G検定（ジェネラリスト検定）「AI社会実装と倫理・法律」の一問一答

1 / -- 正解: 0

📖 G検定（ジェネラリスト検定）「AI社会実装と倫理・法律」の全75問と解説（一覧）

G検定（ジェネラリスト検定）のAI社会実装と倫理・法律に関する一問一答（全75問）の正解と解説の一覧です。上の一問一答で実際に解いてから、ここで復習・確認できます。

問1．AIプロジェクトの一般的な進行段階は『構想→PoC→実装→運用』である。

正解：○（正しい）

解説：PoC（Proof of Concept）で実現性検証、その後本実装・運用へ。各段階でデータ・モデル・運用要件を見直す。
問2．MLOpsは機械学習モデルの開発・運用を効率化する一連のプラクティスである。

正解：○（正しい）

解説：DevOpsのML版。CI/CD・モニタリング・再学習自動化等を含む。本番運用の継続性確保に必須。
問3．AIモデルの本番運用後はデータドリフト・モデルドリフトの監視が必要である。

正解：○（正しい）

解説：実環境のデータ分布変化でモデル性能が劣化する現象。定期的再学習・モニタリング体制が重要。
問4．データセット作成において品質と量の両方が重要だが、近年は質の重要性が再認識されている。

正解：○（正しい）

解説：GIGO（Garbage In, Garbage Out）。質の低いデータからは良いモデルが得られない。データセントリックAIの流れ。
問5．アノテーション（ラベル付け）は教師あり学習で重要な工程である。

正解：○（正しい）

解説：人間が正解ラベルを付与する作業。品質・一貫性・コストのバランスが課題。クラウドソーシング等で実施。
問6．データ拡張（Augmentation）は限られたデータから多様なサンプルを生成する技術である。

正解：○（正しい）

解説：画像なら回転・反転・拡縮・色変換等。テキストは同義語置換・翻訳ループ等。過学習抑制と汎化性能向上に寄与。
問7．AIの公平性（Fairness）は性別・人種・年齢等の属性で不公平な判定を行わない性質である。

正解：○（正しい）

解説：学習データの偏りがバイアスを生む。COMPAS事件等の事例があり、公平性指標で評価する必要あり。
問8．説明可能AI（XAI: Explainable AI）はAIの判断根拠を人間が理解可能にする技術である。

正解：○（正しい）

解説：LIME・SHAP・Grad-CAM等が代表手法。医療・金融・採用等の重要意思決定で必須化が進む。
問9．AIの透明性（Transparency）はモデルの仕組みや判断過程を可視化・説明可能にする性質である。

正解：○（正しい）

解説：ブラックボックス問題の対策。EU AI Act等でも要件化。説明可能性とセットで議論される。
問10．GDPR（EU一般データ保護規則）は2018年5月施行のEU個人情報保護法である。

正解：○（正しい）

解説：個人データ処理の同意・忘れられる権利・データポータビリティ等を規定。違反は売上高4%の制裁金。
問11．EU AI Act（EU AI法）は2024年に発効したAI規制法で、2025年2月の禁止規定を皮切りに段階的に適用される。

正解：○（正しい）

解説：AIをリスク別に4段階（許容不可・高・限定・最小）に分類して規制。施行は段階的で、禁止対象は2025年2月、汎用AI（GPAI）規定は2025年8月、高リスクを含む大部分の規定は2026年8月から適用される。高リスクAIは適合性評価が必須。
問12．日本では2024年4月から総務省・経済産業省による『AI事業者ガイドライン』が運用されている。

正解：○（正しい）

解説：正しい。総務省・経済産業省が2024年4月にそれまでの複数指針を統合し『AI事業者ガイドライン』を公表した。リスクベースアプローチを採用している。
問13．AIの判断に伴う責任所在（説明責任）は開発者・運用者・利用者間で明確化する必要がある。

正解：○（正しい）

解説：事故時の責任を誰が負うか（自動運転・医療AI等）が大きな論点。各国で規定整備中。
問14．ディープフェイクは生成AIで作成された偽の画像・動画・音声で社会問題化している。

正解：○（正しい）

解説：なりすまし・選挙妨害・詐欺等のリスク。検出技術・法規制・SNS対応が進められている。
問15．バイアスは学習データの偏りに起因し、AIの差別的判定を引き起こす要因となる。

