
【G検定対策】模擬問題16 2025年7月試験対応(シラバス1.3対応テキスト版)
章末の「ご利用にあたって」を読んでからご利用ください。
今回は問題も解説もテキスト版です。(androidの方は履歴も残るアプリ版がお勧めです)
模擬問題として160問(20問×8セット)、解答時間は120分を想定しております。最後に難易度は高めのチャレンジ問題20問
問題作成の情報は2025/6/19です。
模擬問題 160問 120分
Q1. 人工知能の定義として最も適切なものを1つ選べ。
① 人間の知能を完全に再現するコンピュータシステム
② 簡単な計算を行う電子装置
③ 知的な処理をコンピュータ上で実現するシステム全般
④ 人工的に作られたロボットのみ
Q2. 「AI効果」とはどのような現象を指すか。
① AIによって全ての仕事が自動化される現象
② 人間がAIを信用しなくなる現象
③ 一度AIが達成すると、それをAIと認識しなくなる現象
④ AIが暴走する現象
Q3. 人工知能とロボットの違いについて正しいものを選べ。
① ロボットは必ずAIを搭載している
② AIは情報処理のみ、ロボットは物理的動作を伴う
③ AIとロボットは同義語である
④ AIはロボット工学でのみ使われる
Q4. シンギュラリティとは何か、最も適切なものを選べ。
① AIが暴走して人間を制御できなくなる現象
② AIの能力が自己進化により急激に向上し、人間の知能を超える転換点
③ AIが完全に停止する現象
④ AIが人間の知能に全く追いつかない現象
Q5. チューリングテストの目的として最も適切なものはどれか。
① AIの計算速度を評価するため
② AIが人間と同等の知的応答ができるか評価するため
③ AIの記憶容量を測定するため
④ AIの物理的強度をテストするため
Q6. 探索木の特徴として正しいものを選べ。
① 必ず幅優先探索のみで使われる
② 問題空間を木構造で表現し、経路探索や推論に用いる
③ データベース管理に限定して使われる
④ 深さ優先探索には使えない
Q7. Mini-Max法に関する説明として適切なものを1つ選べ。
① 常に最も大きい値だけを選択する
② 2人零和ゲームで双方の最適な手を探索するアルゴリズム
③ 最短経路のみを探索する手法
④ 深層学習でのみ利用される手法
Q8. オントロジーの役割として最も適切なものはどれか。
① 機械学習モデルの精度評価
② 知識や概念を体系的に記述・整理し、共有する枠組み
③ データベースの物理設計
④ ロボット制御プログラムの設計
Q9. 機械学習の特徴として正しいものを選べ。
① 人手によるルール作成のみを利用
② データからパターンや規則を自動的に抽出・学習する
③ 機械学習は画像認識にしか使えない
④ 完全に自律型のロボット制御のみに使われる
Q10. ビッグデータの活用例として適切なものを選べ。
① データ量が少ない場合の解析
② ルールベースの制御のみ
③ 多数のユーザ行動ログをもとにしたレコメンデーション
④ 手作業のみで行うデータ分析
Q11. ディープラーニングが登場する以前の機械学習とディープラーニングの主な違いは何か。
① データが不要になった
② 特徴量設計を自動化できるかどうか
③ 機械学習は画像に使えない
④ ディープラーニングは計算量が不要
Q12. ImageNetがAI分野にもたらした主な影響を1つ選べ。
① 画像データベースの縮小
② 大規模データによる画像認識の精度向上と競争促進
③ 画像認識が不正確になった
④ ルールベース技術の普及
Q13. 教師あり学習で必要となるデータの組み合わせはどれか。
① ラベル付データ
② 特徴量のみ
③ ラベル不要なデータ
④ 画像データのみ
Q14. SVM(サポートベクターマシン)の特徴として正しいものはどれか。
① 線形分離しかできない
② マージン最大化により汎化性能を高める
③ データを削除して精度を上げる
④ 回帰問題のみに使える
Q15. k-means法で正しいものを選べ。
① 教師データが必須
② クラスタ中心を反復的に更新しグループ分けする
③ 決定木アルゴリズムの一種
④ 強化学習で使われる
Q16. 主成分分析(PCA)の役割は何か。
① ノイズを増やす
② 次元削減し、重要な特徴を抽出する
③ ラベル付けを自動化する
④ クラスタ数を増やす
Q17. 強化学習における「価値関数」の役割として適切なものはどれか。
① 状態ごとの価値や期待報酬を数値化する
② 正解データを直接与える
③ クラスタ中心を決める
④ 入力データの特徴を増やす
Q18. Q学習におけるQ値の意味はどれか。
① 状態ごとのラベル値
② 状態・行動ペアの期待報酬
③ クラスタごとの代表値
④ 画像ごとの確率
Q19. モデルの過学習(overfitting)とはどのような状態か。
① テストデータでのみ高精度となる
② 訓練データに対してのみ過剰に適合し、汎化性能が低下する
③ データが全く分類できない
④ モデルが全く学習しない
Q20. ROC曲線の役割として適切なものはどれか。
① 正答率を直接示すグラフ
② 分類モデルの性能を真陽性率と偽陽性率で評価する
③ 損失関数の最小値を示す
④ データ分布を表す
Q1
【正解】③
【難易度】★
【出題】第1章 人工知能の定義
【解説】人工知能(AI)は「知的な処理をコンピュータ上で実現するシステム全般」を指す。①や④は「人間の知能の完全再現」や「ロボット限定」と範囲が狭い。②はAIではなく単純な装置を指す。
Q2
【正解】③
【難易度】★
【出題】第1章 AI効果
【解説】AI効果は「一度AIができるようになると、もはやAIとは認識されなくなる現象」。①②④は内容が異なる。特にAI効果は人間の認知の変化を指す。
Q3
【正解】②
【難易度】★
【出題】第1章 人工知能とロボット
【解説】AIは情報処理、ロボットは物理動作を伴う。①はAI非搭載のロボットも存在し、③④は用語の意味を誤っている。
Q4
【正解】②
【難易度】★
【出題】第2章 シンギュラリティ
【解説】シンギュラリティは「AIが人間の知能を超える転換点」を意味する。①③④は極端・誤解釈。
Q5
【正解】②
【難易度】★
【出題】第2章 チューリングテスト
【解説】チューリングテストは「AIが人間同様の知的応答ができるか」を評価。①③④はテストの目的ではない。
Q6
【正解】②
【難易度】★
【出題】第3章 探索木
【解説】探索木は問題空間を木構造で表し、経路探索や推論に使う。①④は手法を限定しすぎ、③は用途が違う。
Q7
【正解】②
【難易度】★
【出題】第3章 Mini-Max法
【解説】Mini-Max法は2人零和ゲームの最適手探索法。①③④は該当しない。
Q8
【正解】②
【難易度】★
【出題】第4章 オントロジー
【解説】オントロジーは知識や概念を体系的に記述・共有する枠組み。①③④は異なる用途。
Q9
【正解】②
【難易度】★
【出題】第5章 機械学習
【解説】機械学習は「データからパターンや規則を自動的に学習する」技術。①はルールベースのみ、③④は応用範囲を狭めすぎている。
Q10
【正解】③
【難易度】★
【出題】第5章 ビッグデータ
【解説】多数の行動ログからのレコメンドはビッグデータ活用例。①②④は適用例ではない。
Q11
【正解】②
【難易度】★
【出題】第6章 ディープラーニングの歴史
【解説】ディープラーニングは特徴量設計の自動化が特徴。①③④は誤った認識。
Q12
【正解】②
【難易度】★
【出題】第6章 ImageNet
【解説】ImageNetは大規模データと競技大会で画像認識精度向上を促進。①③④は逆効果や誤解。
Q13
【正解】①
【難易度】★
【出題】第7章 教師あり学習
【解説】教師あり学習は「特徴量+ラベル」のペア(ラベル付データ)が必須。他の選択肢は要件を満たさない。
Q14
【正解】②
【難易度】★
【出題】第7章 SVM
【解説】SVMはマージン最大化で汎化性能向上を狙う。①は誤解、③④は用途・動作が異なる。
Q15
【正解】②
【難易度】★
【出題】第8章 k-means法
【解説】k-meansはクラスタ中心を反復更新する教師なしクラスタリング。①③④は誤り。
Q16
【正解】②
【難易度】★
【出題】第8章 主成分分析
【解説】PCAは次元削減と重要特徴抽出のための手法。①③④は無関係。
Q17
【正解】①
【難易度】★
【出題】第9章 価値関数
【解説】価値関数は状態・行動の価値や期待報酬を数値化。②は教師あり学習の特徴、③④は誤り。
Q18
【正解】②
【難易度】★
【出題】第9章 Q学習
【解説】Q値は状態・行動ペアごとの期待報酬。①③④は誤解。
Q19
【正解】②
【難易度】★
【出題】第10章 過学習
【解説】過学習は訓練データに適合しすぎて汎化できない状態。①は逆、③④は学習失敗の状態。
Q20
【正解】②
【難易度】★
【出題】第10章 ROC曲線
【解説】ROC曲線は分類モデルの性能を真陽性率・偽陽性率で評価。①③④は誤った説明。
Q21. バギング(Bagging)の主な目的として正しいものを選べ。
① データ量を減らして計算を速くする
② 複数のモデルを使い、予測のばらつきを抑える
③ モデルの精度を下げる
④ 1つの決定木で全てを予測する
Q22. ランダムフォレストの特徴として正しいものはどれか。
① 単一の決定木で学習する
② 多数の決定木を組み合わせて予測を行う
③ 教師なし学習にのみ使われる
④ ハイパーパラメータの調整が不要
Q23. ロジスティック回帰の主な利用目的として適切なものを選べ。
① 連続値の予測
② カテゴリ分類問題
③ 強化学習
④ ノイズ除去
Q24. 教師なし学習のクラスタリング手法として正しいものを選べ。
① 主成分分析
② 決定木
③ k-means法
④ ロジスティック回帰
Q25. t-SNEがよく用いられる用途はどれか。
① ラベル付け
② データの可視化・次元削減
③ モデル圧縮
④ ハイパーパラメータ調整
Q26. 協調フィルタリングの応用例として最も適切なものはどれか。
① 自動運転車の制御
② 音声合成
③ レコメンデーションシステム
④ 畳み込みニューラルネットワークの構築
Q27. 強化学習で「方策」とは何を指すか。
① 報酬の計算方法
② 状態から次の行動を決定するルール
③ データの前処理方法
④ クラスタ数の決定
Q28. ε-greedy方策の特徴として正しいものを選べ。
① 常に最適な行動のみを選ぶ
② 一定確率で探索行動を混ぜる
③ 状態価値関数しか使わない
④ 決定木アルゴリズムに限定される
Q29. SARSAとQ学習の主な違いはどれか。
① SARSAはオフポリシー学習、Q学習はオンポリシー学習
② SARSAはオンポリシー学習、Q学習はオフポリシー学習
③ 両者とも同じアルゴリズム
④ どちらも教師あり学習
Q30. モデルの汎化性能とは何を指すか。
① 訓練データへの適合度
② 未知のデータに対する予測の正確さ
③ モデルの学習速度
④ 学習に使うデータ量
Q31. k-分割交差検証の目的として正しいものはどれか。
① モデルの複雑さを上げる
② 汎化性能をより正確に評価する
③ 訓練データのみで評価する
④ ノイズデータの削除
Q32. AUCとは何を示す指標か。
① 分類モデルの損失値
② ROC曲線下の面積で、分類性能の総合評価
③ モデルの学習回数
④ 正解率のみ
Q33. オッカムの剃刀の原則がモデル選択において意味することは何か。
① より複雑なモデルを選ぶべき
② 最も単純なモデルが最適である可能性が高い
③ データ量を無制限に増やす
④ モデルの選択に関係しない
Q34. 正解率・適合率・再現率・F値のうち、再現率が意味するのはどれか。
① 予測が正しい割合
② 実際の陽性のうち、正しく陽性と判定された割合
③ モデルの汎化性能
④ ノイズ除去能力
Q35. ニューラルネットワークにおける「隠れ層」の役割として最も適切なものを選べ。
① 入力データのまま出力する
② 入力と出力の間で特徴抽出や表現変換を行う
③ 重みを一定に保つ
④ 出力データを保存する
Q36. ReLU関数の主なメリットはどれか。
① 非線形性を持ちつつ、勾配消失問題を軽減する
