G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. RNNが非常に長いシーケンスを扱う際に発生する勾配消失問題を改善するためには、何が効果的ですか？ LSTMやGRUを使用する 学習率を下げる バッチサイズを減らす 活性化関数を変更する None 2. 教師あり学習の分類問題において、クラスラベルが不均衡な場合、どのような対策が有効ですか？ 過剰適合を防ぐために、データを削減する 正規化を行う 非線形モデルを使う クラスの重みを調整する None 3. 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 4. 「ローカルな解釈性」とは何ですか？ モデル全体を理解する手法 個別の予測や判断に対して解釈を行う手法 データの前処理を行う手法 モデルの訓練方法を説明する手法 None 5. GANにおいて「生成モデル」の役割は何ですか？ データの真偽を判断する 新しいデータを生成する 学習データを整理する パラメータの最適化を行う None 6. 音声処理における「スペクトルサブトラクション」の目的は何ですか？ ノイズを除去してクリアな音声を生成する 音声の周波数成分を可視化する 音声データを圧縮する 音声データを分類する None 7. 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 8. 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 9. AIサービス提供契約における「秘密保持義務」はどのような情報に適用されるべきですか？ 双方が機密と認めた情報にのみ適用される すべての情報に適用される 委託者が提供したデータにのみ適用される サービス提供者の技術にのみ適用される None 10. 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 11. 教師あり学習における「ラベル付きデータ」を使用する理由はどれですか？ データの次元を削減するため データの非線形性を処理するため モデルが予測するターゲット変数を訓練するため モデルをテストするため None 12. AIによる「敵対的生成ネットワーク（GAN）」がフェイクニュースの作成に悪用された場合、どのような影響が考えられますか？ AIが誤ってニュースを削除する AIが非常にリアルな虚偽情報を生成し、社会的混乱を引き起こす可能性がある AIがニュースを公開しない AIがニュースの信頼性を高める None 13. 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 14. 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 15. 著作権の「翻訳権」とは何ですか？ 著作物を複製する権利 著作物を改変する権利 著作物を販売する権利 著作物を異なる言語に翻訳する権利 None 16. 「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 17. ディープラーニングのモデルにおいて「エポック」とは何か？ モデルがすべての訓練データを1回処理すること モデルが学習するための初期化パラメータ データの前処理を行う段階 モデルが評価データを処理する回数 None 18. モデル軽量化において「量子化後のファインチューニング」が必要な理由は何ですか？ モデルのパラメータを増やすため 量子化による精度低下を最小限に抑えるため モデルのトレーニングデータを増やすため モデルの計算量を増加させるため None 19. 「共分散」とは何ですか？ 2つのデータセット間の線形関係を示す指標 1つのデータセット内のばらつきを示す指標 データの最小値と最大値の差 2つのデータセット間の非線形関係を示す指標 None 20. バッチ正規化が勾配消失問題に与える影響は何ですか？ 勾配消失問題を完全に防ぐ 勾配の安定性を保ち、勾配消失問題を軽減する 勾配消失問題を助長する 勾配を拡大させて、問題を解決する None 21. オートエンコーダのエンコーダ部分で行われる処理は何ですか？ データの圧縮 データの拡張 データの分類 データの逆伝播 None 22. 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 23. 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 24. スキップ結合を持つモデルのメリットはどれですか？ 学習が早くなる 勾配が安定する 過剰適合が防げる 全ての選択肢 None 25. 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 26. 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 27. 平均プーリング（Average Pooling）ではどのような計算を行いますか？ プール領域内の最大値を取る プール領域内の平均値を取る プール領域内の最小値を取る プール領域内の和を取る None 28. 知識ベースシステムにおいて、説明可能なAI（XAI）が求められる理由として正しいものはどれか？ システムの推論速度を向上させるため システムが使用する知識を増やすため ユーザーがシステムの推論過程を理解できるようにするため システムの複雑さを減らすため None 29. ディープラーニングにおける「オートエンコーダー（Autoencoder）」の目的はどれか？ データの次元削減や特徴量抽出を行う モデルの重みをランダムに初期化する データの分類を行う 時系列データを予測する None 30. 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 31. 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 32. 最適化手法における「自動微分」とは何ですか？ 勾配降下法の別名 微分計算を自動化する手法 データの前処理手法 パラメータの最適化技術 None 33. 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 34. モデルの軽量化における「パラメータシェアリング」とは何ですか？ 異なるモデル間で同じデータを共有すること データの分割手法 モデルの出力層を複数持つこと モデル内で同じパラメータを複数の層で再利用すること None 35. 「RNN（リカレントニューラルネットワーク）」の特徴はどれか？ 画像データの認識に特化したモデル 入力データをシャッフルして訓練する 入力データの前後の文脈を考慮して学習する 各層が相互に接続されていない None 36. データ分析の目的は何ですか？ データの傾向やパターンを理解し、AIモデルの学習に役立てるため データを削除するため データの次元を増やすため モデルの複雑さを減らすため None 37. AI技術の発展に伴い、特許の「進歩性」を証明するための新しい課題とは何ですか？ AI技術が急速に進化するため、既存技術との違いを明確にすることが難しくなっている AI技術は常に特許の対象とならないため AI技術は特許法の枠外であるため AI技術は特許を取得する際に商業的利用が難しいため None 38. 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 39. 畳み込みニューラルネットワーク（CNN）の「プーリング層」の主な役割は何か？ 入力データを線形に変換する 空間的な情報を抽出し、特徴マップを圧縮する 入力データを次元削減して学習を効率化する データのランダムな部分を削除する None 40. 正則化における「パラメータの重み減衰」とは何を指しますか？ モデルの複雑さを増やすこと モデルのパラメータを大きくすること モデルのパラメータを小さくすること 学習率を上げること None 41. 自然言語処理における「双方向LSTM（Bi-LSTM）」の利点は何ですか？ 訓練時間を大幅に短縮する 単語の順序を無視できる 順方向と逆方向の両方から文脈情報を学習できる データ拡張に役立つ None 42. 欧州連合（EU）の「AI規制法案」において、AIシステムが「高リスク」と判断されるのはどのような場合ですか？ 医療や交通などの重要な分野で使用される場合 ゲームやエンターテイメント分野で使用される場合 AIが自己修復機能を持つ場合 AIが完全に自律的に動作する場合 None 43. DenseNetが他のCNNアーキテクチャと異なる点は何ですか？ 隠れ層を持たない 出力層にスキップ結合を使用する 各層が全ての前の層の出力に直接アクセスできる フィルターの数が少ない None 44. 次の中で、教師あり学習アルゴリズムとして正しいものはどれですか？ 主成分分析（PCA） ランダムフォレスト 階層的クラスタリング DBSCAN None 45. ディープラーニングでの「事前学習モデル（Pre-trained Model）」の利用は、どのような状況で有効か？ 学習データが大量に存在する場合 学習データが少なく、新たなタスクに迅速に対応する必要がある場合 モデルの学習速度を劇的に向上させたい場合 既存のモデルを使わず、新たなネットワークをゼロから構築したい場合 None 46. データ拡張における「ミックスアップ（Mixup）」とは何ですか？ データのランダム削除 画像の色調補正 データを削減する手法 複数の異なるデータを混合して新しいデータを生成する手法 None 47. ソフトウェア発明に対する特許取得において、重要な要件は何ですか？ ソフトウェアが具体的な技術的効果をもたらすこと ソフトウェアが商業的に利用されていること ソフトウェアが公開されていること ソフトウェアが広く使用されていること None 48. 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 49. 「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 50. 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 51. 国連の「AI倫理に関するガイドライン」では、どのような点に特に焦点が当てられていますか？ AIの商業利用の促進 AIの軍事利用の制限 AIの自動化による労働削減 AIによる貧困削減と持続可能な開発 None 52. 次のうち、ニューラルネットワークにおける基本要素として正しいものはどれか。 ニューラルネットワークは、個別にプログラムされたルールに基づいて動作する ニューラルネットワークは、パラメータと重みを学習して入力と出力の間の非線形関係をモデル化する ニューラルネットワークは、主にテキストデータの解析にのみ使われる ニューラルネットワークは、物理的な作業を制御するために設計された None 53. AI技術が「ディープフェイク」による犯罪に悪用された場合、どのようなリスクがありますか？ AIが自動で犯罪を防止する 偽の映像や音声が使われ、詐欺や名誉毀損などの犯罪に利用されるリスク AIが正確な結果を提供する AIがデータを削除する None 54. 個人情報の取り扱いに関する「利用目的の特定」とは何ですか？ 個人情報を収集する前に、その利用目的を明確にすること 個人情報を任意に利用できること 個人情報を廃棄する際の手順 個人情報を暗号化すること None 55. 「主成分分析（PCA）」がデータ解析で重要視される理由は何ですか？ データを標準化するため データのノイズを増やすため データの次元削減を行い、データの本質的な情報を抽出するため データの欠損を補完するため None 56. 特許法における「専用実施権」とは何ですか？ 特許権者が特定の第三者に発明を実施させるための独占的権利 特許を自由に販売する権利 特許出願を取り下げる権利 特許の技術内容を公開する権利 None 57. AIを使った自動化された顔認識技術の悪用例として考えられるのはどれですか？ AIが顔認識を使って犯罪者を特定すること AIが顔認識を用いて無許可で個人の追跡を行うこと AIが顔認識を使ってセキュリティを強化すること AIが顔認識でデータの重複を防ぐこと None 58. 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 59. 教師あり学習でモデルの過学習を防ぐために、「アンサンブル学習」が有効な理由は何ですか？ データの次元を削減するため 複数のモデルを組み合わせることで、予測の安定性と精度が向上する クラスタリングを自動化するため モデルの訓練時間を短縮するため None 60. 「逆伝播法（Backpropagation）」がモデル解釈性に与える影響は何ですか？ モデルの計算量を増加させる モデルの性能を低下させる 訓練データを必要としなくなる 特定の予測に対する寄与度を確認するために使用できる None 61. 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 62. 著作物を「自由利用」できる場合とは何ですか？ 著作権者が不明な場合 インターネット上に公開されている場合 データが商業的に利用されていない場合 公共の利益を目的とした場合や、著作権法に定められた例外規定が適用される場合 None 63. バッチ正規化のトレーニング時と推論時の挙動の違いは何ですか？ トレーニング時は正規化されず、推論時にのみ正規化される トレーニング時はガンマとベータが学習され、推論時には固定される トレーニング時はミニバッチ単位で正規化され、推論時は全データに基づく 推論時にはバッチ正規化層が無効化される None 64. ニューラルネットワークで「ドロップアウト」の目的は何か？ モデルの訓練データを増やす モデルの過学習を防ぐ モデルの重みを初期化する 訓練データの次元を削減する None 65. 不正競争防止法に基づいて、AIアルゴリズムが営業秘密として保護されるための要件は何ですか？ アルゴリズムが公に知られていないこと アルゴリズムが特許取得済みであること アルゴリズムが商業的に利用されていること アルゴリズムが公開されていること None 66. BERTモデルの事前学習において「次文予測（Next Sentence Prediction, NSP）」が行われる理由は何ですか？ モデルが文の長さを予測するため モデルが文の順序を学習するため モデルが複数の文書を要約するため モデルが文の感情を解析するため None 67. 全結合層の出力を生成する際に注意すべき点は何ですか？ 重みの初期化方法 アクティベーション関数の選択 データの前処理 すべての選択肢 None 68. 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 69. 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 70. 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 71. LSTM（Long Short-Term Memory）で使用される「ゲート」の役割は何ですか？ ネットワークの出力を増やす 時間の流れを制御する 情報を保持、忘却、更新する 活性化関数を調整する None 72. 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 73. 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 74. 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 75. 教師なし学習の代表的な手法である階層型クラスタリングでは、どのようにしてクラスタを形成しますか？ クラスタ数を指定してデータを分類 データ間の類似性に基づいて階層的にクラスタを構築する ラベルのないデータにラベルを付与 データを逐次的に分割 None 76. AIシステムにおける「バックドア攻撃」とは何ですか？ システムの開発者が意図的に設けた裏口を使って、システムに不正アクセスする攻撃 システムが物理的に破壊される攻撃 AIが自動的に判断を変更する攻撃 システムがデータを無効にする攻撃 None 77. 次のうち、AIの進展に最も寄与している技術はどれか。 クラウドコンピューティングとデータの共有技術 大規模な計算リソースとストレージ技術 テキストベースの通信技術 自然科学のシミュレーション技術 None 78. Huber誤差の主な特徴はどれですか？ 