正解：○（正しい）

解説：Amazon採用AIが女性差別、COMPAS再犯予測が人種差別等の事例。データ多様化・公平性指標で対策。
問16．プライバシー保護機械学習（差分プライバシー・連合学習）はデータプライバシーを保つAI技術である。

正解：○（正しい）

解説：連合学習はデータを集中せず分散学習。差分プライバシーはノイズ付加で個人特定を困難化。
問17．生成AIの学習データに著作物が含まれる場合、著作権・引用・公正利用の論点が生じる。

正解：○（正しい）

解説：日本は2018年著作権改正で機械学習目的の利用は原則認められる（30条の4）。海外では訴訟複数。
問18．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。

正解：○（正しい）

解説：米国著作権局は『AIのみ生成物に著作権なし』との判断。日本もAI支援は人間の創作性次第。
問19．責任あるAI（Responsible AI）は公平性・透明性・説明責任・プライバシー保護を包含する概念である。

正解：○（正しい）

解説：Microsoft・Google等の大手も指針策定。技術と倫理を統合的に扱う考え方。
問20．AIの誤動作・暴走を防ぐためフェイルセーフ設計が重要である。

正解：○（正しい）

解説：自動運転・医療等の安全クリティカル領域で必須。人間オーバーライド・段階的退避・冗長性確保等。
問21．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。

正解：○（正しい）

解説：技術的検討だけでなく従業員・顧客・規制当局等への説明と合意が運用継続の前提となる。
問22．自動運転のレベル0-5（SAE分類）で完全自動運転はレベル5に該当する。

正解：○（正しい）

解説：レベル0=なし、1=支援、2=部分自動、3=条件付自動、4=高度自動、5=完全自動。現在は3-4が市販。
問23．生成AIのハルシネーション（幻覚）は事実と異なる情報を生成する現象である。

正解：○（正しい）

解説：LLMの確率的生成の本質的問題。RAG・ファクトチェック・プロンプト工夫等で抑制を試みる。
問24．AIエージェントは自律的にタスクを実行するAIシステムで2024年以降急速に発展している。

正解：○（正しい）

解説：LLMベースで計画・ツール使用・自己修正等が可能。RPA・業務自動化の次世代として注目。
問25．RAG（Retrieval-Augmented Generation）はハルシネーション抑制と最新情報対応に有効な手法である。

正解：○（正しい）

解説：外部知識ベース（ベクトルDB等）から関連情報を検索し生成プロンプトに組込む。LLM運用の標準。
問26．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。

正解：○（正しい）

解説：Volume=量、Variety=多様性、Velocity=速度。後にVeracity（真実性）・Value（価値）を加えた5Vも提唱。
問27．AI人材育成には技術・倫理・ドメイン知識の3軸を統合した教育が重要である。

正解：○（正しい）

解説：純粋技術者だけでなくドメイン専門家・倫理理解者の協働が現代AIプロジェクトの成否を決める。
問28．AIプロジェクトはPoC段階を省略し直接本実装するのが一般的である。

正解：×（誤り）

解説：誤り。PoCで実現性・効果検証を行うのが一般的。省略は失敗リスク大。
問29．MLOpsはモデル開発のみで運用後は対象外である。

正解：×（誤り）

解説：誤り。MLOpsは開発+運用（モニタリング・再学習・CI/CD）を一体で扱う。運用後こそ重要な領域。
問30．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。

正解：×（誤り）

解説：誤り。データ分布変化（データドリフト）でモデル性能は劣化する。継続的監視・再学習が必須。
問31．データセットは量さえあれば品質は問題にならない。

正解：×（誤り）

解説：誤り。GIGO（Garbage In, Garbage Out）。質の悪いデータからは良いモデル得られない。質量両方が重要。
問32．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。

正解：×（誤り）

解説：誤り。アノテーションは人手が中心。品質確保のため複数人ラベリング・専門家確認等が必要。
問33．データ拡張は元データを単純コピーするだけの手法である。

正解：×（誤り）

解説：誤り。データ拡張は変換（回転・反転・色変換・同義語置換等）で多様なサンプルを生成。単純コピーではない。
問34．AIの公平性は技術的対策のみで完全に実現できる。

正解：×（誤り）

解説：誤り。公平性は技術+組織+社会的合意の総合課題。技術だけでは『何が公平か』の定義に答え出せない。
問35．XAI（説明可能AI）はモデル精度を低下させるため使用すべきでない。

