を持つモデルでの最適化手法として適切なものはどれですか？ 最小二乗法 勾配降下法（SGD） 確率的勾配降下法（SGD） Adamオプティマイザー None 76. 音声認識におけるデータの「音声合成攻撃」とは何ですか？ 音声信号を無効化する攻撃 音声データを改ざんする攻撃 音声信号を圧縮する攻撃 攻撃者が合成音声を使用してシステムを誤認識させる攻撃 None 77. データ拡張による汎化性能の向上は、どのような理論に基づいていますか？ モデルの複雑さを増やす理論 モデルの学習率を下げる理論 訓練データをランダム化することで、モデルがより多様な特徴を学習できるという理論 勾配消失を防ぐ理論 None 78. 「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 79. Adamオプティマイザーの特徴として正しいものはどれですか？ 学習率が固定である 逐次的にデータを学習する 交差エントロピー損失に特化している 勾配のモーメントを利用する None 80. 次の中で、エキスパートシステムが「自己学習機能」を持つものとして適切なのはどれか？ ルールベースシステム ケースベース推論システム ニューラルネットワーク 機械学習システム None 81. 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 82. 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 83. 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 84. 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 85. 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 86. t-SNEやPCAを使った次元削減後に、データを視覚化し、クラスタの傾向が見られたとします。この視覚化結果を基にさらに分析を深めるために有効な方法はどれですか？ 非負行列因子分解を行う K-meansクラスタリングでグループを明確に分ける エルボー法を適用して最適な次元数を見つける ランダムフォレストを適用して分類する None 87. 著作権法に基づいて、著作物をパブリックドメインにするためには何が必要ですか？ 著作権の放棄を宣言するか、保護期間が終了する 著作権者が自ら権利を強化する 著作権の更新手続きを行う 著作権者が著作物を商業利用する None 88. データ分析における「特徴量エンジニアリング」の目的は何ですか？ データを削除すること データを統計的に分析すること データの欠損値を補完すること モデルの性能を向上させるために、新しい特徴量を生成・選択すること None 89. 個人情報保護法において、「利用停止請求」が認められるのはどのようなケースですか？ データが正確でない場合 データの保存期間が過ぎた場合 利用者がデータの変更を希望する場合 個人情報が違法に取得された場合や、不正な目的で利用された場合 None 90. ResNetの残差ブロックにおける「恒等写像（Identity Mapping）」は何を意味しますか？ 各層で出力を倍にすること 各層の出力をそのまま次の層に渡すこと 各層で重みをゼロに設定すること 入力層と出力層を直接結合すること None 91. 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 92. AIが生成した作品に著作権が発生するかどうかについて、現行の著作権法ではどのように定義されていますか？ AIが生成した作品には著作権が発生しない AIには著作権が発生する AIが生成した作品は自動的にパブリックドメインになる AIの開発者が著作権を保有する None 93. 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 94. AIサービス提供契約において、委託者がサービスに対する独占的な使用権を持つ場合、どのようなリスクが伴いますか？ 他の企業が同様のサービスを使用できなくなる サービス提供者がサービスの改良や更新に制限を受ける可能性 サービスの利用料金が引き下げられる サービスの稼働率が上がる None 95. 「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 96. AIを利用したコンテンツ生成プラットフォームで、著作物を生成する際の適切な著作権対応は何ですか？ データがインターネットに公開されていれば自由に利用できる 商業目的でなければ著作物を自由に利用できる AIによる生成物には著作権が発生しないので自由に利用できる 元データの著作権者から許可を得るか、パブリックドメインのデータを使用する None 97. ディープラーニングを利用して既存の著作物を模倣した作品が生成された場合、どのような著作権上の問題が発生しますか？ 模倣元の著作物の権利侵害となる可能性がある 新たに生成された作品は自動的に著作権が発生する AIの開発者が著作権を持つ 模倣作品には著作権が発生しない None 98. Word2Vecの「スキップグラムモデル」の特徴は何ですか？ 中心となる単語から周囲の単語を予測する 文脈単語から中心単語を予測する 単語間の類似性を計算する 単語の頻度を基にベクトルを生成する None 99. AI開発委託契約における「納期遅延」の場合、開発者に課される可能性がある罰則は何ですか？ 遅延損害金の支払い 委託者への特許権の譲渡 契約の延長 成果物の無料提供 None 100. 教師あり学習における「K分割交差検証（K-fold Cross Validation）」の主な利点はどれですか？ データセットを効果的に分割し、モデルの汎化性能を評価できる 訓練時間を大幅に削減する データの次元を削減する 非線形データに対しても適用可能 None 101. 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 102. 特許法における「発明の公開」と「秘密保持契約（NDA）」の関係性は何ですか？ NDAにより発明は公開されない 発明の公開を遅らせるためにNDAを活用する NDAは特許取得に必須である 発明はNDAによって自動的に特許が認められる None 103. 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 104. 