小さな誤差に対して二乗誤差、大きな誤差に対して絶対誤差を適用する 外れ値に対して非常に敏感である 二項分類に使用される 分類問題で使用される None 79. 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 80. 「tanh」関数の出力範囲はどれですか？ 0から1 -1から1 0から無限大 -無限大から無限大 None 81. Bidirectional RNN（双方向RNN）の特徴は何ですか？ 時系列データを過去方向にのみ処理する 双方向に同時にデータを生成する 時系列データを過去方向と未来方向の両方で処理する 勾配消失問題を解決する None 82. 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 83. 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 84. AIの「セキュリティバイデザイン」とは、どのような概念ですか？ AIシステムの構築後にセキュリティ対策を実施する AIモデルが自動的にセキュリティを確保する AIシステムの設計段階からセキュリティを組み込む セキュリティを設計の最後に検討する None 85. 次のうち、AIと単純な自動化の違いを最も正しく説明しているものはどれか。 AIは未知の状況に対応できるが、自動化は事前に定義されたルールに基づいて動作する 自動化はデータに基づいて自律的に判断を行うが、AIはルールに基づいて動作する AIと自動化は同じ技術であり、相互に区別されない AIは物理的な作業を主に行い、自動化は知的作業を行う None 86. 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 87. マルチモーダル学習における「共通潜在空間（Common Latent Space）」とは何ですか？ 各モダリティを別々に学習する空間 異なるモダリティのデータを同じ次元にマッピングする空間 モダリティのデータを圧縮する空間 モダリティのデータをドロップアウトする空間 None 88. 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 89. 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 90. 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 91. 次のうち、探索アルゴリズムとして正しいものはどれか。 データの分類やクラスタリングを行うアルゴリズム 目的に最適な経路や解を見つけるために、状態空間を調べるアルゴリズム 深層学習モデルの訓練に使用するアルゴリズム 強化学習で使われる報酬システムを最適化するアルゴリズム None 92. 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 93. 自然言語処理タスクにおいて、LSTMを使用する利点は何ですか？ モデルが単純である 長期的な依存関係を扱う能力がある データの次元を減らす トレーニング速度が速い None 94. 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 95. 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 96. 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 97. GDPRにおいて、AIシステムが自動で行うデータ処理に対してユーザーが持つ「アクセス権」とは何ですか？ 自分のデータがどのように処理されているかを知る権利 AIシステムのコードにアクセスする権利 AIシステムの利用を制限する権利 他人のデータにアクセスする権利 None 98. 音声認識において、最も一般的に使用されるディープラーニングモデルはどれですか？ CNN RNN SVM k-NN None 99. 画像認識タスクにおけるデータ拡張の主な目的は何ですか？ モデルのサイズを大きくする モデルの収束速度を速める 訓練データの多様性を増やし、過学習を防ぐ データセットのラベルを削除する None 100. AI開発委託契約において、開発中に新たに発見された技術やノウハウの知的財産権の取り扱いをどうするかは、どのように取り決めるべきですか？ 契約に基づき事前に取り決めておく必要がある 開発者が自動的に所有する 委託者が自動的に所有する 契約とは関係なく開発者が自由に利用できる None 101. 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 102. AI開発委託契約における「データ提供に関する条項」では何が明記されるべきですか？ 開発に使用するデータの提供元とデータの取り扱いに関する条件 データを無制限に利用できる権利 開発者が全てのデータを提供する義務 委託者がデータを販売する権利 None 103. 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 104. 著作権は、著作物を作成した時点で発生しますが、その有効期限は通常どれくらいですか？ 著作者の死亡後50年 著作者の死亡後70年 著作者の死亡後100年 著作物の公開後50年 None 105. AI倫理における「プロセスの公正性」とは何ですか？ AIが全てのプロセスを自動化すること AIがデータ処理を迅速に行うこと AIが意思決定プロセスにおいて、全てのユーザーを公平に扱うこと AIが結果の正確性を優先すること None 106. 