正解：×（誤り）

解説：誤り。XAIは医療・金融・採用等の重要意思決定で必須化進行中。精度との両立を目指す研究分野。
問36．GDPRはアメリカの個人情報保護法である。

正解：×（誤り）

解説：誤り。GDPRはEU（欧州連合）の個人情報保護法。米国はCCPA（カリフォルニア州）等が代表。
問37．EU AI ActはAIを2段階（許可・禁止）にのみ分類する。

正解：×（誤り）

解説：誤り。EU AI Actは4段階リスク分類（許容不可・高・限定・最小）。リスク別に異なる規制を適用。
問38．日本にはAI規制ガイドラインが一切存在しない。

正解：×（誤り）

解説：誤り。経産省・総務省『AI事業者ガイドライン』2024年策定。リスクベースで運用中。
問39．AIの判断ミスは常に開発者の責任である。

正解：×（誤り）

解説：誤り。責任所在は開発者・運用者・利用者で複雑に分かれる。各国で規定整備中で一律ではない。
問40．ディープフェイクは技術的に検出が容易で社会的影響は限定的である。

正解：×（誤り）

解説：誤り。ディープフェイク検出は技術競争中で完全検出は困難。なりすまし・選挙妨害・詐欺等の影響大。
問41．AIバイアスは学習データに関係なく発生する。

正解：×（誤り）

解説：誤り。バイアスの主因は学習データの偏り。データ多様化・公平性指標導入で対策可能。
問42．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。

正解：×（誤り）

解説：誤り。連合学習はデータを集中させず各端末で学習し更新情報のみ共有。プライバシー保護に有効。
問43．日本の著作権法は機械学習目的の著作物利用を全面禁止している。

正解：×（誤り）

解説：誤り。日本は2018年改正で機械学習目的利用を原則認める（著作権法30条の4）。海外より緩い規定。
問44．米国はAIのみ生成物にも完全な著作権を認めている。

正解：×（誤り）

解説：誤り。米国著作権局は『AIのみ生成物に著作権なし』との判断。人間の創作的関与が必要。
問45．責任あるAI（Responsible AI）の概念は技術のみを対象とする。

正解：×（誤り）

解説：誤り。責任あるAIは技術+倫理+組織運用の統合概念。Microsoft・Google等が指針策定。
問46．AI暴走対策にフェイルセーフは不要である。

正解：×（誤り）

解説：誤り。自動運転・医療等でフェイルセーフ設計は必須。人間オーバーライド・冗長性等が要件。
問47．AIシステム導入はステークホルダー合意なしで進めるべきである。

正解：×（誤り）

解説：誤り。技術検討に加え従業員・顧客・規制当局への説明と合意形成が運用継続の前提。
問48．自動運転レベル3は完全自動運転を意味する。

正解：×（誤り）

解説：誤り。レベル3は『条件付自動』で限定条件下のみ。完全自動はレベル5。現在の市販はレベル3-4まで。
問49．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。

正解：×（誤り）

解説：誤り。ハルシネーションはLLMの確率的生成の本質的問題で完全解決はされていない。RAG・ファクトチェック等で抑制中。
問50．AIエージェントは2010年代から既に主流の技術である。

正解：×（誤り）

解説：誤り。AIエージェント（LLMベース自律システム）は2024年頃から急速に発展中の新領域。
問51．RAGはモデル全体を再訓練する手法である。

正解：×（誤り）

解説：誤り。RAGは外部知識検索を生成に組込む手法でモデル再訓練不要。ハルシネーション抑制・最新情報対応に有効。
問52．ビッグデータの3つのVはVolume・Velocity・Vendorである。

正解：×（誤り）

解説：誤り。3VはVolume（量）・Variety（多様性）・Velocity（速度）。Vendorは関係なし。
問53．AI人材は技術スキルさえあれば倫理やドメイン知識は不要である。

正解：×（誤り）

解説：誤り。現代AIプロジェクトは技術+倫理+ドメイン知識の統合が必須。3軸を持つ人材育成が重要。
問54．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。
- ア．構想→PoC→実装→運用
- イ．実装→PoC→構想→運用
- ウ．運用→構想→PoC→実装
- エ．PoC→実装→構想→運用
正解：ア．構想→PoC→実装→運用

解説：構想（要件整理）→PoC（実現性検証）→実装→運用が標準フロー。PoC省略は失敗リスク大。
問55．MLOpsが含むプラクティスとして該当しないものはどれか。
- ア．CI/CDパイプライン
- イ．アルゴリズム発明
- ウ．再学習自動化
- エ．モデルモニタリング
正解：イ．アルゴリズム発明

