G検定～模擬試験～ 2024年11月3日2024年11月3日 ailearn 1. 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 2. オートエンコーダの再構成誤差（Reconstruction Error）とは何ですか？ 元のデータと再構成されたデータとの差 学習中の重みの変化量 次元削減後のデータの大きさ 活性化関数の値の変化 None 3. 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 4. 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 5. 強化学習の「経験再生（Experience Replay）」の目的は何ですか？ エージェントが現在の行動に過去の結果を適用する エージェントのメモリをリセットする 過去の経験をランダムにリプレイし、学習の効率を高める 報酬を倍増させる None 6. 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 7. 「要配慮個人情報」を含むデータの収集に関して、どのような追加の義務が課 事前に本人の同意を得る必要がある 収集後に自由に利用できる データを収集後、即時に廃棄する 企業が任意に利用目的を変更できる None 8. AIの透明性が特に重要視される分野として適切なのはどれですか？ エンターテインメント分野 ゲーム開発分野 自動化されたメッセージ送信システム 医療や法的判断など、人命や権利に影響を与える分野 None 9. プーリング層を使用せずに、同様の効果を得るためにはどのような手法がありますか？ ドロップアウト層の追加 畳み込み層のストライドを大きくする 重み減衰を適用する 活性化関数の変更 None 10. 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 11. ディープフェイク技術とAIに関する問題として、最も適切なものはどれか。 AIを用いたディープフェイク技術により、偽の画像や映像が簡単に作成される ディープフェイクはAIではなく、人間の手作業で作られる AIはディープフェイク技術を制限するために使用される ディープフェイク技術は現時点で使用されていないため、問題はない None 12. 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 13. GANの「スタイル転送（Style Transfer）」の応用例として最も適切なものはどれですか？ 画像のスタイルを別の画像に適用する技術 文章を別の言語に翻訳する技術 音声データをテキストに変換する技術 データの圧縮技術 None 14. 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 15. プーリング層を用いたとき、モデルの表現力に影響を与える可能性のあるパラメータはどれですか？ カーネルサイズとストライド バッチサイズと学習率 ニューラルネットワークの深さ 勾配降下法の種類 None 16. 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 17. AI技術を利用した商品の模倣が不正競争防止法に違反する場合、模倣品に対する制裁措置はどれですか？ 模倣品の販売許可 模倣品の宣伝活動 模倣品の改良 模倣品の販売差止請求と損害賠償請求 None 18. CNNにおけるプーリング層の主な目的は何ですか？ 特徴マップの次元を削減し、計算効率を向上させる 特徴マップを拡張する パラメータの数を増加させる 勾配を伝播させる None 19. 次のうち、AIの発展が社会的格差の拡大に繋がるリスクとして最も正しいものはどれか。 AIはすべての人に平等に機会を提供するため、格差の拡大はない AI技術へのアクセスやスキルの違いによって、特定の人々が不利益を被る可能性がある AIは政府が管理しているため、格差の拡大を防ぐ仕組みが整っている AIは自動的に格差を是正する能力を持っている None 20. 転移学習を使用する際、凍結（Freeze）される層は通常どの部分ですか？ 出力層 初期の畳み込み層 全ての層 活性化関数 None 21. データ拡張はどのようなタイプの学習において効果的ですか？ 無教師あり学習 教師あり学習 強化学習 深層強化学習 None 22. 「説明可能なAI（Explainable AI）」とは、どのような特徴を持つシステムですか？ AIの動作が常に非公開であること AIがなぜその判断を行ったのかを説明できるシステム AIが常に正確な結果を提供するシステム AIがすべてのデータを自動で処理するシステム None 23. 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 24. 次の中で、回帰問題のための教師あり学習モデルはどれですか？ サポートベクターマシン（SVM） 線形回帰 ナイーブベイズ K近傍法（KNN） None 25. スパースオートエンコーダが有効な理由は何ですか？ データ全体を網羅的に処理するため データの冗長性を除去し、重要な特徴を強調するため 活性化関数を変更できるため 大量のラベル付きデータが必要だから None 26. 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 27. 「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 28. ドロップアウトと正規化層を併用するメリットは何ですか？ 正則化の効果が増加し、過剰適合を防ぐことができる モデルの計算速度が速くなる 勾配の変動を増加させ、学習を早く進める ニューラルネットワークの深さを減らすことができる None 29. 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 30. AI企業が取引先に対して「優越的地位の濫用」を行った場合、企業が負うリスクは何ですか？ 市場シェアの向上 営業秘密の開示 特許権の譲渡 公正取引委員会による排除措置命令と罰金 None 31. 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 32. ディープラーニングにおける「ハイパーパラメータ」とは何か？ モデルが自動的に学習するパラメータ モデルの学習前に手動で設定するパラメータ データの前処理段階で計算されるパラメータ 訓練データから推測されるパラメータ None 33. 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 34. 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 35. 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 36. AIサービス提供契約において「利用停止権」がサービス提供者に認められる場合、その行使条件として適切なものは何ですか？ サービスが委託者に必要ないと判断された場合 委託者が契約条件に違反した場合 サービス提供者が他の契約を優先したい場合 サービスの更新が必要な場合 None 37. RPROP（Resilient Backpropagation）の特徴は何ですか？ 勾配を使用して更新を行う バッチ学習の方法を使用する 各重みに対して固定の学習率を使用する 更新の大きさを勾配の符号に基づいて調整する None 38. OECD（経済協力開発機構）が策定した「AIに関する原則」の主な目的は何ですか？ AI開発の加速 グローバルなAI規制の統一 人間中心のAI開発と国際協力の推進 技術革新の制限 None 39. 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 40. 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 41. 個人情報保護法に基づく「匿名加工情報」の作成において、企業が守るべき義務は何ですか？ 匿名加工情報を他の企業に販売すること 匿名加工情報を作成する際には、元の個人情報に戻せないように十分に加工すること 匿名加工情報の作成後も、個人情報として取り扱うこと 匿名加工情報の作成後、データを廃棄すること None 42. 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 43. 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 44. 最適化手法における「バッチサイズ」とは何ですか？ 訓練データの全体の数 モデルの層の数 各イテレーションで使用するサンプル数 学習率の設定 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. 教師なし学習で次元削減を行う際に、散布図を使って高次元データを2次元に投影する方法として正しいものはどれですか？ ロジスティック回帰 K-means t-SNE ランダムフォレスト None 47. スキップ結合は、どのようなニューラルネットワークに最も適していますか？ 浅いネットワーク 深層ネットワーク 生成モデル 強化学習モデル None 48. ニューラルネットワークのトレーニング中に「早期停止」を使用する目的は何ですか？ モデルのサイズを小さくする 訓練データを増やす 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 49. LSTMの「入力ゲート」は何を制御しますか？ 現在のセル状態に新しい情報をどれだけ加えるかを制御する 出力を決定する 過去の情報を忘れるかどうかを決定する 勾配消失を防ぐ None 50. 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 51. 音声処理における「メル周波数ケプストラム係数（MFCC）」の役割は何ですか？ 音声信号の特徴量を抽出する 音声信号のノイズを除去する 音声信号を正規化する 音声信号を圧縮する None 52. 「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 53. ディープラーニングモデルの訓練中に、モデルがテストデータに対して高いエラー率を示す場合、考慮すべき点は何ですか？ モデルが訓練データに対して過剰適合している可能性 訓練データの質が悪い可能性 モデルのサイズが大きすぎる可能性 モデルのトレーニングが不足している可能性 None 54. AIによるデータ利用に関してプライバシーの観点から問題となる点はどれか。 AIは人間のデータを利用しないため、プライバシーの問題は存在しない AIは常に匿名化されたデータのみを使用するため、プライバシーは保護される AIが個人情報を過剰に収集・分析することで、プライバシー侵害が発生する可能性がある AIは特定の個人のデータを常に守るため、プライバシーに関する懸念はない None 55. 営業秘密を保護するために企業が講じるべき適切な措置は何ですか？ 営業秘密を特許出願する 営業秘密に対するアクセス制限や秘密保持契約を従業員に対して徹底する 営業秘密を公開する 営業秘密を競合他社と共有する None 56. 強化学習における「方策（ポリシー）」の役割は何ですか？ 特定の状態における行動選択のルール エージェントが受け取る報酬を決定する 環境の遷移を管理する 学習アルゴリズムの一部 None 57. シーケンスデータの長期的な依存関係を捉えるために有効な技術はどれですか？ ドロップアウト LSTMやGRUの使用 1x1の畳み込み ストライドの増加 None 58. 平均二乗誤差（MSE）が外れ値に敏感である理由はどれですか？ 絶対値を計算するため 誤差を累積するため モデルの構造に依存するため 誤差を二乗するため None 59. 深層強化学習における「行動価値関数（Action-Value Function）」とは何ですか？ 行動を選択する確率を示す関数 報酬の割引率を計算する関数 環境の状態を変化させる関数 状態と行動のペアに対する期待される報酬の総和を示す関数 None 60. 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 61. 次のうち、AIによる自律兵器に関する問題として最も適切なものはどれか。 自律兵器はAIが全てを制御するため、人間の介入は不要である 自律兵器はAIが関与しないため、問題はない 自律兵器は常に人間が操作するため、AIの問題は発生しない 自律兵器が人間の制御を離れて行動するリスクがあり、倫理的な懸念がある None 62. 