② 出力が常に負になる
③ 計算コストが高い
④ ランダムな値を出力する
Q37. ソフトマックス関数の用途として正しいものを選べ。
① 活性化関数として出力層で使い、多クラス分類の確率分布を得る
② 入力層で使う
③ 勾配爆発問題の解決
④ データの正規化
Q38. 誤差逆伝播法において「勾配消失問題」が発生しやすい状況はどれか。
① 出力層が一つの場合
② 層が深くなるほど誤差が伝わりにくくなる場合
③ 入力層が複数ある場合
④ モデルが浅い場合
Q39. ドロップアウトの主な効果として正しいものはどれか。
① モデルの学習速度を必ず速くする
② 過学習を防ぎ、汎化性能を向上させる
③ 勾配を増幅させる
④ 特徴量を削除するため
Q40. モーメンタム付き確率的勾配降下法(SGD with Momentum)の特徴はどれか。
① 前回の重み更新を考慮しない
② 局所最適解を脱しやすくする
③ 学習率を動的に変更する
④ モデルの構造を単純化する
Q21
【正解】②
【難易度】★
【出題】第7章 バギング
【解説】バギングは複数モデルを利用して予測のばらつきを抑え、精度や安定性を向上させる手法。①③は目的に反し、④はバギングの特徴ではない。
Q22
【正解】②
【難易度】★
【出題】第7章 ランダムフォレスト
【解説】ランダムフォレストは多数の決定木を組み合わせ予測精度を上げるアンサンブル学習。①③④は特徴が異なる。
Q23
【正解】②
【難易度】★
【出題】第7章 ロジスティック回帰
【解説】ロジスティック回帰は主に二値分類や多クラス分類に使う。①は線形回帰の用途、③④は分類問題ではない。
Q24
【正解】③
【難易度】★
【出題】第8章 クラスタリング
【解説】k-means法は教師なしクラスタリング手法。①は次元削減、②④は教師あり学習の例。
Q25
【正解】②
【難易度】★
【出題】第8章 t-SNE
【解説】t-SNEは高次元データの可視化や次元削減に使う。①③④は本来の用途と異なる。
Q26
【正解】③
【難易度】★
【出題】第8章 協調フィルタリング
【解説】協調フィルタリングはレコメンデーションシステムでよく用いられる。①②④は別分野。
Q27
【正解】②
【難易度】★
【出題】第9章 方策
【解説】強化学習における方策とは状態から行動を決定するルール。①③④は誤り。
Q28
【正解】②
【難易度】★
【出題】第9章 ε-greedy方策
【解説】ε-greedy方策は一定確率で探索行動を混ぜ、最適解への偏りを防ぐ。①③④は説明が不適切。
Q29
【正解】②
【難易度】★
【出題】第9章 SARSA・Q学習
【解説】SARSAはオンポリシー、Q学習はオフポリシー。①は逆。③④は内容が不正確。
Q30
【正解】②
【難易度】★
【出題】第10章 汎化性能
【解説】汎化性能は未知データへの予測力。①は訓練データのみ、③④は関連しない。
Q31
【正解】②
【難易度】★
【出題】第10章 k-分割交差検証
【解説】k-分割交差検証は汎化性能評価のため。①③④は目的が異なる。
Q32
【正解】②
【難易度】★
【出題】第10章 AUC
【解説】AUCはROC曲線下の面積で、分類性能の総合評価指標。①③④は誤り。
Q33
【正解】②
【難易度】★
【出題】第10章 オッカムの剃刀
【解説】最も単純なモデルを優先すべきという原則。①③④は誤り。
Q34
【正解】②
【難易度】★
【出題】第10章 再現率
【解説】再現率は実際の陽性のうち正しく陽性とされた割合。①は正解率、③④は無関係。
Q35
【正解】②
【難易度】★
【出題】第11章 隠れ層
【解説】隠れ層は入力と出力の間で特徴抽出・表現変換を行う。①③④は役割を誤っている。
Q36
【正解】①
【難易度】★
【出題】第12章 ReLU関数
【解説】ReLUは非線形性を持ち、勾配消失問題を軽減。②③④は不正確。
Q37
【正解】①
【難易度】★
【出題】第12章 ソフトマックス関数
【解説】ソフトマックスは出力層で多クラス分類時に確率分布を得る。②③④は用途が異なる。
Q38
【正解】②
【難易度】★
【出題】第15章 勾配消失問題
【解説】層が深くなるほど勾配消失が発生しやすい。①③④は誤り。
Q39
【正解】②
【難易度】★
【出題】第14章 ドロップアウト
【解説】ドロップアウトは過学習防止と汎化性能向上が目的。①③④は誤解。
Q40
【正解】②
【難易度】★
【出題】第16章 モーメンタム
【解説】モーメンタムは過去の更新を加味し、局所最適解を脱しやすくする。①③④は誤り。
Q41. 以下のうち、バギングとブースティングの比較として正しいものを選べ。
① どちらも弱い学習器を逐次的に学習する
② バギングは並列的に、ブースティングは逐次的に学習器を組み合わせる
③ 両者とも決定木を使えない
④ ブースティングは過学習を必ず防ぐ
Q42. 教師なし学習の代表的な問題として誤っているものを1つ選べ。
① クラスタリング
② 次元削減
③ ラベル付きデータによる分類
④ トピックモデル
Q43. k-means法と階層的クラスタリングの主な違いとして適切なものはどれか。
① 両者ともクラスタ数を事前に指定する必要がある
② k-meansは非階層型、階層的クラスタリングはクラスタ間の階層構造を考慮する
③ 階層的クラスタリングは教師あり学習である
④ k-meansはラベル付きデータが必要
Q44. 単回帰分析と重回帰分析の違いとして正しいものを選べ。
① 単回帰分析は複数の説明変数を持つ
② 重回帰分析は1つの説明変数しか持たない
③ 単回帰は1変数、重回帰は2つ以上の説明変数を持つ
④ 両者に違いはない
Q45. 次の組み合わせのうち、教師あり学習アルゴリズムと正しいタスクの対応を選べ。
① ロジスティック回帰 — 画像の次元削減
② サポートベクターマシン — カテゴリ分類
③ k-means法 — 感情分析
④ 主成分分析 — 異常検知
Q46. UCB方策とε-greedy方策の違いとして適切なものはどれか。
① UCB方策は選択肢の不確実性を考慮する
② ε-greedyは不確実性を重視する
③ UCB方策はランダム探索しか行わない
④ 両者ともバンディット問題には使えない
Q47. 以下の混同行列(Confusion Matrix)で、正解率(Accuracy)を求めよ。

① 0.80
② 0.85
③ 0.90
④ 0.95
Q48. 平均二乗誤差(MSE)の計算式として正しいものを選べ。
① |予測値 − 実測値| の合計
② (予測値 − 実測値)の二乗の平均
③ 予測値の合計を実測値で割る
④ 予測値の最大値−最小値
Q49. ROC曲線とAUCの関係として最も適切なものはどれか。
① AUCはROC曲線の下側面積で、1に近いほど性能が良い
② AUCが0に近いほどモデル性能が良い
③ ROC曲線はAUCを数値化したもの
④ AUCとROC曲線に関係はない
Q50. ニューラルネットワークの層を「入力層→(ア)→出力層」としたとき、(ア)に当てはまるのはどれか。
① 活性化層
② 隠れ層
③ プーリング層
④ バッチ正規化層
Q51. 活性化関数ReLUの典型的な欠点として当てはまるものを選べ。
① 勾配消失が起こりやすい
② 0以下の入力で勾配が0になる「死んだReLU問題」
③ 全ての値で勾配が1になる
④ 計算コストが非常に高い
Q52. シグモイド関数とtanh関数の違いとして最も適切なものはどれか。
① シグモイドは0~1、tanhは−1~1の出力域
② tanhは線形関数
③ シグモイドは多クラス分類専用
④ tanhは出力域が常に0以上
Q53. ドロップアウトの具体的な利用方法として正しいものはどれか。
① 学習時にランダムに一部ノードを無効化し、予測時は全ノードを使用する
② 予測時にもランダムにノードを無効化する
③ 全ノードを常に有効化する
④ 活性化関数の一種として用いる
Q54. AdamとSGD(確率的勾配降下法)の主な違いはどれか。
① Adamは学習率とモーメンタムを自動調整し、収束が速いことが多い
② SGDはハイパーパラメータを自動調整する
③ Adamは分類問題専用
④ 両者に理論的な違いはない
Q55. グリッドサーチとランダムサーチの違いについて正しいものを選べ。
① グリッドサーチはすべてのパラメータ組み合わせを探索する
② ランダムサーチは指定範囲からランダムにハイパーパラメータを選択する
③ 両者はハイパーパラメータ最適化手法
④ すべて正しい
Q56. 畳み込み層と全結合層の違いに関する説明として最も適切なものはどれか。
① 全結合層は空間的特徴抽出に強い
② 畳み込み層はパラメータ数を抑えつつ局所的な特徴を捉える
③ 全結合層は入力次元によらずパラメータ数が一定
④ 畳み込み層は1次元データしか扱えない
Q57. バッチ正規化(Batch Normalization)の効果として適切なものを選べ。
① 層ごとの出力を正規化し、学習を安定・高速化する
② 逆伝播の計算量を増やす
③ パラメータ数を減らす
④ 出力層でのみ利用される
Q58. ResNetのスキップ結合の目的として最も適切なものを選べ。
① ネットワークの勾配消失や劣化を防ぐ
② パラメータ数を増やす
③ 活性化関数の数を減らす
④ 出力層を2重化する
Q59. RNNの学習において生じやすい問題として正しいものを選べ。
① 勾配消失や勾配爆発
② 活性化関数の非線形性消失
③ 層間で重み共有が起こる
④ 出力層が1つしか使えない
Q60. LSTMやGRUの主な利点はどれか。
① 長期依存関係の情報を保持しやすい
② 層数を必ず増やす
③ 活性化関数を削減できる
④ モデルのパラメータ数が常に減る
Q41
【正解】②
【難易度】★★
【出題】第7章 バギング/ブースティング
【解説】バギングは並列的、ブースティングは逐次的に学習器を構築。①はブースティングのみ、③はどちらも決定木で利用可能、④は誤り。
Q42
【正解】③
【難易度】★★
【出題】第8章 教師なし学習
【解説】ラベル付きデータによる分類は教師あり学習。①②④は教師なし学習の代表例。
Q43
【正解】②
【難易度】★★
【出題】第8章 クラスタリング
【解説】k-meansは非階層、階層的クラスタリングは階層構造を持つ。①はk-meansのみクラスタ数指定。③④は誤答。
Q44
【正解】③
【難易度】★
【出題】第7章 単回帰分析・重回帰分析
【解説】単回帰は1変数、重回帰は2つ以上。①②④は逆または誤り。
Q45
【正解】②
【難易度】★★
【出題】第7章 モデルとタスク
【解説】サポートベクターマシンは分類問題に適用。他は対応していない。
Q46
【正解】①
【難易度】★★
【出題】第9章 方策
【解説】UCBは不確実性も考慮。②は誤り、③④も適用範囲を誤解。
Q47
【正解】②
【難易度】★★★
【出題】第10章 混同行列
【解説】(40+45)/(40+10+5+45)=85/100=0.85。①③④は計算ミスや定義誤り。
Q48
【正解】②
【難易度】★
【出題】第10章 MSE
【解説】MSEは予測値と実測値の差の二乗平均。①③④は定義違い。
Q49
【正解】①
【難易度】★
【出題】第10章 ROC曲線・AUC
【解説】AUCはROC曲線下の面積。1に近いほど分類性能が高い。②③④は誤り。
Q50
【正解】②
【難易度】★
【出題】第11章 隠れ層
【解説】入力層→隠れ層→出力層が基本構成。①③④は役割が異なる。
Q51
【正解】②
【難易度】★★
【出題】第12章 ReLU
【解説】ReLUは0以下の入力で勾配が0となり学習が停止しやすい(死んだReLU)。他は誤り。
Q52
【正解】①
【難易度】★
【出題】第12章 活性化関数
【解説】シグモイド:0〜1、tanh:−1〜1。②③④は定義誤り。
Q53
【正解】①
【難易度】★★
【出題】第14章 ドロップアウト
【解説】学習時に無効化、推論時は全ノード利用。②③④は誤り。
Q54
【正解】①
【難易度】★★
【出題】第16章 Adam・SGD
【解説】Adamは学習率・モーメンタム自動調整、収束速いことが多い。②③④は違いを説明できていない。
Q55
【正解】④
【難易度】★★