解説：MLOpsはCI/CD・モニタリング・再学習自動化等の運用プラクティス。アルゴリズム発明は研究領域。
問56．本番運用中のAIモデル性能低下の主要因として正しいのはどれか。
- ア．コンピュータの経年劣化
- イ．電力供給不足
- ウ．データドリフト（データ分布の変化）
- エ．プログラミング言語のバージョンアップ
正解：ウ．データドリフト（データ分布の変化）

解説：データドリフト（実環境データ分布の経時変化）でモデル性能劣化。定期的再学習が必要。
問57．AIの公平性問題を象徴する有名な事例として正しいのはどれか。
- ア．Adobe Photoshopのフィルター
- イ．Google検索のスペル修正
- ウ．Microsoft Officeのオートコレクト
- エ．Amazon採用AIの性別バイアス・COMPAS再犯予測の人種バイアス
正解：エ．Amazon採用AIの性別バイアス・COMPAS再犯予測の人種バイアス

解説：Amazon採用AI（女性差別で2018年廃止）・COMPAS（米司法の再犯予測で人種差別）が公平性問題の代表事例。
問58．説明可能AI（XAI）の代表的手法として該当しないものはどれか。
- ア．XGBoost
- イ．SHAP
- ウ．Grad-CAM
- エ．LIME
正解：ア．XGBoost

解説：XGBoostは勾配ブースティング（モデル）でXAI手法ではない。LIME・SHAP・Grad-CAMはXAI代表手法。
問59．GDPRの主要権利として該当しないものはどれか。
- ア．忘れられる権利
- イ．選挙権
- ウ．アクセス権
- エ．データポータビリティ
正解：イ．選挙権

解説：選挙権は政治権利でGDPRと無関係。GDPRはアクセス権・忘れられる権利・データポータビリティ・訂正権等を規定。
問60．EU AI Actのリスク分類として正しいのはどれか。
- ア．2段階（許可・禁止）
- イ．6段階（A-F）
- ウ．4段階（許容不可・高・限定・最小）
- エ．階段なし
正解：ウ．4段階（許容不可・高・限定・最小）

解説：EU AI Actは4段階リスク分類。許容不可（禁止）・高リスク（適合性評価必須）・限定リスク（透明性義務）・最小リスク。
問61．日本の機械学習目的の著作物利用について規定する法律として正しいのはどれか。
- ア．商標法
- イ．個人情報保護法
- ウ．不正競争防止法
- エ．著作権法30条の4
正解：エ．著作権法30条の4

解説：日本は2018年著作権法改正で30条の4を新設し、機械学習目的の利用を原則認める（思想・感情享受目的でない場合）。
問62．自動運転のSAE分類でレベル5の説明として正しいのはどれか。
- ア．完全自動運転（あらゆる条件で人間不要）
- イ．部分自動運転
- ウ．条件付自動運転
- エ．運転支援のみ
正解：ア．完全自動運転（あらゆる条件で人間不要）

解説：レベル5は完全自動。レベル0=なし、1=支援、2=部分、3=条件付、4=高度、5=完全。現在市販は3-4レベル。
問63．LLMのハルシネーション（幻覚）を抑制する手法として最も有効なのはどれか。
- ア．モデルサイズの単純な拡大
- イ．RAG（外部知識検索）の活用
- ウ．パラメータ削減
- エ．活性化関数の変更のみ
正解：イ．RAG（外部知識検索）の活用

解説：RAGは外部知識ベースから検索した情報をプロンプトに組込みハルシネーション抑制。LLM運用の標準的対策。
問64．プライバシー保護機械学習の手法として該当しないものはどれか。
- ア．差分プライバシー
- イ．連合学習
- ウ．データ単純集中
- エ．秘密計算
正解：ウ．データ単純集中

解説：データ単純集中はむしろプライバシーリスク。差分プライバシー・連合学習・秘密計算がプライバシー保護手法。
問65．連合学習（Federated Learning）の特徴として正しいのはどれか。
- ア．全データを中央集中
- イ．データを破棄
- ウ．データを完全に複製
- エ．データを集中せず各端末で学習し更新情報のみ共有
正解：エ．データを集中せず各端末で学習し更新情報のみ共有