著作権の「公表権」とは何ですか？ 著作物を販売する権利 著作物を他人に譲渡する権利 著作物を削除する権利 著作物を最初に公開する権利 None 63. TransformerモデルがRNNに比べて計算効率が高い理由は何ですか？ パラメータ数が少ないから 訓練データを使わないから 勾配爆発が発生しないから 並列処理が可能だから None 64. 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 65. 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 66. 損失関数と誤差関数の違いは何ですか？ 誤差関数は1つのデータポイントに対する誤差を示す 損失関数は分類問題でのみ使われる 誤差関数はモデルのパラメータを更新するために使われる 損失関数は1つのデータポイントに対する誤差を示す None 67. 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 68. CNNにおける「フィルター」とは何ですか？ 入力データを正規化するための関数 パラメータの初期化を行う関数 画像の局所的な特徴を捉えるカーネル 勾配消失問題を解決するための手法 None 69. 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 70. 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 71. AIによる「自動化された詐欺メール生成」は、どのような悪用例に該当しますか？ AIが誤ってメールを削除すること AIがスパムメールを削除すること AIが個人情報を盗み、詐欺メールを自動生成して送信すること AIがメールの内容を自動で翻訳すること None 72. 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 73. 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 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. 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 76. 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 77. 自動音声認識（ASR）システムの基本的なステップとして、次のどれが正しいですか？ 音声入力 → 波形分析 → 結果の出力 → 言語モデル 音声入力 → ノイズ除去 → 結果の出力 音声入力 → 音声特徴抽出 → 言語モデル → 結果の出力 音声入力 → 正規化 → 結果の出力 None 78. WaveNetが音声処理で使用される理由は何ですか？ データの圧縮を行うため 音声認識精度を向上させるため テキスト処理を行うため 高品質な音声を生成できるため None 79. バッチ正規化が適用されることで、モデルの収束が速くなる理由は何ですか？ 勾配のスケールが安定し、高い学習率を使用できるため パラメータ数が減少するため 正規化によって計算が簡略化されるため 入力データのサイズが増えるため None 80. 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 81. モデルの選択において、「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 82. モデルの解釈性が重要とされる分野はどれですか？ 医療診断 自動運転 金融取引 すべての選択肢 None 83. 最大プーリング（Max Pooling）の動作は次のどれですか？ プール領域内の全ての値の和を取る プール領域内の最大値を取る プール領域内の最小値を取る プール領域内の平均値を取る None 84. 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 85. 特許法における「発明」とは何ですか？ 単なる新しいアイデア 自然法則を利用した技術的思想の創作 物理的に存在する物体のみ 知識の集約 None 86. 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 87. AIシステムが大規模なデータセットを利用して個人を特定するリスクを軽減するために、どのような手法が有効ですか？ データを無制限に公開する データを削除しない データの「擬似匿名化」や「完全匿名化」を行う データを他社に共有する None 88. 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 89. 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 90. 医療分野で使用されるAIシステムが不正アクセスを受けた場合、どのようなセキュリティリスクが考えられますか？ 患者の個人情報が漏洩するリスク AIシステムが自動で判断を行わなくなるリスク AIシステムが物理的に破壊されるリスク AIが新しいデータを収集するリスク None 91. AI開発委託契約において「守秘義務契約（NDA）」の目的は何ですか？ 開発者が納期を守るため 開発に関わる情報を外部に漏らさないようにするため 委託者が開発費用を支払うため 開発者が他のプロジェクトで技術を利用するため None 92. 特許法に基づく「新規性喪失の例外」とは何ですか？ 発明が既に公開されていても、特定の条件を満たせば特許を取得できること 発明が全く新しくないこと 発明が商業的に利用できないこと 発明が特許庁に登録されないこと None 93. 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 94. 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 95. ディープラーニングで使用される「ソフトマックス関数」の主な用途は何か？ 分類問題において、各クラスの確率を出力する 入力データの正規化を行う データの次元を削減する データをランダムにシャッフルする None 96. ディープラーニングにおける「ユニット（ノード）」の役割はどれか？ データのラベルを自動的に生成する 入力データを受け取り、重みとバイアスを使って処理を行う データの勾配を常に0に設定する データを圧縮して保持する None 97. モデル軽量化において「層間結合の削減」を行う理由は何ですか？ モデルのパラメータ数を削減し、計算コストを減らすため モデルの精度を向上させるため データセットを圧縮するため モデルのトレーニング時間を増加させるため None 98. 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 99. 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 100. 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 101. AIによる意思決定における透明性の問題として、最も適切なものはどれか。 AIは意思決定のプロセスを常に公開しており、透明性は問題にならない AIの意思決定プロセスは常に一貫しており、説明可能である AIがどのような判断を行ったかを説明できないことがあり、透明性が問題になる AIは人間の意思決定を模倣するため、透明性の問題はない None 102. 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 103. ニューラルネットワークにおける「バックプロパゲーション」とは何か？ 入力層から出力層に向かってデータを伝えるプロセス 出力層から入力層に向かって誤差を伝播させて重みを更新するプロセス モデルの性能を向上させるために追加される隠れ層 データを無作為にシャッフルして訓練するプロセス None 104. 平均絶対誤差（MAE）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対数変換して平均 予測値と実際の値の差の平方根を取って平均 None 105. 特許権を他者にライセンスする場合の手続きは、特許法上どのように規定されていますか？ 特許庁の許可が必要 特許権を譲渡する必要がある ライセンス契約は無効になる 特許権者が自由にライセンス契約を締結できる None 106. データ生成に用いられる「VAE」とは何の略ですか？ Variable Algorithm Encoder Variational Algorithm Encoder Variational Autoencoder Variable Autoencoder None 107. 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 108. 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 109. 次のゲームのうち、完全情報ゲームとして分類されるものはどれか。 ポーカー 麻雀 囲碁 ブラックジャック None 110. 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 111. AI技術がフェイクニュースの生成に利用されるリスクとして正しいものはどれか。 AIはニュース記事を自動生成できるが、フェイクニュースの生成には使われない AIは常に正確な情報を生成するため、フェイクニュースの心配はない AIは自然言語生成を用いて、信頼性の低い情報や誤情報を生成するリスクがある AIは画像認識のみを行うため、フェイクニュースの生成には関与しない None 112. スキップ結合を持つモデルでは、どのような学習速度が期待できますか？ 伝統的な深層モデルと同じ速度 より遅い学習速度 より速い学習速度 学習速度は影響を受けない None 113. 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 114. 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 115. 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 116. 生成モデルが「潜在変数」を使用する理由は何ですか？ データの圧縮効率を高めるため データの次元削減を行うため データ生成において多様なバリエーションを生み出すため 学習率を最適化するため None 117. 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 118. モデルの軽量化とは何を指しますか？ モデルの性能を高めること モデルのパラメータ数や計算量を減少させること モデルのデータセットサイズを増加させること モデルの学習時間を長くすること None 119. 次のうち、「教師なし学習」の手法はどれか？ ロジスティック回帰 K-means 線形回帰 サポートベクターマシン（SVM） None 120. 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 121. ドロップアウト層と正規化層の違いは何ですか？ ドロップアウト層はパラメータを学習するが、正規化層はパラメータを持たない 正規化層は過剰適合を防ぐが、ドロップアウト層は収束を速くする ドロップアウト層はモデルの複雑さを増やす 正規化層はデータのスケーリングを行うが、ドロップアウト層はランダムにニューロンを無効にする None 122. 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 123. 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 124. 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 125. 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 126. バッチ正規化層が特に効果を発揮するのはどのような場面ですか？ 学習率が高い場合 バッチサイズが非常に小さい場合 過剰適合が問題となる場合 モデルが過学習する場合 None 127. 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 128. 