【出題】第16章 ハイパーパラメータ探索
【解説】①②③すべて正しい。グリッドサーチは全探索、ランダムサーチはランダム選択。
Q56
【正解】②
【難易度】★★
【出題】第17章 畳み込み層
【解説】畳み込み層は局所特徴とパラメータ削減に強み。①③④は誤り。
Q57
【正解】①
【難易度】★
【出題】第19章 バッチ正規化
【解説】バッチ正規化は出力を正規化し学習安定化。②③④は不正確。
Q58
【正解】①
【難易度】★★
【出題】第21章 スキップ結合
【解説】ResNetのスキップ結合は勾配消失・劣化防止。②③④は目的に該当しない。
Q59
【正解】①
【難易度】★
【出題】第22章 RNN
【解説】RNNは勾配消失・爆発問題が発生しやすい。他の選択肢は誤り。
Q60
【正解】①
【難易度】★★
【出題】第22章 LSTM・GRU
【解説】LSTM/GRUは長期依存関係の保持に優れる。他は特徴ではない。
Q61. バッチ正規化(Batch Normalization)とレイヤー正規化(Layer Normalization)の主な違いを選べ。
① バッチ正規化はデータセット単位、レイヤー正規化はミニバッチ単位で正規化
② バッチ正規化はミニバッチ単位、レイヤー正規化は各サンプル単位で正規化
③ 両者とも全層の重みを正規化する
④ レイヤー正規化は畳み込み層でのみ利用できる
Q62. グループ正規化とバッチ正規化の比較として正しいものを選べ。
① グループ正規化はバッチサイズに依存しない
② バッチ正規化は必ず計算量が少ない
③ グループ正規化はRNN専用
④ 両者とも学習を遅くする
Q63. 畳み込みニューラルネットワーク(CNN)の特徴量抽出における「カーネル」とは何か。
① 各層のパラメータ数
② 畳み込み演算を行う小さな重み行列
③ 入力画像の枚数
④ 出力の正規化手法
Q64. プーリング層の主な役割として最も適切なものを選べ。
① 層ごとに重みを更新する
② 特徴マップの空間的サイズを縮小し、不変性を獲得する
③ モデルの学習率を動的に変える
④ 入力データのノイズを増やす
Q65. 最大値プーリングと平均値プーリングの違いに関する説明として最も適切なものを選べ。
① 最大値プーリングは特徴の強調、平均値プーリングは特徴の平滑化
② 最大値プーリングはノイズに弱い
③ 平均値プーリングは情報を必ず失う
④ 両者は同じ出力を与える
Q66. スキップ結合(skip connection)がResNetで導入された主な理由として正しいものを選べ。
① 勾配消失や層の深さによる劣化を防ぐため
② 計算コストを増やすため
③ パラメータ数を減らすため
④ すべての重みを固定するため
Q67. LSTMのゲート構造が従来のRNNと比較して優れている理由として正しいものはどれか。
① 勾配爆発を完全に防ぐ
② 長期依存関係を保持しやすくする
③ モデルのパラメータ数を削減する
④ 入力層でのみ使える
Q68. Attention機構の導入による利点として誤っているものを選べ。
① 入力系列全体を重み付けで参照できる
② 長距離依存関係の情報を効率的に扱える
③ 全結合層の数を増やすため
④ RNNの問題点の一部を解消できる
Q69. Transformerモデルにおいて、Self-Attentionの役割はどれか。
① 異なる系列間でのみ重み付けを行う
② 入力系列内の全要素間の関係性を学習する
③ 勾配消失問題を必ず解決する
④ 出力系列の長さを固定する
Q70. オートエンコーダの構造における「ボトルネック層」の主な役割はどれか。
① 入力データを圧縮し潜在表現を学習する
② 出力を元入力より大きくする
③ 重みを全て正則化する
④ 出力値のランダム化
Q71. 変分オートエンコーダ(VAE)と通常のオートエンコーダの違いとして正しいものはどれか。
① VAEは潜在変数を確率的にサンプリングする
② 通常のオートエンコーダは生成モデルとして使えない
③ VAEは教師あり学習専用
④ 両者の目的は全く異なる
Q72. データ拡張手法「Mixup」の特徴として正しいものはどれか。
① 入力画像やラベルを線形結合することで新しい訓練データを作る
② 学習中の特徴量をゼロ化する
③ モデルの重みをシャッフルする
④ 出力層でのみ適用する
Q73. 画像認識タスクで「セマンティックセグメンテーション」とは何か。
① 画像内の物体の位置を矩形で検出する
② 各ピクセルにカテゴリを割り当て、領域ごとに分類する
③ 画像の全体的な明るさを調整する
④ 類似画像を検索する
Q74. Vision Transformer(ViT)とCNNの違いとして適切なものを選べ。
① ViTは画像をパッチに分割し、自己注意機構で特徴抽出
② CNNは自己注意を使う
③ ViTは畳み込み演算のみで動作する
④ CNNは画像全体を一括で処理する
Q75. BERTとGPTの大きな違いの1つとして正しいものを選べ。
① BERTは双方向、GPTは片方向の文脈を学習する
② GPTは画像処理専用
③ BERTは音声認識に特化
④ GPTは自己注意機構を持たない
Q76. Word2Vecにおける「CBOW」と「Skip-gram」の違いとして正しいものはどれか。
① CBOWは周辺語から中心語を予測、Skip-gramは中心語から周辺語を予測
② 両者とも意味的な違いはない
③ CBOWは必ず高次元ベクトルを出力
④ Skip-gramは教師なし学習で使えない
Q77. 自然言語処理における「形態素解析」の主な目的はどれか。
① 文書要約
② 単語や文節ごとに分割し、品詞などの情報を付与する
③ 感情分析
④ テキスト生成
Q78. 自然言語処理モデル「BERT」の事前学習で使われる主なタスクの組み合わせとして正しいものを選べ。
① 次文予測・マスク化言語モデル
② 分類・強化学習
③ 文書生成・機械翻訳
④ 音声認識・単語埋め込み
Q79. GAN(敵対的生成ネットワーク)の学習において「識別器」と「生成器」の関係として正しいものを選べ。
① 識別器が生成器の出力と本物データを区別しようとし、生成器は識別器をだますように学習する
② 生成器が識別器の損失を最小化する
③ 識別器と生成器は全く独立して学習する
④ 識別器だけがデータを生成する
Q80. 2024年発表のDiffusion Modelの特徴的利点として従来GANと比較し適切なものを選べ。
① サンプルの多様性と安定した学習が得やすい
② 画像のノイズ除去ができない
③ 学習に生成器のみを用いる
④ 学習が常に高速
Q61
【正解】②
【難易度】★★
【出題】第19章 正規化層
【解説】バッチ正規化はミニバッチ単位、レイヤー正規化は各サンプル単位(特徴方向ごと)で正規化する。①は逆、③④は誤り。
Q62
【正解】①
【難易度】★★
【出題】第19章 グループ正規化
【解説】グループ正規化はバッチサイズに依存せず安定して正規化可能。②④は誤り。③は適用範囲が違う。
Q63
【正解】②
【難易度】★
【出題】第18章 畳み込み層
【解説】カーネルは畳み込み演算を行う重み行列。①③④は異なる要素。
Q64
【正解】②
【難易度】★
【出題】第20章 プーリング層
【解説】プーリング層は特徴マップの空間的縮小と不変性獲得が目的。①③④は役割が異なる。
Q65
【正解】①
【難易度】★★
【出題】第20章 プーリング
【解説】最大値プーリングは特徴を強調、平均値プーリングは平滑化効果が強い。②③④は誤り。
Q66
【正解】①
【難易度】★
【出題】第21章 スキップ結合
【解説】スキップ結合は深層化による劣化・勾配消失を防ぐため導入された。②③④は該当しない。
Q67
【正解】②
【難易度】★★
【出題】第22章 LSTM
【解説】LSTMのゲート機構は長期依存関係を保持しやすい。①③④は違いや特徴の誤解。
Q68
【正解】③
【難易度】★★
【出題】第23章 Attention
【解説】全結合層の数を増やすのが目的ではない。①②④はAttention導入の主な利点。
Q69
【正解】②
【難易度】★
【出題】第23章 Self-Attention
【解説】Self-Attentionは入力系列内全要素間の関係性を学習。①③④は誤り。
Q70
【正解】①
【難易度】★
【出題】第24章 オートエンコーダ
【解説】ボトルネック層は入力データの圧縮・潜在表現学習の役割。②③④は該当しない。
Q71
【正解】①
【難易度】★★
【出題】第24章 変分オートエンコーダ
【解説】VAEは潜在変数を確率的にサンプリング。②は生成も可能、③④は誤り。
Q72
【正解】①
【難易度】★★
【出題】第25章 データ拡張
【解説】Mixupは入力とラベルを線形結合し新しいデータを作る。②③④は手法の誤解。
Q73
【正解】②
【難易度】★
【出題】第26章 セマンティックセグメンテーション
【解説】各ピクセル単位でカテゴリ分類を行う。①は物体検出。③④は関係ない。
Q74
【正解】①
【難易度】★★
【出題】第26章 Vision Transformer
【解説】ViTは画像をパッチ分割し自己注意で特徴抽出。②③④は誤り。
Q75
【正解】①
【難易度】★★
【出題】第27章 BERT/GPT
【解説】BERTは双方向、GPTは片方向の文脈学習。②③④は用途や構造が異なる。
Q76
【正解】①
【難易度】★★
【出題】第27章 Word2Vec
【解説】CBOWは周辺語から中心語、Skip-gramは中心語から周辺語を予測。②③④は誤り。
Q77
【正解】②
【難易度】★
【出題】第27章 形態素解析
【解説】形態素解析は文を単語や文節に分割し品詞付与。①③④は目的が異なる。
Q78
【正解】①
【難易度】★★
【出題】第27章 BERT 事前学習
【解説】BERTはマスク化言語モデルと次文予測で事前学習。②③④は異なる分野。
Q79
【正解】①
【難易度】★★
【出題】第30章 GAN
【解説】識別器が本物・偽物を判別、生成器は識別器をだますよう学習する。②③④は誤り。
Q80
【正解】①
【難易度】★★
【出題】第30章 Diffusion Model/時事
【解説】Diffusion Modelはサンプル多様性と安定性に強み。②は「ノイズ除去ができない」と逆の内容なので誤り。
③は「生成器のみを用いる」と断定しているが、Diffusion ではノイズ予測(デノイザ)ネットワークを学習するため、この表現は不正確。
④は拡散過程を多数ステップで行うため「常に高速」とは言えず、むしろ GAN より遅いことが知られている
Q81. 音声処理におけるMFCC(メル周波数ケプストラム係数)の役割として最も適切なものを選べ。
① 音声波形の高周波成分を除去する
② 音声信号の特徴を抽出し、機械学習モデルに適した表現に変換する
③ 音量を自動調整する
④ 話者ごとの周波数帯域を分離する
Q82. CTC(Connectionist Temporal Classification)の主な目的として適切なものはどれか。
① 音声認識で時系列ラベルのアライメント不要な学習を可能にする
② 音声データのノイズ除去
③ 音声合成の高速化
④ 話者識別の精度向上
Q83. 強化学習において「報酬設計」が重要な理由を選べ。
① 報酬設計により、エージェントの望ましい行動が明確化されるため
② 報酬設計はQ値の更新に影響しないため
③ 強化学習では報酬を使わず学習できるため
④ 報酬設計はエージェントの動作には無関係なため
Q84. A3CやPPOなどの深層強化学習手法が従来のQ学習と異なる点は何か。
① ニューラルネットワークで状態価値や方策を表現する
② 状態をテーブルで管理する
③ 教師なし学習を併用する
④ 強化学習で報酬が不要になる
Q85. マルチエージェント強化学習(MARL)の特徴として正しいものを選べ。
① 複数のエージェントが同じ環境下で相互に影響しあいながら学習する
② 単一のエージェントのみで学習を行う
③ 強化学習では使われない
④ 価値関数を使わない
Q86. 次のうち、CLIPモデルの特徴に最も近いものを選べ。
① テキストと画像を共通の特徴空間でマッチングできる
② 音声と画像のみを扱う
③ テキスト分類専用のモデル
