G検定（ジェネラリスト検定）模擬試験受験中

問1 AI倫理・法律・ガバナンスの発展問題

対象サンプルの近傍を解釈しやすい単純モデルで局所近似し、予測根拠を説明するモデル非依存手法はどれか。

1. SHAP
2. Grad-CAM
3. LIME
4. t-SNE

問2 生成AI・大規模言語モデル（LLM）の発展問題

LLMが一度に処理・参照できるトークン数の上限を表す語として正しいものはどれか。

1. バッチサイズ
2. コンテキストウィンドウ
3. エポック
4. 学習率

問3 AI社会実装と倫理・法律

EU AI Actのリスク分類として正しいのはどれか。

1. 2段階（許可・禁止）
2. 6段階（A-F）
3. 4段階（許容不可・高・限定・最小）
4. 階段なし

問4 機械学習手法の発展問題

ハイパーパラメータは学習の過程で勾配降下によって自動的に最適化されるパラメータの一種である。

問5 生成AI・大規模言語モデル（LLM）の発展問題

Chain-of-Thought（思考の連鎖）プロンプティングは、推論過程を段階的に明示させることで、複雑な推論タスクの精度を向上させる手法である。

問6 AI社会実装と倫理・法律

GDPRはアメリカの個人情報保護法である。

問7 ディープラーニング技術

モデルの規模を大きくしていくと、テスト誤差がいったん増えた後に再び減少する「二重降下（double descent）」現象が報告されている。

問8 人工知能の基礎と研究の歴史

MYCINは画像認識に特化したエキスパートシステムである。

問9 ディープラーニング技術

拡散モデルは2010年代前半から主流の画像生成手法である。

問10 ディープラーニング数理・最適化の発展問題

過去の勾配を慣性として蓄積し、振動を抑えつつ収束を速める最適化手法はどれか。

1. AdaGrad
2. 通常のSGD
3. RMSProp
4. モメンタム

問11 機械学習の基礎と手法

半教師あり学習は、少量のラベル付きデータと大量のラベルなしデータを併用して学習する手法である。

問12 機械学習の基礎と手法

ホールドアウト法の一般的なデータ分割比率として正しいのはどれか。

1. 訓練90%・テスト10%のみ
2. 訓練・テスト各50%
3. 訓練60%・検証20%・テスト20%等の3分割
4. 全データを訓練のみに使用

問13 AI倫理・法律・ガバナンスの発展問題

メンバーシップ推論攻撃（membership inference）は、ある特定のデータがモデルの学習に使われたか否かを推定する攻撃であり、プライバシー上の脅威となる。