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 107. 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 108. 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 109. 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 110. AI倫理における「透明性」とは、具体的にどのようなものを指しますか？ AIの意思決定プロセスが誰でも理解できるよう公開されていること AIの開発者が常に監視されていること AIがリアルタイムで動作すること AIが自己修復機能を持つこと None 111. 次のうち、モンテカルロ法が用いられる場面として最も適切なものはどれか。 統計的手法に基づくランダムサンプリングによって近似解を求める データをクラスタリングして分類を行う 最適な経路を必ず発見する 確率モデルを使わずに探索を行う None 112. 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 113. 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 114. 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 115. 「アクティブラーニング」とはどのような手法ですか？ 全データに対して一度にラベリングを行う手法 ラベル付きデータを削除して学習する手法 データの次元を削減する手法 モデルが自動的に学習データを選んでラベル付けを行う手法 None 116. 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 117. 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 118. 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 119. バッチ正規化における「ガンマ（γ）」と「ベータ（β）」の役割は何ですか？ 勾配の更新を調整する 正規化後の出力を再スケーリング、再シフトする ニューラルネットワークの深さを調整する 学習率を調整する None 120. 日本の「AI社会原則」に基づくガイドラインで、AI開発における「人間の尊厳」とは具体的にどのような意味を持ちますか？ AIが人間に代わってすべての意思決定を行うこと AIが人間の判断を常に尊重し、倫理的に行動すること AIが自律的に判断を下すこと AIが人間の知識を超えること None 121. 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 122. AI技術の発展に伴う「データフュージョン」によるプライバシーリスクとは何ですか？ データの重複が増えるリスク データの保存容量が増えるリスク 複数のデータソースを統合して個人を特定するリスク データの品質が低下するリスク None 123. CNNモデルで、オーバーフィッティング（過学習）を防ぐために一般的に使用される手法はどれですか？ ドロップアウト グラデーションブースティング ストライドの増加 正規化層の追加 None 124. レイヤーノーマライゼーションがバッチ正規化に比べて有利となる場面はどのようなケースですか？ 非常に大きなバッチサイズでの学習 小さいバッチサイズでの学習 多クラス分類の学習 モデルの深さが浅い場合 None 125. 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 126. RNNで使用される「時間ステップ」とは何を指しますか？ 各レイヤー間の重みの更新タイミング モデルのパラメータ数 モデルが収束するまでの期間 シーケンス内の各データポイントに対する処理の単位 None 127. 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 128. 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 129. 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 130. AIサービス提供契約で「不可抗力条項」が意味するものは何ですか？ サービス提供者が契約を自由に解除できる条件 委託者が無条件で契約を解約できる条項 サービスの料金を変更できる条件 予測不可能な事態により契約の履行が不可能になる場合の免責条項 None 131. 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 132. 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 133. AIが公平に機能するために「差別の公正性」と「プロセスの公正性」の両方が重要とされる理由は何ですか？ AIが効率的に動作するため AIがユーザーのプライバシーを保護するため AIの意思決定プロセスとその結果が共に公平であることが、真に公正なAIシステムを構築するために不可欠だから AIが自律的に判断を行うため None 134. 「p値」とは何を意味しますか？ 