④ 画像生成にのみ利用できる
Q87. マルチモーダルAIモデルの応用例として適切なものを選べ。
① 画像キャプション生成
② 数値データの統計解析
③ テキストファイルの圧縮
④ バイナリ分類
Q88. モデルの解釈性(Explainability)に関する主な技術として最も適切なものはどれか。
① LIMEやSHAPなどの特徴量重要度の可視化
② モデルのパラメータをすべて表示するだけ
③ モデルの入力データをランダムにする
④ 解釈性は機械学習に無関係
Q89. Grad-CAMの主な用途として正しいものを選べ。
① 画像分類モデルの注目領域を可視化する
② 入力画像のノイズ除去
③ モデルの重みを圧縮する
④ 文章生成のスコアリング
Q90. モデルの軽量化手法のうち「蒸留(Distillation)」の特徴を正しく述べているものを選べ。
① 大規模モデルの知識を小型モデルに転移し推論を効率化する
② モデルの重みをすべて削除する
③ 訓練データを増やすこと
④ 蒸留は画像分類モデルには使えない
Q91. プルーニングと量子化の違いについて適切なものを選べ。
① プルーニングは不要な重みの削除、量子化は重みの数値表現を小さくする
② 両者は同じ操作
③ プルーニングは画像のみ、量子化は音声のみで使う
④ どちらもモデルの精度を必ず上げる
Q92. AIプロジェクトにおいて「PoC(Proof of Concept)」が実施される主な目的を選べ。
① 実現可能性を検証し、導入前にリスクを評価するため
② サービス運用開始後のトラブル対策
③ モデル精度を保証するため
④ クラウド移行の手順書作成
Q93. CRISP-DMやCRISP-MLなどのフレームワークがAI開発で重視される理由はどれか。
① プロジェクトの全体像や手順を体系化し再現性や品質を高める
② データ収集のみに特化した手法である
③ アジャイル開発専用の標準
④ フレームワークはAI開発に不要
Q94. MLOps(Machine Learning Operations)の導入によって期待される効果はどれか。
① モデルの開発から運用・保守までの一貫した管理・自動化
② 学習用データの削除
③ モデルのサイズ削減のみ
④ AI開発工程の手作業化
Q95. オープンデータセット活用時の主な注意点として最も重要なものを選べ。
① データのライセンスや利用規約を必ず確認する
② データ量が多ければ必ず良い結果が出る
③ 無断で商用利用できる
④ 公開データはすべて高品質
Q96. AI学習用データの「アノテーション」が必要な理由として正しいものはどれか。
① 学習・評価に適したラベル付けによりモデルの性能向上が期待できる
② モデルの計算コストを下げる
③ アノテーションは画像以外で使わない
④ 誤ったラベル付けの方が性能が上がる
Q97. 最小二乗法(Least Squares Method)の主な利用目的を選べ。
① 回帰モデルのパラメータ推定で誤差の二乗和を最小化する
② ラベルの無いデータを分類する
③ クラスタの数を決める
④ サンプリングバイアスを補正する
Q98. 確率変数Xの期待値E[X]を説明する式として正しいものはどれか。
① Text表示:E[X] = Σx P(x)
② Text表示:E[X] = max(x)
③ Text表示:E[X] = P(x)/x
④ Text表示:E[X] = ΣP(x)^2
Q99. 外れ値(Outlier)の扱いで誤っているものを選べ。
① 全ての外れ値は必ず削除すべきである
② 外れ値の有無や影響を分析する必要がある
③ 外れ値によってモデル性能が変動することがある
④ ケースに応じて扱いを決定する
Q100. 2024年12月のEU AI Act(AI規制法)の最新動向で正しいものはどれか。
① 高リスクAIに対し透明性・説明責任など厳格な規制を導入
② すべてのAIシステムが禁止された
③ 欧州域外企業のみ対象となる
④ AIに関する規制は撤廃された
Q81
【正解】②
【難易度】★
【出題】第28章 MFCC/音声処理
【解説】MFCCは音声信号の特徴を、ヒトの聴覚特性に近い周波数軸に変換して抽出し、音声認識等の機械学習モデルの入力として最適化するために使われる。①③④は役割や機能が異なり、特徴抽出や機械学習向け表現ではない。
Q82
【正解】①
【難易度】★★
【出題】第28章 CTC
【解説】CTCは音声や時系列データのラベルと入力長が一致しなくても学習可能にする損失関数。フレーム単位でラベルが不要なため、音声認識で時系列のアライメント問題を解決する。②③④はCTCの機能ではない。
Q83
【正解】①
【難易度】★
【出題】第9章 報酬設計
【解説】強化学習のエージェントは報酬を最大化する行動を学ぶため、報酬設計が不適切だと望ましくない行動を強化する。②④は誤りで、③は強化学習の根本原理を否定している。
Q84
【正解】①
【難易度】★★
【出題】第29章 深層強化学習
【解説】A3CやPPOなどはニューラルネットワークで価値関数や方策を近似し、複雑な状態空間も表現できる。従来Q学習は状態行動テーブルを用いる。②は旧来型、③④は誤り。
Q85
【正解】①
【難易度】★★
【出題】第29章 マルチエージェント強化学習
【解説】複数エージェントが相互に影響しあい学習するのがMARLの特徴。②は単一エージェント、③④はMARLの否定。
Q86
【正解】①
【難易度】★★
【出題】第32章 CLIP/マルチモーダル
【解説】CLIPは画像とテキストを同じ特徴空間でマッチングできるモデルで、異種情報を自然に関連付ける。②③④はCLIPの用途や仕組みの誤認。
Q87
【正解】①
【難易度】★
【出題】第32章 マルチモーダル応用
【解説】マルチモーダルは画像・テキストなど複数データを組み合わせ応用。画像キャプション生成は典型例。②③④はマルチモーダルではない。
Q88
【正解】①
【難易度】★★
【出題】第33章 モデルの解釈性
【解説】LIMEやSHAPは、モデルがどの特徴に注目して予測したか可視化でき、ブラックボックスモデルの説明性を向上させる。②は単なる表示、③④は解釈性と無関係。
Q89
【正解】①
【難易度】★★
【出題】第33章 Grad-CAM
【解説】Grad-CAMは画像分類モデルで、どの領域が予測根拠か可視化し説明性を高める。②③④は役割違い。
Q90
【正解】①
【難易度】★★
【出題】第34章 蒸留
【解説】大規模モデルの知識を圧縮し小型モデルに転移させることで、推論の効率化と軽量化を両立する技術。②③④は蒸留の説明や適用範囲を誤っている。
Q91
【正解】①
【難易度】★★
【出題】第34章 プルーニング・量子化
【解説】プルーニングは不要な重みを削除して軽量化、量子化は重みのビット幅を下げることで計算やメモリ効率を高める。②は区別が無い、③④も適用範囲や結果が誤り。
Q92
【正解】①
【難易度】★
【出題】第35章 PoC
【解説】PoCはAI導入前に実現性やリスク評価を行う検証段階。②③④はPoC本来の目的や段階が違う。
Q93
【正解】①
【難易度】★★
【出題】第35章 CRISP-DM/CRISP-ML
【解説】AI開発の標準プロセスを体系化し、品質と再現性・効率を向上。②③④は範囲や目的の誤り。
Q94
【正解】①
【難易度】★
【出題】第35章 MLOps
【解説】MLOpsはAI開発から運用・保守までを自動化・一元管理する枠組みで、効率化と品質維持に役立つ。②③④は部分的・逆の説明。
Q95
【正解】①
【難易度】★★
【出題】第36章 オープンデータセット
【解説】データのライセンスや利用規約を確認しないと違法利用やトラブルに繋がる。②③④は品質・権利への認識不足。
Q96
【正解】①
【難易度】★
【出題】第36章 アノテーション
【解説】正確なラベル付けは学習や評価の精度に直結する。②③④はアノテーションの本質から外れる。
Q97
【正解】①
【難易度】★
【出題】第37章 最小二乗法
【解説】回帰分析で予測値と実測値の二乗誤差和を最小化し、パラメータを推定する標準的手法。他の選択肢は異なる統計技法。
Q98
【正解】①
【難易度】★
【出題】第37章 期待値
【解説】 E[X]=ΣxP(x)は確率変数の期待値の定義式。他の式は誤り。
Q99
【正解】①
【難易度】★★
【出題】第37章 外れ値
【解説】全ての外れ値を無条件に削除するのは誤り。②③④のように、外れ値の扱いは分析や目的に応じて判断が必要。
Q100
【正解】①
【難易度】★★★
【出題】第9章/時事 EU AI Act
【解説】2024年12月発表のEU AI Actは高リスクAIに対し透明性・説明責任・安全性確保など厳格な規制導入がポイント。リスクベースで AI を4類型に区分し、このうち「高リスク」AI にはデータ品質管理、技術文書の作成、人による監督、透明性確保など厳格な義務を課す。
禁止されるのは「許容できないリスク」の用途のみであり、すべての AI システムが禁止されるわけではないため②は誤り。
域外適用が定められており、EU 内外の提供者・導入者双方が対象となるため③は誤り。
AI Act は 2024 年8月に発効し段階的に施行中で、規制そのものが撤廃された事実はないため④も誤り
Q101. AIシステムの品質保証において「説明責任(Accountability)」が求められる主な理由はどれか。
① システムの動作根拠を関係者に説明し、社会的信頼を得るため
② モデルの計算コストを下げるため
③ AIの学習精度を保証するため
④ プログラムのソースコードを非公開にするため
Q102. AI開発プロジェクトの「フェイルセーフ設計」が重視される理由として適切なものを選べ。
① 異常時にも安全な動作や被害最小化を確保するため
② モデルの学習データを増やすため
③ フェイルセーフ設計はAIでは不要
④ システムの再学習頻度を上げるため
Q103. バイアス・バリアンスのトレードオフにおいて、「高バイアス・低バリアンス」の場合に起きやすい現象はどれか。
① 過学習
② 未学習(アンダーフィッティング)
③ 適合率の上昇
④ 外れ値の増加
Q104. 公平性(Fairness)を考慮しなかったAIのリスクとして正しいものを選べ。
① 特定属性への差別的な判断・バイアスが発生しうる
② モデルの精度が必ず向上する
③ 説明性が自動的に高まる
④ 全てのAIに自動的に公平性が保証される
Q105. 「ブラックボックスモデル」の問題点として適切なものを選べ。
① モデルの判断根拠が人間に理解しづらい
② 計算コストが必ず高い
③ 全ての決定木モデルが該当する
④ ブラックボックスモデルは解釈性が高い
Q106. 次のケースでAI活用が不適切となる例として正しいものはどれか。
① 入力データに極端な偏りや誤りがある
② データ量が非常に多く、パターンが複雑
③ 人手で判断するのが困難なタスク
④ 記録や履歴が十分にある
Q107. 「プロンプトエンジニアリング」とは何か。
① 生成AIモデルの出力を最適化するため入力文や指示の設計を工夫する技術
② モデルの学習用データを無作為に増やす手法
③ データベース設計の標準技法
④ AIのバイアス削減とは無関係な作業
Q108. LLM(大規模言語モデル)の「ハルシネーション(Hallucination)」問題として正しい説明を選べ。
① 現実には存在しない情報をもっともらしく生成・提示する現象
② 入力文を一切受け付けない現象
③ 学習済みデータが失われること
④ モデルのメモリ消費が増えること
Q109. 「ゼロショット学習(Zero-shot Learning)」の活用例として最も適切なものはどれか。
① モデルが学習時に見ていないクラスのラベルも予測できる
② すべての学習データを削除して推論する
③ 必ず精度が高くなる
④ 画像分類には使えない
Q110. AIの社会実装における「デジタル・ディバイド」問題とは何か。
① 情報技術の利用格差による社会的・経済的な不利益の発生
② データ量が均等でないこと
③ モデルの予測時間が異なること
④ 全てのAIシステムに自動適用される現象