問14 AI社会実装と倫理・法律

連合学習は全データを中央サーバーに集中させる手法である。

問15 ディープラーニング技術

訓練データが10,000件、ミニバッチのサイズが100のとき、1エポックあたりのパラメータ更新回数（イテレーション数）は100回である。

問16 機械学習の基礎と手法

教師あり学習は正解ラベルなしのデータから学習する手法である。

問17 ディープラーニング数理・最適化の発展問題

単純パーセプトロンが単独では解けない代表的な問題はどれか。

1. XOR問題
2. OR問題
3. AND問題
4. NOT問題

問18 RNN・自然言語処理・Transformerの発展問題

人間の聴覚が低い周波数の違いに敏感であることを反映した尺度でスペクトルを変換し、ケプストラム分析によって得る、音声認識で広く用いられる特徴量はどれか。

1. LPC
2. MFCC
3. CTC
4. PCM

問19 AI社会実装と倫理・法律

MLOpsが含むプラクティスとして該当しないものはどれか。

1. CI/CDパイプライン
2. アルゴリズム発明
3. 再学習自動化
4. モデルモニタリング

問20 機械学習の基礎と手法

適合率（Precision）の計算式として正しいのはどれか。

1. TP/(TP+FN)
2. 2PR/(P+R)
3. (TP+TN)/(TP+TN+FP+FN)
4. TP/(TP+FP)

問21 AI社会実装と倫理・法律

言語の研究や自然言語処理の学習のために、実際に使われた文章や話し言葉を大量に集め、品詞などの情報を付与して検索できるようにしたデータを何と呼ぶか。

1. コーパス
2. オントロジー
3. シソーラス
4. ナレッジグラフ

問22 機械学習の基礎と手法

協調フィルタリングは、利用履歴がまだない新規ユーザーや新規アイテムに対しても、履歴の多いユーザーと同じ精度で推薦できる。

問23 ディープラーニング技術

エポックとは、訓練データ全体を1回ずつすべて学習に使い終えるまでを1単位とする数え方である。

問24 CNN・画像認識の発展問題

GANの生成器と識別器に畳み込み層を用い、プーリング層の代わりにストライド付きの畳み込みを使うなどの工夫で、画像生成の学習を安定させたモデルはどれか。

1. StyleGAN
2. DCGAN
3. CycleGAN
4. pix2pix

問25 AI社会実装と倫理・法律

AI開発の委託契約では、学習済みモデルの性能は開発前に確実に見通せるため、開発者が契約で一定の推論精度を保証するのが一般的であり、「AI・データの利用に関する契約ガイドライン」もこれを推奨している。

問26 ディープラーニング技術

勾配消失問題の緩和に最も貢献した活性化関数として正しいのはどれか。

1. シグモイド関数
2. tanh関数
3. ステップ関数
4. ReLU関数

問27 RNN・自然言語処理・Transformerの発展問題

マルチヘッドアテンションを用いる主な目的として最も適切なものはどれか。

1. パラメータ数を1ヘッドより必ず減らすため
2. 位置情報を不要にするため
3. 異なる表現部分空間で多様な関係性を同時に学習するため
4. 勾配消失を完全になくすため

問28 生成AI・大規模言語モデル（LLM）の発展問題

アライメント（alignment）とは、複数のモデルの出力を平均して推論精度を高めるアンサンブル手法のことを指す。

問29 機械学習手法の発展問題

状態と行動の組に対する価値である行動価値関数Qを更新し最適方策を学ぶ手法はどれか。

1. k-means
2. Q学習
3. 主成分分析
4. ロジスティック回帰

問30 機械学習手法の発展問題

SARSAは、実際に選んだ次の行動の価値を使ってQ値を更新する方策オン型の手法であり、次状態で最大の行動価値を使って更新するQ学習（方策オフ型）とは更新式が異なる。