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 129. 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 130. 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 131. 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 132. 正規化層を使用することで、モデルの一般化性能にどのような影響がありますか？ モデルの複雑さが増し、過剰適合が進む 勾配が消失しやすくなる モデルの一般化性能が向上する 正規化層の使用は一般化性能に影響しない None 133. CNNにおける「畳み込み層」の役割は何ですか？ 出力層を生成する 特徴マップを生成し、局所的なパターンを捉える 勾配を計算する パラメータの初期化を行う None 134. 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 135. 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 136. モデルの軽量化に役立つ「モバイルネット（MobileNet）」の特徴は何ですか？ 高精度な分類能力を持つ大規模モデル 計算コストを削減するために深層畳み込みを使用した軽量モデル リアルタイム処理のためのリカレントネットワーク データの前処理を効率化する手法 None 137. 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 138. 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 139. 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 140. 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 141. GANの識別モデルが非常に強力である場合、生成モデルはどのような結果をもたらす可能性がありますか？ 過学習を引き起こす モード崩壊を引き起こす 無限にデータを生成する 学習が進まなくなる None 142. AIによる自動意思決定の結果が不当な差別や偏りを生じた場合、個人が求めることができる対応策は何ですか？ データ提供の停止 人間による再審査を要求する権利 AIの結果を強制的に承認する データの再提供を求める None 143. 特許の有効期間は一般的にどれくらいですか？ 出願日から10年 出願日から20年 出願日から50年 出願日から30年 None 144. 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 145. 最大プーリングを使用することで得られる主な利点は何ですか？ 局所的な特徴が強調される 全ての情報が均等に反映される モデルの計算負荷が増加する 勾配消失が防がれる None 146. 機械学習において「教師あり学習」とは何か？ ラベル付きデータを使用してモデルを訓練する手法 ラベルのないデータを使用してモデルを訓練する手法 自律的に報酬を受け取り学習する手法 データ間の類似性を測定し、クラスタに分類する手法 None 147. 個人情報保護法に基づき、データが漏洩した場合に企業が行うべきことは何ですか？ 情報の削除のみ 法律に基づいて情報を公開すること 速やかに本人に通知し、必要に応じて監督機関に報告すること 問題が解決するまで放置すること None 148. 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 149. 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 150. 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 151. 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 152. 個人情報保護法において、個人情報を第三国に移転する際に求められる条件は何ですか？ 対象国がAI技術を保有していること 対象国が国際貿易協定に加盟していること 対象国がEU加盟国であること 対象国が十分な個人情報保護体制を持っているか、本人の同意を得ること None 153. AIの透明性に関して「倫理的AI」とは、どのようなAIシステムを指しますか？ AIが常に効率的に動作するシステム AIがデータを自動で削除するシステム AIが倫理的な基準に基づいて設計され、透明性を持って運用されるシステム AIがすべての判断を非公開にするシステム None 154. AIがソーシャルメディアでの情報操作に悪用される際、どのような手法が取られる可能性がありますか？ AIがユーザーの投稿を削除する AIが大量のフェイクアカウントを作成し、虚偽情報を広める AIがすべてのコメントを検閲する AIがプライバシーを保護する None 155. 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 156. 教師あり学習における「決定木（Decision Tree）」の利点として最も適切なものはどれですか？ 訓練が非常に高速である 多数のクラスに対して優れた性能を発揮する ハイパーパラメータの調整が不要である 結果の解釈が容易で、説明しやすい None 157. 全結合層を用いる場合、注意すべきメモリの問題は何ですか？ データの形式 計算リソースの最適化 パラメータの数が急増すること アクティベーション関数の選択 None 158. 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 159. 回帰結合層（Recurrent Layer）とは何ですか？ 各層が独立して情報を処理する層 過去の出力を次の層にフィードバックする層 出力層の誤差を伝播する層 モデルの学習率を調整する層 None 160. 知識表現の方法である「セマンティックネットワーク」として正しいものはどれか？ 知識をツリー構造で表現する 知識をグラフ構造で表現する 知識を表計算シートで表現する 知識を論理式で表現する None Time's up