Q111. PII(Personally Identifiable Information:個人識別情報)の具体例として正しいものはどれか。
① 氏名や住所、電話番号など本人を特定できる情報
② 一般的な商品名
③ 匿名化された統計データ
④ モデルの重みパラメータ
Q112. 個人情報保護法(日本)に基づき、AIが扱うデータに求められる主な対応はどれか。
① 利用目的の明確化・本人同意の取得など適切な管理措置
② データは原則、無制限で利用可能
③ 法律に関係なく自由に保存できる
④ モデル開発者の裁量に一任される
Q113. GDPR(EU一般データ保護規則)における「データ主体の権利」で正しいものを選べ。
① 自己データの開示、訂正、削除、利用停止などを求める権利
② データの無制限な販売権
③ 企業の責任免除
④ AIによる自動判断の一括許可
Q114. データの匿名化・仮名化がAI活用で重要視される理由はどれか。
① プライバシー保護や法令遵守のため、個人を特定できない形でデータ利用を可能にする
② モデルの計算速度を上げるため
③ 匿名化はAIの精度向上に必須だから
④ ラベル付け作業を減らすため
Q115. AIプロジェクトにおける「データガバナンス」が必要な理由はどれか。
① データ管理・利用ルールを明確にし、不正・事故・品質劣化を防ぐため
② データの完全削除のため
③ 管理せずに現場任せにするため
④ データガバナンスはAIには無関係
Q116. 著作権法の観点からAIが学習用に公開データを利用する際の注意点を選べ。
① 著作物の利用には権利者の許諾や適切な利用範囲の確認が必要
② 全ての公開データは自由に利用可能
③ 権利侵害はAI開発なら免除される
④ 著作権はAIには適用されない
Q117. AI開発契約書で「成果物の著作権帰属」を定める理由として最も適切なものはどれか。
① 利用者や開発者間の知的財産の権利関係を明確化するため
② 著作権帰属は不要な取り決め
③ 成果物の流通価格を上げるため
④ 契約に記載がなくても自動的に権利が移転するため
Q118. AI倫理における「バイアス是正」の取り組みとして適切なものを選べ。
① 学習データやモデル設計の見直し等により不公正な偏りを軽減する
② バイアスの検出は不要
③ バイアスが強いほど性能が上がる
④ バイアス是正は法的に禁止されている
Q119. AI倫理原則で「説明性(Explainability)」が重視される背景として正しいものはどれか。
① モデル判断の根拠を説明できれば利用者・社会の信頼獲得や誤用防止につながるため
② 説明性は不要
③ 説明性を上げると必ず精度が落ちるため
④ 説明性と倫理は無関係
Q120. 2025年3月発表の日本政府AIガイドラインの主なポイントとして最も適切なものを選べ。
① 安全性・公平性・説明性・プライバシー保護等を重視した開発・運用指針の策定
② AI導入を全面禁止
③ 日本国外でのみ適用
④ AI開発者への資格試験義務化
Q101
【正解】①
【難易度】★★
【出題】第7章 AI品質保証・説明責任
【解説】AIシステムの説明責任とは、システムの動作根拠や判断基準を関係者や利用者に説明し、社会的信頼や透明性を確保すること。AIが誤作動や不適切な判断をした場合の責任所在を明確にし、不信や社会的リスクを回避する。②④は本質と異なり、③は説明責任とイコールではない。
Q102
【正解】①
【難易度】★★
【出題】第7章 フェイルセーフ設計
【解説】AIの誤動作や異常検知時にも人や社会に重大な被害が出ないよう、安全に停止・動作させる設計思想がフェイルセーフ。現実社会では異常が完全になくせないため、最悪でも安全確保が重要。②④は目的が異なり、③は不適切。
Q103
【正解】②
【難易度】★★
【出題】第10章 バイアス・バリアンスのトレードオフ
【解説】高バイアス・低バリアンスはモデルが単純すぎてデータを十分に学習できない「未学習(アンダーフィッティング)」の状態。①は逆に高バリアンス・低バイアスのときに起こる。③④はこの現象の特徴ではない。
Q104
【正解】①
【難易度】★★
【出題】第10章 公平性リスク
【解説】公平性配慮が不足すると、属性(性別・年齢など)ごとの差別やバイアス判断が発生し社会的な問題や法的リスクにつながる。②③④は誤り。
Q105
【正解】①
【難易度】★
【出題】第10章 ブラックボックス問題
【解説】ブラックボックスモデルは判断根拠が説明しにくく、人間が理解や説明、責任追及を行うのが困難。②③④は該当しないか誤解。
Q106
【正解】①
【難易度】★★
【出題】第7章 AI活用の適否
【解説】極端な偏りや誤りがあるデータではAIを使っても適切な判断や予測ができず、活用が不適切。②③④はむしろAI活用の適例。
Q107
【正解】①
【難易度】★★
【出題】第6章 プロンプトエンジニアリング
【解説】生成AIの精度や品質を高めるため、入力指示文(プロンプト)の設計・調整技法を「プロンプトエンジニアリング」と呼ぶ。②③④は関連がない。
Q108
【正解】①
【難易度】★★
【出題】第6章 LLMハルシネーション
【解説】ハルシネーションは、LLMなどが現実に存在しない情報を、もっともらしく「捏造」してしまう現象。ユーザーが誤解したり被害が生じるリスクがある。②③④は定義違い。
Q109
【正解】①
【難易度】★★
【出題】第7章 ゼロショット学習
【解説】ゼロショット学習は、学習時に見ていないクラスでも推論時にラベル付け・予測できる手法。応用範囲を広げる。②③④は誤り。
Q110
【正解】①
【難易度】★★
【出題】第7章 デジタル・ディバイド
【解説】AIやITの利用環境格差により、教育・収入・情報機会など社会的な不利益や分断が生まれる問題。②③④は用語の誤解。
Q111
【正解】①
【難易度】★
【出題】第9章 個人識別情報
【解説】PIIは氏名・住所・電話番号など「本人特定可能な情報」が該当する。②③④は該当しない。
Q112
【正解】①
【難易度】★★
【出題】第9章 個人情報保護法
【解説】個人情報取扱いでは利用目的の特定、本人同意、適切な管理等が必須。②③④は法令違反やガイドライン無視。
Q113
【正解】①
【難易度】★★
【出題】第9章 GDPR
【解説】GDPRでは自己データの開示・訂正・削除・利用停止などの権利がデータ主体(個人)にある。②③④は誤り。
Q114
【正解】①
【難易度】★★
【出題】第9章 匿名化・仮名化
【解説】プライバシー・法令遵守のため個人を特定できない形でデータ利用を可能にする。②③④は本質と異なる。
Q115
【正解】①
【難易度】★★
【出題】第9章 データガバナンス
【解説】AI開発での事故や不正利用、品質劣化を防ぐため、明確なデータ管理・利用ルールの確立が不可欠。②③④は逆効果や誤り。
Q116
【正解】①
【難易度】★★
【出題】第9章 著作権法
【解説】著作物の利用には著作権者の許諾や利用範囲の確認が必要で、違反すると法的リスクがある。②③④は誤認。
Q117
【正解】①
【難易度】★★
【出題】第9章 AI開発契約
【解説】著作権の帰属を明確化することで、後のトラブルや権利侵害を防ぐ。②③④は現実の契約運用と異なる。
Q118
【正解】①
【難易度】★★
【出題】第10章 バイアス是正
【解説】学習データやモデル設計の見直しによるバイアス是正は、公平性と社会的信頼確保に不可欠。②③④は誤り。
Q119
【正解】①
【難易度】★★
【出題】第10章 説明性
【解説】モデル判断の根拠を説明できれば利用者や社会の信頼獲得や誤用防止につながる。②③④は説明性軽視。
Q120
【正解】①
【難易度】★★★
【出題】第7章/時事 2025年日本AIガイドライン
【解説】2025年3月28日に発表された日本政府のAIガイドラインは、安全性・公平性・説明性・プライバシー保護など、社会的要請に応えた開発運用指針を明示。②③④はガイドライン内容と異なる。
Q121. Explainable AI(XAI)の代表的な応用例として最も適切なものを選べ。
① 医療診断でAIの判断根拠を医師に示す
② データ前処理の自動化
③ モデルの学習速度を上げる
④ AI開発コストの削減
Q122. AIにおける「倫理的意思決定」をサポートする仕組みの具体例として正しいものを選べ。
① AIシステムが判断理由やバイアスの有無を自動的に記録し、監査や再評価が可能になる設計
② モデルの精度のみを追求する設計
③ 全ての判断を人間が強制的に介入する設計
④ AIの学習結果を公開しない運用
Q123. データ品質評価の観点で「完全性(Completeness)」とは何を意味するか。
① 必要なデータが抜けや欠損なく揃っていること
② データ量が多いこと
③ データの形式が統一されていること
④ モデルの性能が高いこと
Q124. 機械学習パイプライン自動化(AutoML)の主な利点として正しいものを選べ。
① 特徴量設計やモデル選択など複雑な工程を自動化できる
② 全てのAI開発が不要になる
③ 手作業より必ず高精度なモデルが得られる
④ オープンデータが不要になる
Q125. 異常検知タスクでの「One-Class SVM」の特徴として最も適切なものはどれか。
① 正常データのみを使い、外れ値や異常点を検出する
② 多クラス分類が前提
③ ラベルなしデータは使えない
④ 全てのクラスタ数を事前指定する
Q126. 欠損値補完の手法で「多重代入法(Multiple Imputation)」の特徴として正しいものを選べ。
① 欠損値を複数回推定し、その平均や分布で補完する
② 常にゼロで補完する
③ 欠損値は削除しかできない
④ モデルの学習と無関係
Q127. 時系列予測モデルの評価指標で「MAE(平均絶対誤差)」の特徴を正しく説明したものを選べ。
① 予測値と実測値の絶対値の平均を示す
② 誤差の符号を考慮しない
③ MSEより外れ値の影響が小さい
④ すべて正しい
Q128. 季節性を持つ時系列データの予測に最適なモデルとして適切なものを選べ。
① SARIMA(季節性ARIMA)
② ロジスティック回帰
③ k-means法
④ 単純移動平均のみ
Q129. クラスタリング結果の評価指標として用いられる「シルエット係数(Silhouette Coefficient)」の特徴はどれか。
① 各データがどれだけ適切なクラスタに属するか評価する
② モデルの学習速度を表す
③ 正解ラベルが必要な指標
④ クラスタ数と必ず一致する
Q130. アンサンブル学習の「スタッキング(Stacking)」の特徴として正しいものを選べ。
① 複数の異なるモデルの出力を別のモデルで統合する
② 決定木だけを使う
③ 弱学習器を逐次結合する手法
④ 全て同じアルゴリズムを用いる
Q131. 畳み込みニューラルネットワーク(CNN)において、「重み共有」の主な利点を選べ。
① 入力画像の位置ずれに対してロバストになる
② 計算量やパラメータ数を削減できる
③ 局所的な特徴抽出が可能
④ すべて正しい
Q132. 「アテンション・マップ」の活用例として最も適切なものを選べ。
① 文章や画像データでモデルが注目した部分を可視化する
② 全ての出力層にノイズを加える
③ 入力データの順序をランダム化する
④ バイアス値をゼロにする
Q133. 時系列データの「自己回帰(AR)モデル」と「移動平均(MA)モデル」の主な違いを選べ。
① ARは過去データ自体を説明変数、MAは誤差項を説明変数とする
② 両者に理論的な違いはない
③ ARは季節成分のみ扱う
④ MAは分類問題にのみ適用
Q134. AIの開発・運用において重視される「AI倫理原則」に含まれる内容として最も適切なものを選べ。
① 公平性・説明性・プライバシー保護・安全性など
② モデルの精度だけを優先する
③ 開発スピードの最大化
④ 倫理原則の制定は不要
Q135. AIガバナンスにおける「監査トレース(Audit Trail)」の役割を選べ。
① モデル構築や運用の全履歴を記録し、後から確認できるようにする
② 学習データ量を減らす
③ パラメータの最適化に特化
④ 説明性や透明性と無関係
Q136. AI活用での「人間中心設計(Human-Centered Design)」の利点として最も適切なものを選べ。