問31 生成AI・大規模言語モデル（LLM）の発展問題

重み更新を伴わず、プロンプト内の例や指示だけでタスクに適応する能力の名称はどれか。

1. 転移学習
2. 文脈内学習（in-context learning）
3. 強化学習
4. 自己教師あり学習

問32 人工知能の基礎と研究の歴史

ミニマックス法は片方が最大利得を取る貪欲法である。

問33 ディープラーニング数理・最適化の発展問題

各ミニバッチ内で中間層の出力を平均0分散1に正規化し、学習を安定化・高速化する手法はどれか。

1. バッチ正規化
2. early stopping
3. ドロップアウト
4. L1正則化

問34 AI社会実装と倫理・法律

AIシステムの導入には事前のステークホルダー合意形成が重要である。

問35 ディープラーニング技術

Double DQNは、DQNでQ値が実際より小さく見積もられる過小評価を解消するために提案された手法である。

問36 AI倫理・法律・ガバナンスの発展問題

『AI事業者ガイドライン』は法的拘束力を持つ罰則付きの法令であり、違反した事業者には課徴金が科される。

問37 人工知能の基礎と研究の歴史

ELIZA（イライザ）は1966年にワイゼンバウムが開発した初期の対話システムである。

問38 機械学習手法の発展問題

バイアスとバリアンスは互いに独立であり同時に最小化でき、両者はトレードオフの関係にはない。

問39 RNN・自然言語処理・Transformerの発展問題

word2vecで『周辺語から中心語を予測する』学習手法はどれか。

1. GloVe
2. skip-gram
3. CBOW
4. fastText

問40 CNN・画像認識の発展問題

U-Netはエンコーダとデコーダを持つが、両者をつなぐスキップ接続を一切持たない構造であるため、細部の位置情報は復元できない。

問41 CNN・画像認識の発展問題

R-CNNは画像全体を一度の順伝播で処理するため、Faster R-CNNよりも推論が高速な検出手法である。

問42 AI倫理・法律・ガバナンスの発展問題

著作権法上、プログラムの著作物の保護は、そのプログラムを作成するために用いるプログラム言語・規約・解法には及ばない。

問43 生成AI・大規模言語モデル（LLM）の発展問題

温度（temperature）パラメータを高く設定すると、出力の多様性が下がり常に同じ確定的な応答になる。

問44 AI倫理・法律・ガバナンスの発展問題

日本の個人情報保護法において、特定の個人を識別できないよう加工し復元も不可能にした、第三者提供が比較的容易な情報はどれか。

1. 匿名加工情報
2. 仮名加工情報
3. 要配慮個人情報
4. 個人関連情報

問45 機械学習手法の発展問題

複数の決定木をブートストラップ標本と特徴量のランダム選択で構築し統合するアンサンブル手法はどれか。

1. ロジスティック回帰
2. 主成分分析
3. ランダムフォレスト
4. k近傍法

問46 CNN・画像認識の発展問題

AlexNetで採用され、勾配消失を緩和して学習を高速化した活性化関数はどれか。

1. シグモイド関数
2. tanh
3. ソフトマックス
4. ReLU

問47 CNN・画像認識の発展問題

学習済みモデルの重みを初期値として対象タスクのデータで再学習し、ドメインに適合させる手法はどれか。

1. ファインチューニング
2. アンサンブル
3. プルーニング
4. 量子化

問48 AI倫理・法律・ガバナンスの発展問題

公平性指標の『均等化オッズ（Equalized Odds）』と『人口統計学的平等（Demographic Parity）』は、数学的に常に同時に満たすことができる。

問49 ディープラーニング技術

ニューラルネットワークは、人間の神経細胞（ニューロン）の動作を模倣した数理モデルである。

問50 人工知能の基礎と研究の歴史

IBMのWatsonは2011年にクイズ番組『Jeopardy!』で人間チャンピオンに勝利した。

問51 AI社会実装と倫理・法律

MLOpsはモデル開発のみで運用後は対象外である。

問52 機械学習手法の発展問題

訓練誤差が小さい一方で検証誤差が大きい状態が示す典型的な問題はどれか。

1. 過学習
2. 未学習
3. 勾配爆発
4. クラス不均衡

問53 ディープラーニング技術

GPUは多数の演算コアで行列演算を並列に処理できるため、ディープラーニングの学習の高速化に広く用いられている。

問54 ディープラーニング技術

プロンプトエンジニアリングで効果的な手法として該当しないものはどれか。

1. Few-shot prompting（少数例提示）
2. Chain of Thought（思考連鎖）
3. Zero-shot CoT（ステップ思考指示）
4. モデル再訓練

問55 機械学習の基礎と手法

バギングは弱学習器を逐次追加し誤差を補正する手法である。

問56 生成AI・大規模言語モデル（LLM）の発展問題

ハルシネーションは、学習データを増やせば必ず完全に解消できることが理論的に証明されている。

問57 RNN・自然言語処理・Transformerの発展問題

生のオーディオ波形を直接生成して自然な音声合成を実現したモデルはどれか。

1. ResNet
2. GAN
3. WaveNet
4. Word2Vec

問58 人工知能の基礎と研究の歴史

シンギュラリティ（技術的特異点）を2045年と予測した人物として正しいのはどれか。

1. レイ・カーツワイル
2. アラン・チューリング
3. ニック・ボストロム
4. スティーブン・ホーキング

問59 ディープラーニング技術

RNNは画像分類に特化したアーキテクチャである。

問60 CNN・画像認識の発展問題

インスタンスセグメンテーションは、同じクラスの個々の物体を区別せず一括して同一ラベルとして扱う点でセマンティックセグメンテーションと同一である。

問61 RNN・自然言語処理・Transformerの発展問題

Transformerと比較したRNN（LSTM・GRU含む）の特徴として正しいものはどれか。

1. 時刻を逐次処理するため並列化が難しい
2. 全位置を完全並列で計算する
3. 位置エンコーディングが必須である
4. 畳み込みのみで構成される

問62 人工知能の基礎と研究の歴史

モンテカルロ木探索は評価関数なしでは動作しない。

問63 生成AI・大規模言語モデル（LLM）の発展問題

DPO（Direct Preference Optimization）は、独立した報酬モデルや強化学習ループを用いずに、選好データから直接モデルを最適化する手法である。