教師あり学習の回帰問題において、モデルの予測が訓練データに対して非常に高い精度を示しているが、テストデータでは大きく誤差が出る場合、考えられる原因はどれですか？ モデルが過学習している データが不均衡である 過小適合が起きている ハイパーパラメータが適切でない None 105. 「異常検知モデル」において、データの分布が重要である理由は何ですか？ モデルのトレーニング時間を短縮するため 正常なデータと異常なデータの分布が異なるため、異常の検出が可能になる データのラベリングを行うため データのバイアスを減らすため None 106. AIサービス提供契約において、「委託者が提供したデータの著作権」に関する取り決めはどのように定められるべきですか？ 著作権は委託者に自動的に帰属する 契約で取り決める必要がある 著作権はサービス提供者に自動的に譲渡される 法律で一律に定められる None 107. ファインチューニングにおいて「学習率」を小さく設定する理由は何ですか？ モデルの訓練時間を短縮するため 学習が不安定になるのを防ぐため モデルの精度を向上させるため 訓練データを増やすため None 108. AI倫理において「バイアスの排除」が重要視される理由は何ですか？ AIが誤ったデータを扱わないため AIがすべての問題を自動で解決するため AIが特定の集団や個人に対して不公平な判断を行わないようにするため AIがデータを削除できるようにするため None 109. 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 110. ロジスティック回帰モデルを使ってスパムメールの分類を行っています。モデルの性能が不十分で、精度と再現率のバランスが悪い場合、どの対策が最も適切ですか？ 正則化の強度を調整する データを削減してモデルの訓練を高速化する 非線形なモデルに切り替える 階層クラスタリングを試す None 111. AIの透明性が欠如すると、どのような問題が発生しますか？ AIが自動で正しい結果を提供する ユーザーや社会がAIの結果や判断に対して信頼を失う AIが迅速に動作する AIがすべてのデータを収集する None 112. 「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 113. ファインチューニングとは何ですか？ モデルの出力層のみを更新すること 全ての層の重みを再調整すること モデルの一部を再学習すること 訓練データを拡張すること None 114. 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 115. 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 116. 次のうち、ビーム探索の特徴として最も適切なものはどれか。 最適解を常に保証する 幅優先探索に似ているが、探索の幅を限定する 木の全てのノードを必ず探索する 深さ優先探索を効率化した手法である None 117. 転移学習を行う際に「ファインチューニング」する層はどの部分ですか？ 入力層のみ 初期の層のみ 全ての層 出力層および後半の層 None 118. LIMEを使用する際に考慮すべき重要な点は何ですか？ モデル全体を再訓練する必要がある モデルのパラメータを大幅に削減する モデルのローカルな部分での挙動を解釈するための手法であるため、グローバルな解釈には適さない 学習率を大幅に低下させる None 119. オンザフライデータ拡張（On-the-fly Data Augmentation）とは何ですか？ モデルのトレーニング中にリアルタイムでデータを拡張する手法 事前に拡張データを生成してから訓練する手法 トレーニングデータを無視してモデルを学習する手法 拡張データのラベルを変更する手法 None 120. 転移学習を使用した場合、初期層の「凍結」はどのような役割を果たしますか？ 訓練時間を短縮する 過学習を防ぐ 新しいデータに過剰に適応するのを防ぐ 学習率を高くするための処置 None 121. AIサービス提供契約における「データの匿名化」が求められる理由として適切なものはどれですか？ データの使用を無制限にするため データの削除を容易にするため データを共有しやすくするため 個人情報保護法やGDPRなどの法的規制に準拠するため None 122. モデルの解釈性を高めるために、複雑なモデルを単純化する手法を何と呼びますか？ モデル蒸留（Model Distillation） 勾配消失問題 リカレントニューラルネットワーク バッチ正規化 None 123. 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 124. 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 125. 公正取引委員会の役割は何ですか？ 企業が自由に競争できるようにするための助成金を提供する 独占禁止法の遵守を監視し、違反行為に対して排除措置や罰則を課す機関 企業の価格設定を行う 企業の市場シェアを管理する None 126. 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 127. 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 128. 個人データの取り扱いにおける「プライバシー・バイ・デザイン」とは何ですか？ AI開発者が自由にデータを収集できる原則 データの収集・利用においてプライバシー保護を初期設計段階から組み込む概念 データを匿名化する技術 データを完全に削除する方法 None 129. 教師あり学習の過程で「学習データ」を使う理由として適切なものはどれですか？ モデルのパラメータを調整して、正しい予測ができるようにするため データの次元を削減するため モデルが過学習しないようにするため モデルの性能を評価するため None 130. OECDの「AIに関する原則」において、AIの「持続可能性」が指摘される理由は何ですか？ AI技術が長期間にわたり活用できるようにするため AIが自己修復機能を持つことを確保するため AIが経済的に持続可能であることを保証するため AI技術が環境や社会に対して持続可能な方法で使用されるべきであるため None 131. 機械学習モデルの評価に使用される「F1スコア」は何を表すか？ モデルの正確性（Accuracy）を評価する指標 精度（Precision）と再現率（Recall）の調和平均 誤分類の割合を示す指標 回帰問題における誤差の平均 None 132. 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 133. GANにおける「ミニバッチディスクリミネーション」は何を解決するための技術ですか？ 学習の速度を上げる モード崩壊の問題を軽減する ノイズを除去する データセットのサイズを増やす None 134. 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 135. 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 136. モデル軽量化の手法として「ディープコンプレッション（Deep Compression）」に含まれる3つの主要なステップはどれですか？ 量子化、プルーニング、エンコード プルーニング、正規化、アクティベーション 量子化、逆伝播、勾配消失 エンコード、デコーディング、正則化 None 137. MSEとMAEの主な違いは何ですか？ MSEは二乗誤差を使用し、MAEは絶対誤差を使用する MSEは回帰問題に使用され、MAEは分類問題に使用される MSEは外れ値に強いが、MAEは弱い MSEは分類問題に使用され、MAEは回帰問題に使用される None 138. 画像認識モデルの評価において「混同行列」が役立つ理由は何ですか？ モデルの計算速度を測定するため クラスごとの正解率と誤認識のパターンを視覚化できる 画像の解像度を最適化するため 勾配消失問題を確認するため None 139. A3C（Asynchronous Advantage Actor-Critic）の利点は何ですか？ Q関数を最適化することができる 離散的な行動空間にのみ適用可能である 報酬の割引率を調整できる 並列処理を用いて学習速度を向上させることができる None 140. 誤差関数とは何を計算するための関数ですか？ モデルの正解率 モデルのパラメータ 予測値と実際の値の差 学習率 None 141. DDPG（Deep Deterministic Policy Gradient）の主な利点は何ですか？ 連続行動空間での最適な方策学習が可能である 離散行動空間にのみ適用可能である エージェントが環境を変更できる 学習時間を大幅に短縮できる None 142. 「AIの偏り（バイアス）」が発生する要因として適切なものはどれですか？ データの多様性が確保されていない場合 AIがすべてのデータを自動的に選別する場合 AIが常に人間の判断を上回る場合 AIが訓練データを使用しない場合 None 143. AIの悪用における「ディープフェイク」とは何を指しますか？ AIが無断でデータを収集すること AIが生成したリアルな偽造映像や音声を指す AIがデータの誤りを訂正すること AIが他のAIと連携すること None 144. BERTの「マスク言語モデル（MLM）」はどのように機能しますか？ テキストの一部を隠し、隠された単語を予測する テキストの長さを調整する 単語を別の言語に翻訳する 文の順序を変える None 145. 日本におけるAIガバナンスの法的基盤を強化するための重要な法律はどれですか？ 個人情報保護法 独占禁止法 著作権法 公益通報者保護法 None 146. Attentionメカニズムが特に有効なタスクは次のうちどれですか？ 画像分類 自然言語処理 クラスタリング ロジスティック回帰 None 147. モデルの軽量化を行った際に、精度が下がる可能性があるのはなぜですか？ モデルの学習率が高くなるため モデルの重要なパラメータが削除され、学習内容が失われる可能性があるため モデルが過学習するため データセットが増加するため None 148. 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 149. デノイジングオートエンコーダの訓練過程において、入力データにノイズを加える目的は何ですか？ データの正規化 勾配爆発を防ぐため モデルのロバスト性を向上させるため ノイズの影響を強調するため None 150. 畳み込み層のフィルター数を増やすことの効果は何ですか？ モデルの表現力が向上する 学習速度が遅くなる 過剰適合のリスクが増す 計算コストが増加する None 151. 畳み込み層の主な目的は何ですか？ 特徴量を抽出すること 出力を正規化すること データの次元を削減すること モデルの出力を生成すること None 152. スパースオートエンコーダが通常のオートエンコーダと異なる点は何ですか？ 潜在変数が全てのニューロンに分散される 潜在変数の一部だけが活性化されるように制約がかかる 重みの更新方法が異なる データの次元削減が行われない None 153. AIにおける「確率分布」とは何を意味しますか？ データの変動範囲を示すもの ある変数が特定の値をとる確率を表す関数 データの分散を求めるための手法 AIモデルのトレーニングに使用されるアルゴリズム None 154. モデルの軽量化の手法として「プルーニング（Pruning）」とは何ですか？ 不必要なパラメータやニューロンを削除する手法 モデルの構造を複雑化する手法 データセットを増やす手法 学習率を変更する手法 None 155. 強化学習における「Q学習」の目的は何ですか？ 行動を完全にランダムに選択すること 環境の動きを模倣すること 状態-行動ペアの価値を学習し、最適な方策を見つけること 報酬を即座に得ること None 156. 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 157. 全結合層の計算の過程で「活性化関数」が果たす役割は何ですか？ 出力を線形にする 入力データを増加させる モデルに非線形性を加える 計算を簡略化する None 158. 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 159. 個人情報の「第三者提供」に関して、本人の同意が不要となる例外はどのような場合ですか？ 公共の利益を目的とする場合や、法令に基づいて情報提供が必要な場合 個人情報が匿名化されていない場合 企業が他の企業に個人情報を売買する場合 本人が情報提供を拒否した場合 None 160. 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 Time's up