① 利用者視点での使いやすさや信頼性・社会受容性の向上
② 設計コストの増大
③ ユーザーを排除する仕組み
④ 全ての機能を自動化
Q137. 2025年春発表の「日本版AIホワイトペーパー」の注目内容として適切なものを選べ。
① 産業応用・リスク管理・人材育成・倫理指針など総合的動向を整理
② AIの全面禁止方針
③ 国外のみの動向を収録
④ データ駆動型経営に限定
Q138. 2025年5月現在、OpenAIの次世代大規模言語モデル「GPT-5」に関する状況として最も適切なものを選べ。
① テキスト、画像、音声のマルチモーダル処理能力が大幅に強化され、既に一般公開されている。
② 公式にはまだ発表されておらず、具体的な機能やリリース時期は未定である。
③ 音声認識機能は削除されたが、テキスト生成能力はGPT-4を大幅に上回る。
④ 計算能力が大幅に低下し、モデルの小型化に注力している。
Q139. 2024年12月にEUで新設された「AIオフィス(AI Office)」の役割として最も適切なものを選べ。
① AI規制や政策の調整・監督、違反時の指導・罰則等を担う中央組織
② AIの基礎研究のみを担当
③ AIプロジェクトの開発受託専業
④ ユーザーサポート専用窓口
Q140. 最新の「AI国際標準化」動向(2025年5月時点)に関する説明として適切なものを選べ。
① 国際連携が進み、倫理・安全・説明性など共通基準の策定が加速
② 各国で全く独立した規格しか議論されていない
③ AI標準化は撤廃された
④ 産業界のみ対象で政策は含まれない
Q121
【正解】①
【難易度】★★
【出題】第10章 説明可能AI(XAI)
【解説】医療診断や金融、行政など意思決定に人間の納得や説明責任が不可欠な領域では、AIがなぜその結論に至ったかを医師等に説明するXAIが求められる。②③④はXAIの直接的な応用例ではない。
Q122
【正解】①
【難易度】★★
【出題】第10章 AI倫理的意思決定
【解説】AIの判断理由やバイアス有無を記録し、監査・再評価を容易にする設計は倫理的意思決定の具体例。他は倫理の本質や要件から逸脱する運用。
Q123
【正解】①
【難易度】★
【出題】第8章 データ品質評価
【解説】完全性(Completeness)は、必要な項目やデータが全て揃っており抜けや欠損がないこと。他は精度や形式など別の評価軸。
Q124
【正解】①
【難易度】★★
【出題】第6章 AutoML
【解説】AutoMLは特徴量設計やモデル選択・パラメータ調整など機械学習パイプラインの自動化で、専門家以外でも一定品質のモデルを得やすくなる。②③④はAutoMLの主目的や現実と異なる。
Q125
【正解】①
【難易度】★★
【出題】第8章 One-Class SVM
【解説】One-Class SVMは正常データのみを学習し、そこから外れるデータを異常として検出。②③④は特徴や応用の誤解。
Q126
【正解】①
【難易度】★★
【出題】第8章 欠損値補完
【解説】多重代入法は欠損値を複数回推定し、推定値の分布も考慮することで統計的なばらつきを反映した補完を可能とする。②③④は他の単純な補完法や誤解。
Q127
【正解】④
【難易度】★★
【出題】第8章 MAE(平均絶対誤差)
【解説】MAEは予測値と実測値の絶対誤差の平均で、誤差符号を考慮せず、MSEより外れ値に弱い(影響が小さい)という特徴が全て正しい。
Q128
【正解】①
【難易度】★★
【出題】第8章 時系列モデル
【解説】SARIMAは季節性のある時系列データを予測する代表的モデル。他の選択肢は季節成分を考慮しないか、分類やクラスタリングの手法。
Q129
【正解】①
【難易度】★★
【出題】第8章 シルエット係数
【解説】シルエット係数は各データ点が適切なクラスタに属しているかを0~1で評価し、クラスタリング結果の妥当性を測る指標。②③④は誤り。
Q130
【正解】①
【難易度】★★
【出題】第7章 スタッキング
【解説】スタッキングは複数異種モデルの出力を新たなメタモデルで統合し、単一モデルより高精度を狙う手法。②③④はアンサンブル内の別手法や誤解。
Q131
【正解】④
【難易度】★★
【出題】第12章 CNNの重み共有
【解説】CNNの重み共有は位置ずれへのロバスト性・パラメータ削減・局所特徴抽出をすべて可能にする。①②③全て該当する。
Q132
【正解】①
【難易度】★★
【出題】第23章 アテンションマップ
【解説】アテンションマップは文章や画像入力で、モデルがどこに注目して出力を決めたかを可視化する技術。他の選択肢はアテンションマップの本質ではない。
Q133
【正解】①
【難易度】★★
【出題】第8章 AR・MAモデル
【解説】AR(自己回帰)は過去のデータを、MA(移動平均)は過去の誤差項を説明変数にするという違いがある。②③④は定義や適用範囲の誤り。
Q134
【正解】①
【難易度】★
【出題】第10章 AI倫理原則
【解説】AI倫理原則には、公平性、説明性、プライバシー保護、安全性、人間中心など多様な社会的価値が含まれる。②③は一面的で、④は現代AI開発の国際動向に反する。
Q135
【正解】①
【難易度】★★
【出題】第10章 AI監査トレース
【解説】監査トレースはモデル構築や運用全体の履歴を記録し、不正やトラブル発生時に追跡可能とする。説明性・信頼性・品質管理に不可欠。②③④は役割誤解。
Q136
【正解】①
【難易度】★★
【出題】第7章 人間中心設計
【解説】人間中心設計はユーザー視点の使いやすさや信頼、社会受容性向上を目的とする。②③④は逆の効果や主旨外。
Q137
【正解】①
【難易度】★★
【出題】時事枠 2025年AIホワイトペーパー
【解説】2025年春発表の「AIホワイトペーパー2025」は、研究開発と利活用の一体的推進、未利用データの活用、人材育成、信頼性確保(倫理・リスク管理)など幅広い論点を網羅している。
②「AIの全面禁止方針」は本文中に存在せず誤り。
③ 国際連携は扱うものの、国内政策を中心に整理しており「国外のみ」に限定していない1。
④ データ駆動型経営は一要素にすぎず、ホワイトペーパーの主眼は産業・社会全体でのAI活用とガバナンスにある
Q138
【正解】②
【難易度】★★★
【出題】時事枠 2024年GPT-5新機能
【解説】2025年6月現在、OpenAIは「GPT-5」を公式にはまだ発表していません。 したがって、具体的な機能やリリース時期についても、公式な情報は提供されていません。
Q139
【正解】①
【難易度】★★★
【出題】時事枠 2024年EU AIオフィス
【解説】EU AIオフィスはAI規制・監督・違反是正等を担う中枢組織。②③④は役割が異なる。
Q140
【正解】①
【難易度】★★★
【出題】時事枠 2025年AI国際標準化
【解説】2025年現在、国際連携でAIの倫理・安全・説明性等の共通基準策定が加速。②③④は現実と異なるか範囲限定。
Q141. ファインチューニングと転移学習(Transfer Learning)の違いとして適切なものを選べ。
① 転移学習は事前学習済みモデルの一部または全体を新タスクに適用し、ファインチューニングは追加学習でパラメータを最適化する
② 両者に明確な違いはない
③ ファインチューニングは教師なし学習に限定
④ 転移学習は画像のみ、ファインチューニングはテキスト専用
Q142. データ漏洩(Data Leakage)が機械学習に与える影響として正しいものを選べ。
① モデルが本来得られない情報で学習し、過大評価や汎化性能低下を招く
② モデルの精度が必ず上がる
③ 学習データ量を増やせる
④ データ漏洩はモデルに影響しない
Q143. 組み合わせ問題:以下の手法と説明の組み合わせとして最も適切なものを選べ。
(ア)SMOTE (イ)アンサンブル (ウ)正則化
A. 複数モデルの統合/B. データ拡張/C. 過学習抑制
① ア-B、イ-A、ウ-C
② ア-A、イ-B、ウ-C
③ ア-C、イ-B、ウ-A
④ ア-B、イ-C、ウ-A
Q144. 機械学習モデルの評価で「クロスバリデーション」が推奨される理由を選べ。
① データ分割による偏りを減らし、汎化性能の客観的評価ができる
② 訓練データのみに依存した評価ができる
③ 評価指標を増やすため
④ 計算量を必ず減らすため
Q145. ランダムサーチとベイズ最適化の違いとして適切なものを選べ。
① ベイズ最適化は過去の評価結果をもとにパラメータ探索を効率化する
② ランダムサーチは必ず高精度な解を返す
③ 両者は同じ原理で動作する
④ ベイズ最適化はパラメータ探索に使えない
Q146. データバイアスの検出・緩和に用いられる分析技術として正しいものを選べ。
① 属性ごとの分布やアウトカムを分析し、不均衡や偏りを可視化する
② モデルの重みのみを調整する
③ データバイアスは検出不可能
④ バイアスは削除しなくても良い
Q147. AIにおける「シャドーIT」リスクの説明として適切なものを選べ。
① 組織管理外で個人が無断でAIツール等を導入・利用することで、情報漏洩やコンプライアンス違反につながる
② AIにシャドウ効果を加えること
③ 正規ツールの標準化
④ サイバー攻撃の別名
Q148. GDPRにおける「データポータビリティ権」の内容として正しいものはどれか。
① データ主体が自分の個人データを他サービスへ移転・コピーできる権利
② 企業が任意にデータを移管する権利
③ モデルのソースコードを請求できる権利
④ すべてのAIサービスに一律適用
Q149. 組み合わせ問題:
以下の語句と定義の組み合わせとして最も適切なものを選べ。
(ア)機密性 (イ)可用性 (ウ)完全性
A. サービスの継続利用可能性/B. データ改ざん防止/C. 情報アクセス制限
① ア-C、イ-A、ウ-B
② ア-A、イ-B、ウ-C
③ ア-B、イ-C、ウ-A
④ ア-C、イ-B、ウ-A
Q150. AI社会実装の観点から、説明責任を果たすために必要な仕組みはどれか。
① ログ記録や根拠可視化、第三者監査等の仕組みを整備する
② 全自動化で記録不要とする
③ ブラックボックス化を進める
④ 説明責任は求められない
Q151. モデルのパフォーマンス低下につながる「コンセプトドリフト(Concept Drift)」の説明として正しいものを選べ。
① 時間経過でデータ分布や関係性が変化し、モデルが現実に適合しなくなる現象
② モデルの学習が停止する現象
③ コンセプトドリフトはモデル評価に影響しない
④ 学習時に誤差が減る現象
Q152. AIモデルの「説明性」と「透明性」の違いについて正しいものを選べ。
① 説明性は判断根拠の提示、透明性は設計や運用の公開を指す
② 両者は同じ意味
③ 透明性はAIの精度のみ表す
④ 説明性は設計図の公開のみ
Q153. AIの「ロバストネス(Robustness)」を高める取り組み例として適切なものはどれか。
① ノイズや外部環境変動でも誤作動しない学習や検証を行う
② モデルの計算コストを増やす
③ 全データを削除する
④ ロバストネスは必須要件ではない
Q154. 法適用問題:2025年6月時点でのAIの著作物生成に関し、日本の著作権法上の扱いで正しいものを選べ。
① AIが自動生成した著作物は原則として著作権保護の対象外となる
② AI著作物は自動的にAI開発者に帰属
③ 著作権はAI自身に付与される
④ すべてのAI生成物が著作権保護対象
Q155. 組み合わせ問題:以下のアルゴリズムと主な用途の組み合わせで正しいものを選べ。
(ア)t-SNE (イ)LIME (ウ)RANSAC
A. 外れ値に頑健な回帰/B. 高次元データの可視化/C. モデルの局所的解釈
① ア-B、イ-C、ウ-A
② ア-C、イ-B、ウ-A
③ ア-A、イ-B、ウ-C
④ ア-B、イ-A、ウ-C
Q156. 次のうちAIセーフティ(安全性)を高める施策として最も適切なものはどれか。
① テスト・評価・監視・異常検知等を多層的に実施する
② 開発コスト削減のためテストを省略する
③ AI判断はすべて無条件で採用する
④ 説明性と安全性は無関係