問64 ディープラーニング技術

ファインチューニングは、事前学習済みモデルの全体または一部を新タスクのデータで再学習する手法である。

問65 AI社会実装と倫理・法律

AI暴走対策にフェイルセーフは不要である。

問66 機械学習手法の発展問題

Q学習は方策そのものを直接パラメータ化して期待報酬を勾配上昇で更新する方策ベースの強化学習手法である。

問67 生成AI・大規模言語モデル（LLM）の発展問題

ハルシネーション（hallucination）とは、LLMが事実に基づかない、もっともらしいが誤った情報を生成してしまう現象を指す。

問68 機械学習手法の発展問題

データの分散が最大となる直交方向を主成分として抽出する線形次元削減手法はどれか。

1. 主成分分析（PCA）
2. k-means
3. Q学習
4. サポートベクターマシン

問69 ディープラーニング数理・最適化の発展問題

十分な数の隠れユニットがあれば1層の隠れ層で任意の連続関数を近似できる、と述べる定理はどれか。

1. ノーフリーランチ定理
2. 万能近似定理
3. 中心極限定理
4. ベイズの定理

問70 ディープラーニング数理・最適化の発展問題

AdamWは重み減衰を勾配計算に混ぜ込むことで、従来のAdamより正則化の干渉を強めた手法である。

問71 RNN・自然言語処理・Transformerの発展問題

機械翻訳・要約・対話のように入力と出力の長さが異なる系列変換に適した基本アーキテクチャはどれか。

1. 単層パーセプトロン
2. 畳み込みニューラルネットワーク
3. エンコーダ・デコーダ構造（seq2seq）
4. 自己組織化マップ

問72 ディープラーニング技術

ReLU（Rectified Linear Unit）はx<0で0、x≥0でxを返す活性化関数である。

問73 CNN・画像認識の発展問題

セマンティックセグメンテーションは、画像中の各画素にクラスラベルを割り当てる画素単位の分類タスクである。

問74 RNN・自然言語処理・Transformerの発展問題

word2vecのCBOWは中心語から周辺語を予測し、skip-gramは周辺語から中心語を予測するモデルである。

問75 ディープラーニング数理・最適化の発展問題

二つの確率分布間の差異を測る非対称な指標であり、距離の公理は満たさないものはどれか。

1. ユークリッド距離
2. KLダイバージェンス
3. マンハッタン距離
4. コサイン類似度

問76 ディープラーニング技術

CNNの主要な構成層として該当しないものはどれか。

1. 畳み込み層
2. ゲート層
3. 全結合層
4. プーリング層

問77 生成AI・大規模言語モデル（LLM）の発展問題

LoRA（Low-Rank Adaptation）は、元のモデルの重みを凍結し、低ランクの追加行列のみを学習することでパラメータ効率よく微調整する手法である。

問78 人工知能の基礎と研究の歴史

モンテカルロ木探索の4段階として正しいものはどれか。

1. 入力→処理→出力→評価
2. 選択→展開→シミュレーション→バックアップ
3. 設計→実装→テスト→運用
4. 観測→計画→行動→学習

問79 機械学習手法の発展問題

次の状態が現在の状態と行動のみで決まると仮定する強化学習の数学的枠組みはどれか。

1. 主成分分析
2. サポートベクターマシン
3. マルコフ決定過程（MDP）
4. 勾配ブースティング

問80 RNN・自然言語処理・Transformerの発展問題

LSTMの忘却ゲート（forget gate）は、前時刻のセル状態の情報をどの程度保持するかを0〜1の値で制御する。

問81 RNN・自然言語処理・Transformerの発展問題

言語モデルそのものの予測性能を測る内的評価指標として最も代表的なものはどれか。

1. BLEU
2. ROUGE
3. F値
4. パープレキシティ（perplexity）

問82 生成AI・大規模言語モデル（LLM）の発展問題

Few-shotプロンプティングとは、プロンプト内に解答例を一切示さず、タスクの指示のみで回答させる手法のことである。

問83 AI社会実装と倫理・法律

経済産業省の「AI・データの利用に関する契約ガイドライン」は、AI開発をアセスメント・PoC・開発・追加学習の段階に分けて進める「探索的段階型」の開発方式を提唱している。