解説：連合学習はデータを各端末に残したまま学習し、モデル更新情報のみサーバーに集約。プライバシー保護に有効。
問66．AI開発・運用における『3つのV』（ビッグデータの特性）として正しいのはどれか。
- ア．Volume・Variety・Velocity
- イ．Vendor・Value・Volume
- ウ．Velocity・Vendor・Variety
- エ．Value・Vector・Volume
正解：ア．Volume・Variety・Velocity

解説：3V=Volume（量）・Variety（多様性）・Velocity（速度）。後にVeracity（真実性）・Value（価値）を加えた5Vも提唱。
問67．米国著作権局のAI生成物の著作権判断として正しいのはどれか。
- ア．AIのみ生成物にも完全著作権を認める
- イ．AIのみ生成物に著作権を認めない（人間の創作性必要）
- ウ．AI生成物は禁止
- エ．判断保留中
正解：イ．AIのみ生成物に著作権を認めない（人間の創作性必要）

解説：米国著作権局はAIのみ生成物に著作権なしと判断。人間の創作的関与が必要。日本も類似スタンス。
問68．AI事業者ガイドライン（経産省・総務省）の特徴として正しいのはどれか。
- ア．全AIに一律規制
- イ．技術指針のみ
- ウ．リスクベースアプローチ
- エ．運用後の監視不要
正解：ウ．リスクベースアプローチ

解説：日本のAI事業者ガイドラインはリスクベースアプローチを採用。EUのAI Actと類似の発想。
問69．責任あるAI（Responsible AI）の主要原則として該当しないものはどれか。
- ア．公平性
- イ．透明性
- ウ．プライバシー保護
- エ．収益性最優先
正解：エ．収益性最優先

解説：収益性最優先は責任あるAI原則と相反。公平性・透明性・説明責任・プライバシー・安全性が主要原則。
問70．ディープフェイクの社会的リスクとして該当しないものはどれか。
- ア．計算機性能向上
- イ．選挙妨害
- ウ．誤情報拡散
- エ．なりすまし詐欺
正解：ア．計算機性能向上

解説：計算機性能向上は技術進歩でディープフェイクのリスクではない。なりすまし・選挙妨害・誤情報がリスク。
問71．AIエージェントの代表的能力として該当しないものはどれか。
- ア．計画立案
- イ．電源管理
- ウ．自己修正
- エ．外部ツール使用
正解：イ．電源管理

解説：電源管理はAIエージェントの能力ではない。計画・ツール使用・自己修正・推論が代表能力。
問72．プロンプトインジェクション攻撃の説明として正しいのはどれか。
- ア．モデル本体への物理攻撃
- イ．ハードウェア改造
- ウ．プロンプトに悪意ある指示を埋込みAI動作を不正操作する攻撃
- エ．プログラミング言語の脆弱性
正解：ウ．プロンプトに悪意ある指示を埋込みAI動作を不正操作する攻撃

解説：プロンプトインジェクションはLLMへの代表的攻撃。プロンプトに悪意ある指示を埋込みシステム動作を不正操作。
問73．AIの倫理原則『5原則』として広く知られる組合せはどれか。
- ア．東京・大阪・京都・福岡・札幌
- イ．速度・コスト・規模・利益・市場
- ウ．設計・実装・テスト・運用・保守
- エ．公平性・透明性・説明責任・プライバシー・安全性
正解：エ．公平性・透明性・説明責任・プライバシー・安全性

解説：AI倫理5原則は公平性・透明性・説明責任・プライバシー・安全性。Microsoft・Google等の指針に共通。
問74．AI開発における『データセントリックAI』の考え方として正しいのはどれか。
- ア．モデル改善より良質データ整備を重視
- イ．データを完全無視
- ウ．アルゴリズムのみ重視
- エ．計算機性能のみ重視
正解：ア．モデル改善より良質データ整備を重視

解説：データセントリックAIはアンドリュー・ング等が提唱。モデル改善より良質データ整備を重視する近年の潮流。
問75．AI人材育成で求められる3軸の組合せとして正しいのはどれか。
- ア．技術・営業・経理
- イ．技術・倫理・ドメイン知識
- ウ．技術・人事・総務
- エ．技術・広告・物流
正解：イ．技術・倫理・ドメイン知識

解説：現代AIプロジェクトは技術+倫理+ドメイン知識の3軸統合が成功条件。組織的取組みが重要。

G検定（ジェネラリスト検定）「AI社会実装と倫理・法律」の一問一答

学習完了！