Q157. 2025年4月に国内自治体で導入が進んだ「AIチャット行政窓口サービス」の主な課題として適切なものを選べ。
① 利用者による誤用や不適切応答時の苦情・責任所在の明確化
② 全自治体で100%導入済み
③ チャットサービスは完全無人運用で問題ない
④ 課題は一切ない
Q158. 法適用問題:AIの生成コンテンツが「人格権侵害」となる可能性が議論される理由として正しいものを選べ。
① AIによる虚偽・誹謗中傷・肖像悪用等が人格権(名誉・プライバシー)を侵害しうるため
② AIには法的責任が自動で課せられる
③ AI生成物は人間と全く同じ法的扱い
④ コンテンツが人格権に影響しない
Q159. 2025年春の日本における「AIリスクアセスメント義務化」新制度の主な内容として正しいものを選べ。
① AI導入時にリスク分析・評価・対策計画が法的に求められる
② 企業はリスク評価を省略できる
③ リスクアセスメントは研究目的のみ
④ 2025年以降廃止された
Q160. 2024~2025年発表の生成AIサービス導入企業が留意すべき事項として最も重要なものを選べ。
① 利用規約や著作権・個人情報保護等の法令遵守と倫理的リスク管理
② サービスの無料化
③ AIモデルの非公開化
④ 法律やガイドラインを無視した迅速導入
Q141
【正解】①
【難易度】★★
【出題】第6章 転移学習・ファインチューニング
【解説】転移学習は事前学習済みモデルの知識を新しいタスクに応用する広い枠組みであり、ファインチューニングは転移したモデルを追加学習し、目的タスクに特化してパラメータ調整する工程。②は区別しない誤り、③④は範囲や用途が限定的で誤り。
Q142
【正解】①
【難易度】★★
【出題】第7章 データ漏洩
【解説】学習時に本来得られない情報(テストデータの特徴など)が混入することで、実際には使えない情報をモデルが活用し、評価が過大になったり汎化性能が著しく低下する。②③④は本質的な影響の誤解。
Q143
【正解】①
【難易度】★★
【出題】第8章 組み合わせ問題
【解説】SMOTE=B(データ拡張)、アンサンブル=A(複数モデル統合)、正則化=C(過学習抑制)が正しい対応。類似語句の混同に注意。
Q144
【正解】①
【難易度】★★
【出題】第10章 クロスバリデーション
【解説】クロスバリデーションはデータの分割や複数回の評価で分割による偏りを低減し、汎化性能を客観的に測れる。②③④は目的や効果と異なる。
Q145
【正解】①
【難易度】★★
【出題】第16章 ベイズ最適化
【解説】ベイズ最適化は過去の探索履歴や獲得関数に基づき、探索効率を高める。ランダムサーチは単純に無作為探索。②③④は原理や適用範囲の誤解。
Q146
【正解】①
【難易度】★★
【出題】第10章 バイアス検出・緩和
【解説】バイアス検出・緩和は属性ごとのデータ分布やアウトカム比較など分析を通じて行う。重み調整や削除だけでは不十分。③④は誤り。
Q147
【正解】①
【難易度】★★
【出題】第7章 シャドーIT
【解説】企業等の統制外で勝手にAIサービスを導入・利用することで情報漏洩や法令違反のリスクとなる。②~④は用語の誤用や限定的な内容。
Q148
【正解】①
【難易度】★★
【出題】第9章 GDPRデータポータビリティ
【解説】データ主体(本人)が自分の個人データを取得し、他サービスへ移すことができる権利。②は主体が逆、③④は本旨から外れる。
Q149
【正解】①
【難易度】★★
【出題】第9章 情報セキュリティ三要素
【解説】機密性=情報アクセス制限(C)、可用性=サービス継続(A)、完全性=改ざん防止(B)が正しい。選択肢の順番に注意。
Q150
【正解】①
【難易度】★★
【出題】第7章 AI社会実装と説明責任
【解説】説明責任の実現にはログ記録・根拠の可視化・監査体制など多重の仕組みが重要。②~④は説明責任を果たさず、社会的信用を失う恐れがある。
Q151
【正解】①
【難易度】★★
【出題】第10章 コンセプトドリフト
【解説】コンセプトドリフトは時間経過でデータや関係性が変化し、現状に合わなくなることでモデル精度が低下する現象。②~④は現象の説明が誤り。
Q152
【正解】①
【難易度】★★
【出題】第10章 説明性と透明性
【解説】説明性は判断根拠の提示、透明性は設計や運用の公開で、両者は目的や方法が異なる。②~④は定義や本質の混同。
Q153
【正解】①
【難易度】★★
【出題】第7章 ロバストネス
【解説】ノイズ・変動・攻撃等への耐性を高める検証や学習がロバストネス向上に不可欠。②~④は誤り。
Q154
【正解】①
【難易度】★★★
【出題】第9章/時事 著作権法2025
【解説】2025年6月時点の日本の著作権法は、AIが自動生成したコンテンツは「著作物」に該当せず原則保護対象外。
日本の著作権法は「創作的表現をした主体が人間であること」を著作物性の前提としており、AIが完全自動で生成したコンテンツには著作権が発生しないという文化庁見解が維持されている123。
②は、著作権が発生する場合でも帰属先は創作に関与した人間(利用者など)であり、AI開発者に自動的に帰属する規定はないため誤り4。
③は、著作権は自然人または法人にのみ帰属し、AI(非自然人)自体に権利主体性は認められないため誤り23。
④は、AI生成物のうち人間が創作的に関与したケースのみ著作権が認められる可能性があるため「すべて」が保護対象という記述は誤り
Q155
【正解】①
【難易度】★★
【出題】第8章/第10章 組み合わせ
【解説】t-SNE=高次元データ可視化、LIME=モデル局所的解釈、RANSAC=外れ値に頑健な回帰。A~Cとアルゴリズムの関係性に注意。
Q156
【正解】①
【難易度】★★
【出題】第7章 AIセーフティ
【解説】多層的なテスト・評価・監視・異常検知等を通じてAIの安全性確保が不可欠。②~④は安全軽視で不適切。
Q157
【正解】①
【難易度】★★
【出題】第7章/時事 2025年AIチャット行政窓口
【解説】AI行政チャット窓口は利用者の誤用や苦情対応・責任所在明確化が社会実装上の大きな課題。
自治体の生成AI/チャットボット導入では、誤回答や不適切な内容が出た際の苦情対応や責任分担が大きな論点とされており、セキュリティ・プライバシーと並ぶ主要課題に挙げられている。
都道府県・政令市は導入率100%でも、市区町村は45〜50%に留まり「全国100%導入」には達していないため②は誤り。
現場では高齢者対応や有人バックアップを前提とした運用設計が推奨されており、「完全無人で問題ない」とはされていないため③は誤り。
課題はセキュリティ、人材不足、データ整備など多岐にわたると報告されており、「一切ない」という④も誤り
Q158
【正解】①
【難易度】★★★
【出題】第9章/時事 AIと人格権
【解説】AIによる虚偽発信・中傷・肖像悪用等が名誉権やプライバシー権など人格権を侵害するリスクがあり、法的議論が続いている。②③④は法適用や影響範囲の誤認。
Q159
【正解】①
【難易度】★★★
【出題】第7章/時事 2025年AIリスクアセスメント義務
【解説】2025年5月に成立し6月4日に公布された「人工知能関連技術の研究開発及び活用の推進に関する法律(AI新法/AI推進法)」は、AIを活用する事業者に対し透明性確保やリスク評価基準の策定などを義務付けると報じられている。AI導入時にリスク分析・評価・対策計画を行う義務が生じるという①の記述が事実と合致し正解。
②は法はリスク評価の義務化を掲げており、省略は認められない。
③は対象は研究用途に限定されず、産業利用も含む。
④は公布後に廃止された事実はなく、施行に向けた準備が進められている
Q160
【正解】①
【難易度】★★★
【出題】時事枠 2024-2025年 生成AI導入企業留意点
【解説】2024〜2025年に公表された企業向けガイドラインや専門解説は、生成AI導入時の最優先事項として「法令遵守」「倫理的リスク管理」「著作権・個人情報保護への配慮」を繰り返し強調している。
経産省「AI事業者ガイドライン」も、AIライフサイクル全体でのリスク特定と軽減措置を事業者に求めている。
AI新法(2025年6月公布)は透明性確保やリスク評価を義務付けており、企業は法的責任を回避するためにガバナンス体制の構築が不可欠。
② サービスが無料かどうかは導入判断の一要素にすぎず、リスク管理より優先されるものではない。
③ モデル非公開化はセキュリティ上の選択肢に過ぎず、ガバナンスの核心ではない。
④ 法律やガイドラインを無視した迅速導入は、AI新法や各種ガイドラインが義務付けるリスク評価・透明性要件に反し、重大な法的リスクを生むため不適切。

チャレンジ問題20
Q1.
AIシステム運用時に生じうるリスクと具体的な対応策の組み合わせで最も適切なものを選べ。
(ア)コンセプトドリフト (イ)AIのバイアス (ウ)サイバー攻撃
A. ログ監視・運用時のモデル再学習/B. 学習データ・アルゴリズムの見直し/C. セキュリティ対策・アクセス制御
① ア-A、イ-B、ウ-C
② ア-B、イ-C、ウ-A
③ ア-C、イ-A、ウ-B
④ ア-B、イ-A、ウ-C
Q2.
2025年のAI生成画像規制において、著作権・肖像権の両方を侵害する危険が高い状況はどれか。
① 有名人の写真を学習し、本人になりすました画像を公開・商用利用
② 自作の手書きイラストのみを生成
③ 著作権切れの作品だけを対象
④ 訓練用画像をすべて匿名化処理する
Q3.
最新の「Diffusion Transformer」系モデルが従来GANより画像生成タスクで優れる要因として正しいものを選べ。
① 学習安定性が高く、モード崩壊が起きにくい
② 学習速度が常に高速
③ 入力データが不要
④ 画像分類精度しか上がらない
Q4.
AIの自動意思決定で「説明責任」を問われる典型的な社会シーンを選べ。
① 金融機関でのローン審査拒否理由を利用者に説明する場合
② 動画の自動再生順が変化する場合
③ 音楽プレイリストの自動生成
④ ゲーム内キャラクターのAI行動選択
Q5.
多クラス分類の実運用で「クラス不均衡」問題が最も顕著に現れる場面はどれか。
① 医療診断AIで、陽性(病気)サンプルが全体の1%しかない
② 画像分類で全クラスが均等
③ ランダムサンプリングを十分実施
④ データ拡張により全クラス量が同等
Q6.
以下の最新キーワードと説明の組み合わせで正しいものを選べ。
(ア)AIファクトシート (イ)RLHF (ウ)自己監督学習
A. AIシステムの仕様・リスク情報公開書類/B. 人間のフィードバックによる強化学習/C. ラベル不要で特徴表現を学習
① ア-A、イ-B、ウ-C
② ア-C、イ-A、ウ-B
③ ア-B、イ-C、ウ-A
④ ア-C、イ-B、ウ-A
Q7.
2025年5月に国際標準化機関ISOがAIリスク管理フレームワークで強調した要件はどれか。
① 継続的なリスクモニタリングと関係者間の説明責任
② モデル精度のみの追求
③ AIの全自動化
④ 社会的なリスク評価は不要
Q8.
AIによる異常検知で「ROC曲線」のAUC値が0.50近い場合、モデルの性能として正しいものはどれか。
① 正例・負例の判別ができていない(ランダムと同等)
② 異常検知精度が最高
③ クラス分布に関係なく高性能
④ 必ず過学習
Q9.
自己注意(Self-Attention)機構が時系列データ解析で注目される理由を選べ。
① 長期依存性のある特徴を柔軟に捉えやすい
② 入力順序を常に無視できる
③ パラメータ数が極端に減る
④ 予測対象が減少する
Q10.
以下の混同行列におけるF値(F1スコア)を計算し、正しい値を選べ。

① 0.727
② 0.800
③ 0.615
④ 0.889
Q11.
2025年発表の「生成AIの悪用対策」で国際的に導入された技術基盤として正しいものを選べ。
① コンテンツ認証のための透かし・電子署名付与技術
② AIモデルの完全非公開
③ 生成物の自動削除
④ ブロックチェーンによる仮想通貨決済
Q12.
AI倫理監査の実施で、最低限チェックすべき観点として適切なものはどれか。
① バイアスの有無、説明性、プライバシー保護
② モデルの開発期間のみ
③ 実装者の氏名
④ サーバ機器の型番
Q13.