問84 AI社会実装と倫理・法律

AI開発における3つのV（Volume・Variety・Velocity）はビッグデータの特性として知られる。

問85 AI社会実装と倫理・法律

AIプロジェクトの一般的な進行段階として正しい順序はどれか。

1. 構想→PoC→実装→運用
2. 実装→PoC→構想→運用
3. 運用→構想→PoC→実装
4. PoC→実装→構想→運用

問86 RNN・自然言語処理・Transformerの発展問題

注意機構（Attention）がseq2seqにもたらした主な改善点として正しいものはどれか。

1. 計算量をゼロにした
2. 学習データを不要にした
3. 出力を必ず入力と同じ長さにした
4. 固定長ベクトルのボトルネックを解消し関連箇所を参照可能にした

問87 生成AI・大規模言語モデル（LLM）の発展問題

破滅的忘却とは、事前学習済みモデルを新しいタスクでファインチューニングしても、新しいタスクの知識をまったく獲得できなくなる現象である。

問88 人工知能の基礎と研究の歴史

特化型AI（弱いAI）は、特定タスクに特化したAIで現代の実用AIの多くがこれに該当する。

問89 AI社会実装と倫理・法律

連合学習（Federated Learning）の特徴として正しいのはどれか。

1. 全データを中央集中
2. データを破棄
3. データを完全に複製
4. データを集中せず各端末で学習し更新情報のみ共有

問90 機械学習の基礎と手法

交差検証はデータ全体を訓練のみに使い汎化性能を評価する。

問91 機械学習手法の発展問題

ベクトル自己回帰（VAR）モデルは、1つの変数について自分自身の過去の値だけを用いる単変量の時系列モデルである。

問92 RNN・自然言語処理・Transformerの発展問題

BLEUスコアは値が小さいほど機械翻訳の品質が高いことを意味する。

問93 生成AI・大規模言語モデル（LLM）の発展問題

Flamingoは画像と文章が交互に並んだ入力を扱える視覚言語モデルだが、新しいタスクに対応するには、必ずタスクごとに大量のデータでファインチューニングし直す必要がある。

問94 CNN・画像認識の発展問題

SSD（Single Shot MultiBox Detector）は、複数スケールの特徴マップを用いて一度の推論で多様な大きさの物体を検出する手法である。

問95 RNN・自然言語処理・Transformerの発展問題

Self-Attentionは系列の順序情報を内在的に保持しているため、位置エンコーディングは不要である。

問96 RNN・自然言語処理・Transformerの発展問題

機械翻訳の自動評価で、生成訳と参照訳のn-gram一致度を基に算出される指標はどれか。

1. BLEU
2. パープレキシティ
3. AUC
4. ROUGE

問97 機械学習手法の発展問題

正解率（accuracy）は陽性が極端に少ない不均衡データにおいても分類性能を適切に評価できる万能な指標である。

問98 生成AI・大規模言語モデル（LLM）の発展問題

知識蒸留（distillation）は、小さなモデルの出力を大きなモデルに学習させ、より大規模で重いモデルを得る手法である。

問99 生成AI・大規模言語モデル（LLM）の発展問題

エンコーダの出力を、学習で得られる有限個の代表ベクトル（コードブック）のうち最も近いものに置き換え、離散的な潜在表現を得る生成モデルはどれか。

1. VQ-VAE
2. β-VAE
3. info VAE
4. DCGAN

問100 人工知能の基礎と研究の歴史

第2次AIブームの終焉は計算機性能不足が唯一の原因だった。

問101 機械学習手法の発展問題

決定木の分割基準として一般に用いられる不純度の指標はどれか。

1. コサイン類似度
2. ジニ係数やエントロピー
3. 学習率
4. 割引率

問102 CNN・画像認識の発展問題

物体検出モデルの総合的な性能評価に広く用いられ、各クラスの平均適合率を平均した指標はどれか。

1. IoU
2. BLEU
3. mAP
4. 再現率

問103 CNN・画像認識の発展問題

特徴マップ全体を空間方向に平均してチャネルごとの1値に圧縮し、全結合層の代替として過学習を抑える手法はどれか。

1. 最大プーリング
2. グローバルアベレージプーリング
3. ストライド
4. 転置畳み込み

問104 RNN・自然言語処理・Transformerの発展問題

ワンホットベクトルでは、語彙数と同じ次元のうち該当する単語の要素だけを1、それ以外を0とするため、異なる単語どうしのベクトルの内積は常に0になり、単語間の意味の近さを表せない。