帰無仮説が正しいと仮定した場合に、観察された結果が得られる確率 モデルの精度を示す値 仮説検定の結果の有意性を示す閾値 データの分布を可視化する手法 None 135. 転移学習において、最もよく使われるデータセットはどれですか？ CIFAR-10 MNIST ImageNet COCO None 136. 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 137. 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 138. 自然言語処理において「データスパースネス問題」とは何ですか？ データが過剰にラベル付けされている問題 データの頻度が少なく、単語の共起パターンが十分に学習できない問題 データのノイズが多すぎる問題 データセットが非常に大規模である問題 None 139. 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 140. 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 141. 次のうち、AIに関連するバイアスの問題として最も正しいものはどれか。 AIが特定のデータセットに依存することで、偏った結論を出すリスクがある AIはすべてのデータを平等に処理するため、バイアスの影響はない AIはバイアスを意図的に除去するため、常に公平な結果を導き出す バイアスはAIの計算速度を遅くする原因となる None 142. グローバルな解釈性とは何ですか？ モデル全体の動作やパラメータの役割を説明する手法 特定のデータポイントに対する解釈を行う手法 データのクレンジングを行う手法 モデルの速度を評価する手法 None 143. 「Leaky ReLU」の特長は何ですか？ すべての入力を1にクリッピングする 勾配を自動調整する 負の入力にもわずかな勾配を持たせる 勾配をリセットする None 144. 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 145. AIシステムが「データポータビリティの権利」をどのようにサポートするべきですか？ データを他のユーザーに販売できる データを削除せずに無期限で保存する データの変更を禁止する ユーザーが自分のデータを他のシステムやサービスに移行できるようにする None 146. 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 147. 欧州連合（EU）が発表した「AI倫理ガイドライン」における、最も重要な原則は何ですか？ 人間中心のAI 自由なAI開発 技術競争の強化 AIの自己決定権 None 148. 次のうち、前向き連鎖と後向き連鎖の違いを正しく説明しているものはどれか。 前向き連鎖はゴールから逆算し、後向き連鎖はスタートから進む 前向き連鎖は現在の事実から結論を導き、後向き連鎖はゴールから必要な事実を推論する 前向き連鎖は木構造を使い、後向き連鎖はグラフ構造を使う 前向き連鎖はデータ駆動型であり、後向き連鎖はモデル駆動型である None 149. 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 150. 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 151. 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 152. Dijkstraアルゴリズムにおける制約として正しいものはどれか。 グラフ中のエッジのコストが負の値を取る場合、正しく動作しない エッジのコストが正の値である場合、動作しない 無限に近いエッジのコストが存在する場合、動作が停止する すべてのノードをランダムに探索するため、結果が不確定になる None 153. 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 154. 変分オートエンコーダ（VAE）が従来のオートエンコーダと異なる点は何ですか？ ランダムノイズを加えて潜在空間を探索する 入力データを圧縮せずに直接再構成する 潜在変数の数が多い 出力がラベル付きデータである None 155. 畳み込みニューラルネットワーク（CNN）で使用される「畳み込み層」の主な目的は何ですか？ モデルのパラメータを削減する 画像から特徴を抽出すること 入力データの次元を削減する ニューラルネットワークの深さを増やす None 156. AIによる学術論文の査読システムで、特定の分野の論文が過小評価されている場合、どのようなバイアスが影響している可能性がありますか？ AIがすべてのデータを正確に処理していない AIが査読者の判断を無視している AIがデータを削除している 学術分野に関するデータの不均衡 None 157. 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 158. AI技術の発展に伴い、プライバシー侵害のリスクを軽減するために推奨される「データ最小化」の原則とは何ですか？ できるだけ多くのデータを収集する 必要最低限のデータのみを収集し、目的達成後には削除する データを無制限に保存する データを外部に共有する None 159. 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 160. 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 Time's up