AIの社会実装で「人的介入(Human-in-the-Loop)」が必要とされる理由を選べ。
① 自動化判断が社会的に許容できないケースや想定外エラーに人間が対応するため
② モデルのパラメータ調整目的
③ サンプル数を増やすため
④ 入力データの暗号化
Q14.
L2正則化項の数式表現として正しいものを選べ。
① Text表示: λ × Σ(重み^2)
② Text表示:λ × Σ|重み| ※(重みの絶対値の和)
③ Text表示:λ × Σ(重み) ※(重みの総和)
④ Text表示:λ × Σ(重み^3)
Q15.
AIによる推薦システムが「過剰なパーソナライゼーション」に陥るリスクとして最も正しいものを選べ。
① フィルターバブル(特定嗜好や情報に極端に偏る状態)
② 全ユーザーが同じ情報を表示
③ 推薦の多様性が向上
④ 必ずユーザー満足度が最大化
Q16.
2025年春のAI法規制の変化で「プロバイダ責任制限法」改正案のAI関連ポイントとして正しいものはどれか。
① AI生成コンテンツの違法有害情報に対しプロバイダ側の対応義務が強化された
② AIサービスはすべて免責
③ SNS投稿には関係しない
④ 生成AIモデルの登録が義務化
Q17.
プライバシー保護技術「差分プライバシー」の特徴として最も適切なものを選べ。
① 個人データ単体への影響をランダムノイズで隠し、統計集計は正確に近くする
② 個人情報を完全に削除
③ ノイズは加えない
④ モデルの重みだけを匿名化
Q18.
アンサンブル手法「バギング」と「ブースティング」の主要な違いを選べ。
① バギングは並列学習、ブースティングは逐次学習で重みを調整
② どちらも逐次学習
③ ブースティングは誤差に関係なく重みを一定
④ バギングは単一モデルのみ使用
Q19.
2025年のAIガバナンス国際会議で合意された原則として、説明責任と並んで特に強調されたキーワードを選べ。
① 包摂性(Inclusion)
② 計算コスト削減
③ モデル圧縮
④ 無条件自動運用
Q20.
AIによる自動翻訳サービスが著作権侵害と指摘されるリスクが高いケースはどれか。
① 著作権者の許諾なく有料書籍全文を翻訳し公開した場合
② 公開論文の引用のみ
③ 翻訳結果を私的利用のみ
④ 翻訳データを全て削除済み
Q1
【正解】①
【難易度】★★★
【出題】第7・10章 ケース/組み合わせ
【解説】コンセプトドリフトにはA(再学習やログ監視で対応)、AIバイアスにはB(学習データやアルゴリズムの見直し)、サイバー攻撃にはC(セキュリティ対策やアクセス制御)が正しい組み合わせ。リスク特性ごとに異なるアプローチが必須。
Q2
【正解】①
【難易度】★★★
【出題】第9章/時事 著作権・肖像権
【解説】有名人の写真を無断で学習データに使い、その人物そっくりの画像を生成・商用利用すると、
‐ 写真自体の複製・翻案として著作権侵害が問題になり得る。
‐ 本人の容貌や名前等を営業目的で利用するため肖像権・パブリシティ権侵害のリスクも高い。
②は自作イラストのみを生成するため第三者の権利を侵害する可能性が低い。③は著作権保護期間が満了した作品のみを対象とするため著作権侵害の恐れは原則ない。④は学習用画像を匿名化しているため特定個人を想起させにくく、肖像権リスクを抑えられる。
Q3
【正解】①
【難易度】★★★
【出題】時事枠 Diffusion Transformer
【解説】Diffusion Transformerは生成過程の安定性が高く、GANで課題となったモード崩壊(出力の多様性喪失)が少ないのが利点。②は必ずしも正しくなく、③④は誤解。
Q4
【正解】①
【難易度】★★★
【出題】第10章 説明責任
【解説】金融ローン審査など社会的影響の大きい自動判断は説明責任が特に問われる。②③④は説明の社会的責務が小さい。
Q5
【正解】①
【難易度】★★★
【出題】第8章 クラス不均衡
【解説】陽性が極端に少ない医療AI等では、精度指標だけでは真の性能評価が困難。②③④は不均衡問題が現れにくい状況。
Q6
【正解】①
【難易度】★★★
【出題】時事枠 ファクトシート・RLHF・自己監督
【解説】AIファクトシート=A(AI情報公開書類)、RLHF=B(人間のフィードバック強化学習)、自己監督学習=C(ラベルなし学習)が正しい。混同に注意。
Q7
【正解】①
【難易度】★★★
【出題】時事枠 2025年ISO
【解説】ISO/IEC 42001 は AI マネジメントシステムにおいて「リスクを特定・評価した後、運用管理策を実装し、AI システムを継続的に監視・改善する」ことを正式要件として定めている。同標準では Clause 6.1.3 で risk ownership を明確化し、「組織内の責任者を特定し説明責任を負わせる」ことを求めている。2025年5月公表の実務解説(AWS Blog 2025-05-15)は ISO 42001 を取り上げ、「継続的モニタリング」と「説明責任の階層的ガバナンス」を核心に据えている。
②はISO 42001 は公平性・説明可能性・安全性など多面的リスクを扱っており、精度のみの追求は要件外。③は同標準は人による監督とガバナンス体制を必須とし、AI の全自動運用を推奨していない。④は社会・倫理的影響を評価する AI インパクトアセスメント(AIIA)が高リスク用途で推奨されており、「社会的リスク評価は不要」という趣旨に反する
Q8
【正解】①
【難易度】★★★
【出題】第8章 ROC曲線応用
【解説】AUC=0.50付近は正例・負例の区別ができていない(無作為と同等)の意味。②③④は高性能や誤学習ではない。
Q9
【正解】①
【難易度】★★★
【出題】第23章 自己注意
【解説】自己注意機構は長期依存性を柔軟に捉えるのが得意で、系列が長い・複雑な時系列解析に有効。②③④は副次的・誤解。
Q10
【正解】①(F値 ≒ 0.727)
【難易度】★★★
【出題】第10章 F値計算
【解説】適合率=20/(20+5)=0.80、再現率=20/(20+10)=0.666...、F値=2×0.8×0.666/(0.8+0.666)=0.727。計算力も問う問題。
Q11
【正解】①
【難易度】★★★
【出題】時事枠 生成AI悪用対策
【解説】2025年には生成AIコンテンツに透かし・電子署名等の認証技術導入が国際的に拡大。
2025年は生成AIの悪用(偽情報・なりすまし等)対策として「AI 生成物に機械可読な透かしやメタデータを埋め込み、後から真正性を検証する」技術が各社・各国で本格採用された年と位置づけられる。
Google は SynthID を拡張し、画像・音声・動画・テキストを対象とする検出ポータルを5月に公開。 同年6月の解説も「AI生成物識別ツールの最新動向」として SynthID をはじめ複数社の透かし技術を紹介し、国際的な標準化の必要性を指摘。中国は 2025年9月施行の規制で「すべてのAI生成コンテンツに視認可能ラベルとメタデータ埋め込みを義務化」すると発表し、透かし除去の禁止まで明記。OpenAI や Adobe も 2024~25年にかけて独自のウォーターマーキング/電子署名基盤を順次発表し、2025年には事実上「国際的に導入された技術基盤」として扱われている。
②はAIモデルを完全非公開化しても悪用検知や利用者への透明性を損ない、対策の国際的合意事項には含まれていない。③は生成物の自動削除はプラットフォーム側の運用措置に過ぎず、技術「基盤」として国際合意されたわけではない。④はブロックチェーン決済は生成AI悪用対策とは直接関係せず、会議や標準化文書でも主要テーマになっていない。
Q12
【正解】①
【難易度】★★★
【出題】第10章 AI倫理監査
【解説】最低限の倫理監査では、バイアス・説明性・プライバシー保護が必須。②③④は本質と無関係。
Q13
【正解】①
【難易度】★★★
【出題】第7章 人的介入
【解説】AI単独判断が許容されない領域や異常時に人的介入が必要(Human-in-the-Loop)。②③④は主目的ではない。
Q14
【正解】①
【難易度】★★★
【出題】第8章 L2正則化
【解説】L2正則化は「λ × 重みの2乗和」が正しい。②L1正則化、③④は異なる。
Q15
【正解】①
【難易度】★★★
【出題】第6章 フィルターバブル
【解説】過剰なパーソナライゼーションによりフィルターバブル(同質情報の閉鎖空間)が生まれ、利用者に多様な視点が届かなくなる。②~④はリスクの説明として誤り。
Q16
【正解】①
【難易度】★★★
【出題】時事枠 2025年法改正
【解説】改正プロバイダ責任制限法は「情報流通プラットフォーム対処法」として再編され、2025年4月1日から施行される。同法は大規模プラットフォーム事業者に対し、権利侵害・違法有害情報(名誉毀損、著作権侵害等)への迅速な削除判断や対応状況の公表を義務付け、罰則も設けた。
規制対象となる情報の種類にAI生成物を排除する規定はなく、生成AIによる違法・有害な投稿も「権利侵害情報」として削除対応義務の範囲に含まれるため、①が正しい。
②は改正法は大規模プラットフォームに新たな義務と罰則を課しており、AIサービスを含め一律に免責するものではない。
③はSNSは主要な大規模プラットフォームとして想定されており、改正法の中心的対象であるため無関係ではない。
④は生成AIモデル自体の登録義務を定める条文はなく、法の主眼は投稿プラットフォーム運営者の削除体制と透明性強化にある
Q17
【正解】①
【難易度】★★★
【出題】第9章 差分プライバシー
【解説】差分プライバシーは個別データの影響をノイズで隠蔽し、全体の統計値は正確性を維持。②③④は誤解。
Q18
【正解】①
【難易度】★★★
【出題】第7章 バギング・ブースティング
【解説】バギングは並列学習(データサンプルごとに独立)、ブースティングは逐次学習(前の誤りに重みづけ)で明確に異なる。
Q19
【正解】①
【難易度】★★★
【出題】時事枠 2025年AIガバナンス
【解説】2025年2月公表のアテネ・ラウンドテーブル報告書は「inclusive AI governance」を掲げ、説明責任(Accountability)と並んで多様な利害関係者の参画を必須要素と位置づけた。5月のドーハ会議でも「Digital inclusivity is non-negotiable」と明言し、包摂性を核心原則に据えた。6月のG7首脳コミュニケも、AIガバナンスで「包摂性を促進する国際的枠組み」の形成を合意事項としている。
②は計算コスト削減、③はモデル圧縮は技術的テーマであり、ガバナンス原則としては主要議題に挙がっていない。④は無条件自動運用はリスク管理の対極にあり、会議で強調された内容ではない。
Q20
【正解】①
【難易度】★★★
【出題】第9章/時事 著作権侵害
【解説】著作権者の許諾なく有料書籍などを自動翻訳・公開すると著作権侵害となる。他の選択肢は私的利用や正当な範囲。
ご利用にあたって
本問題は、一般社団法人日本ディープラーニング協会(JDLA)が公開する「G検定(ジェネラリスト検定)シラバス 2024」 に基づいて、出題範囲の理解促進を目的として独自に作成されたものです。
JDLAならびにG検定の試験実施機関とは一切関係ありません。
出題形式や選択肢、解説は正確性・網羅性を完全に保証するものではありません。
本資料の利用はあくまで学習補助・理解促進の参考資料としてご活用ください。 利用によって生じた結果や損害について、制作者は一切の責任を負いません。
問題は基礎を中心として単純な知識選択型(定義や特徴などの正誤や適合判断)としております。そこそこ問題配分は考えて作成しています。
【★ / ★★ / ★★★】は各問題の難易度(Difficulty)を表しています。
★(1つ星)=基礎レベル
→ 基本定義や単語の意味理解など、暗記で解ける問題。
例:AIの定義、教師あり学習の代表例、PCAの目的など。★★(2つ星)=応用レベル
→ 概念の比較や誤り選択、複数要素の組み合わせ理解が必要。
例:L1とL2正則化の違い、F1スコアの意味、クラスタ数の決定方法など。★★★(3つ星)=実践・高度レベル
→ 実際のケース適用、評価指標の選択、数式・法的適用、時事モデル理解など。
例:GPT-4oのマルチモーダル特徴、AI倫理の制度設計、過学習の評価法など。