問105 機械学習手法の発展問題

候補値の全組合せを総当たりで試すハイパーパラメータ探索手法はどれか。

1. 勾配降下法
2. ベイズ最適化
3. ランダムサーチ
4. グリッドサーチ

問106 人工知能の基礎と研究の歴史

第3次AIブームの主役技術はエキスパートシステムである。

問107 機械学習の基礎と手法

教師あり学習に該当しないものはどれか。

1. 顧客のクラスタリング
2. スパムメール検出
3. 株価予測
4. 画像分類

問108 AI倫理・法律・ガバナンスの発展問題

日本の著作権法で機械学習等の情報解析目的の著作物利用を原則認める条文はどれか。

1. 第30条の3
2. 第32条
3. 第21条
4. 第30条の4

問109 ディープラーニング技術

プルーニング（枝刈り）は、学習済みネットワークの中で重要度の低い重みや結合を取り除き、モデルを軽量化する手法である。

問110 機械学習の基礎と手法

凝集型の階層クラスタリングで得られるデンドログラム（樹形図）は、どの高さで切るかによってクラスタの数を後から決めることができる。

問111 CNN・画像認識の発展問題

拡散モデルやGANは、いずれも教師あり分類専用のモデルであり、新規の画像を生成する能力は持たない。

問112 AI倫理・法律・ガバナンスの発展問題

AIの公平性におけるバイアスには、学習データ自体の偏りに起因する『データバイアス』のほか、開発者の前提や評価設計に起因する『アルゴリズムバイアス』も含まれる。

問113 ディープラーニング数理・最適化の発展問題

Xavier（Glorot）初期化はReLU専用に設計された手法であり、シグモイドやtanhに適用すると必ず勾配爆発を起こす。

問114 AI倫理・法律・ガバナンスの発展問題

協力ゲーム理論のシャープレイ値を用いて各特徴量の予測寄与を公平に配分する説明手法はどれか。

1. LIME
2. 決定木
3. k-means
4. SHAP

問115 機械学習手法の発展問題

Elastic NetはL1正則化とL2正則化を組み合わせた手法で、両者の長所をバランスよく取り入れることができる。

問116 ディープラーニング数理・最適化の発展問題

2つの変数の相関係数が1に近いほど、一方の変数が他方の変数の原因であることが統計的に示されたことになる。

問117 機械学習の基礎と手法

モデル選択の情報量規準のうち、パラメータ数に対する罰則がデータ数の対数に比例して重くなるものはどれか。

1. AIC（赤池情報量規準）
2. 自由度調整済み決定係数
3. BIC（ベイズ情報量規準）
4. 平均二乗誤差（MSE）

問118 RNN・自然言語処理・Transformerの発展問題

WaveNetは画像分類専用のアーキテクチャであり、音声分野には一切用いられない。

問119 生成AI・大規模言語モデル（LLM）の発展問題

画像の一部をマスクし、その領域だけを周囲と自然につながるように生成し直す画像編集の処理はどれか。

1. アウトペインティング
2. 超解像
3. スタイル変換
4. インペインティング

問120 AI社会実装と倫理・法律

アノテーションは機械が自動で完璧に行えるため人手不要である。

問121 CNN・画像認識の発展問題

異なるサイズの畳み込みを並列に適用するInceptionモジュールを採用したモデルはどれか。

1. VGG
2. U-Net
3. GoogLeNet
4. YOLO

問122 AI倫理・法律・ガバナンスの発展問題

一般に、モデルの予測精度と解釈性（説明可能性）の間にはトレードオフが存在する傾向がある。

問123 RNN・自然言語処理・Transformerの発展問題

双方向RNNの特徴として正しいものはどれか。

1. 画像専用で系列は扱えない
2. 未来情報を一切使わず逐次のみ処理する
3. 前後両方向から系列を処理し過去と未来の文脈を統合する
4. 勾配を必ずゼロにする

問124 機械学習の基礎と手法

ROC曲線のAUCが0.5の分類器は完全に正確である。

問125 生成AI・大規模言語モデル（LLM）の発展問題

画像やテキストなど多様な入力と出力をすべて離散的なトークンの列に変換し、1つのTransformerで物体検出・画像生成・質問応答など多数の視覚・言語タスクをまとめて扱えるようにしたモデルはどれか。

1. CLIP
2. DALL-E
3. Flamingo
4. Unified-IO

問126 RNN・自然言語処理・Transformerの発展問題

勾配クリッピング（gradient clipping）は、勾配のノルムが閾値を超えた場合に縮小して勾配爆発を防ぐ手法である。

問127 AI倫理・法律・ガバナンスの発展問題

GDPRにおいて『忘れられる権利』とも呼ばれる権利として最も適切なものはどれか。

1. 異議申立権
2. データポータビリティ権
3. アクセス権
4. 消去権（right to erasure）

問128 AI社会実装と倫理・法律

不特定多数の利用者に画一的な条件で提供するSaaS型のAIサービスでは、提供者が用意した利用規約は、利用者が条項を一つずつ確認して個別に同意しない限り、契約の内容にならない。

問129 ディープラーニング数理・最適化の発展問題

ReLU系の活性化関数に適しており、半数の入力が0になる性質を考慮した重み初期化はどれか。

1. Xavier初期化
2. He初期化
3. 一様乱数（範囲固定）
4. 全ゼロ初期化

問130 人工知能の基礎と研究の歴史

Watsonは囲碁で世界王者に勝利したAIである。

問131 CNN・画像認識の発展問題

mAP（mean Average Precision）は物体検出モデルの性能を表す指標であり、値が小さいほど検出性能が高いことを示す。

問132 機械学習の基礎と手法

F1値は適合率と再現率の算術平均である。

問133 AI社会実装と倫理・法律

ハルシネーション（幻覚）はLLMの完全に解決された問題である。

問134 人工知能の基礎と研究の歴史

フレーム問題はディープラーニングの登場により完全に解決された。

問135 RNN・自然言語処理・Transformerの発展問題

Transformerにおいて、Self-Attentionが捉えるのに最も得意とするものはどれか。

1. 系列内の長距離依存関係
2. 数値テーブルの欠損値補完
3. 音声の周波数スペクトルのみ
4. 画像のエッジなど局所的な空間特徴

問136 AI社会実装と倫理・法律

CRISP-ML(Q)は、CRISP-DMを機械学習の開発向けに発展させたプロセスモデルで、運用後のモニタリングと保守の段階を含み、各段階に品質保証の手順を設けている。

問137 人工知能の基礎と研究の歴史

ELIZAは深層学習に基づく対話型AIである。

問138 機械学習の基礎と手法

同じ程度にデータを説明できるなら、より単純なモデルを選ぶべきだとする考え方はどれか。

1. ノーフリーランチ定理
2. オッカムの剃刀
3. 次元の呪い
4. 醜いアヒルの子定理

問139 機械学習の基礎と手法

二乗誤差で評価した汎化誤差は、バイアスの二乗・バリアンス・削減できないノイズの和に分解でき、バイアスとバリアンスはトレードオフの関係にある。

問140 AI社会実装と倫理・法律

AI生成物の著作権は原則として人間の創作性が必要とされる。

問141 人工知能の基礎と研究の歴史

人工知能（AI）という言葉は、1956年のダートマス会議で初めて公式に用いられた。

問142 AI社会実装と倫理・法律

AIバイアスは学習データに関係なく発生する。

問143 生成AI・大規模言語モデル（LLM）の発展問題

コンテキストウィンドウ（context window）とは、LLMが一度に処理・参照できるトークン数の上限を指す。

問144 ディープラーニング数理・最適化の発展問題

バッチ正規化が学習にもたらす効果として適切でないものはどれか。

1. より高い学習率を使いやすくする
2. 内部共変量シフトを抑える
3. 活性化関数を不要にする
4. 軽い正則化効果がある

問145 AI社会実装と倫理・法律

本番運用後のAIモデルは性能が変化しないため監視不要である。