資格道場
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
📖 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．CRISP-DMは、ビジネスの理解→データの理解→データの準備→モデリング→評価→展開の6つのフェーズからなるデータ分析のプロセスモデルである。
正解：○（正しい）
解説：CRISP-DM（Cross-Industry Standard Process for Data Mining）は業種を問わないデータマイニングの標準プロセスで、6つのフェーズを必要に応じて行き来しながら繰り返し進める。
-
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．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。
正解：○（正しい）
解説：学習済みモデルの性能は契約時に見通しにくく、データに依存するため、同ガイドライン（2018年）は段階ごとに検証しながら進める探索的段階型を示し、段階ごとのモデル契約（秘密保持契約・導入検証契約・ソフトウェア開発契約など）を提示している。
-
問15．総務省・経済産業省の「AI事業者ガイドライン」は、AIの事業活動を担う主体を「AI開発者」「AI提供者」「AI利用者」の3つに分け、主体ごとの留意事項を示している。
正解：○（正しい）
解説：AI事業者ガイドライン（第1.0版・2024年4月）は、AI開発者・AI提供者・AI利用者の3主体ごとに、考慮すべきリスクと対応方針を確認できる構成になっている。
-
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による生成物が、既存の著作物と作風や画風といったアイデアが類似するにとどまり、創作的表現の類似性が認められない場合は、著作権侵害とはならない。
正解：○（正しい）
解説：正しい。文化庁の「AIと著作権に関する考え方について」は、著作権法が保護するのは創作的表現であり、作風や画風といったアイデアが類似するにとどまり、既存の著作物との類似性が認められない生成物は、著作権侵害とはならないとしている。著作権侵害となるのは、既存の著作物の創作的表現との類似性と、既存の著作物に依拠したこと（依拠性）がともに認められる場合である。
-
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．AI開発を外部に委託する契約のうち準委任契約は、仕事の完成ではなく、善良な管理者の注意をもって業務を遂行することを約する契約であり、原則として成果物の完成義務を負わない。
正解：○（正しい）
解説：正しい。準委任契約は事務の処理を委託する契約で、受任者は善管注意義務（民法656条・644条）を負うが、仕事の完成は約束しない。これに対し請負契約は仕事の完成を約する（民法632条）。契約ガイドライン（AI編）は、結果を事前に見通しにくい段階では準委任契約が適するとしている。
-
問23．Dockerは、アプリケーションとその実行に必要なライブラリなどをコンテナとしてまとめ、異なる環境でも同じように動かせるようにする技術である。
正解：○（正しい）
解説：正しい。Docker はアプリケーションと依存するライブラリ・設定をコンテナイメージにまとめ、開発者の PC・検証環境・クラウドなどで同じ実行環境を再現できる。AI の学習・推論環境の再現や MLOps で広く使われる。
-
問24．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。
正解：○（正しい）
解説：正しい。CRISP-ML(Q) はスコープの定義から運用中の機械学習アプリケーションの保守までを6段階で示し、環境の変化によるモデルの劣化に備えたモニタリングと保守の段階を置く。各段階でリスクを特定して対処する品質保証の方法を組み込んでいる。
-
問25．「AI・データの利用に関する契約ガイドライン」は、データの取引に関する契約を「データ提供型」「データ創出型」「データ共用型（プラットフォーム型）」の3つの類型に整理している。
正解：○（正しい）
解説：同ガイドラインのデータ編は、一方がデータを提供する「データ提供型」、複数者の関与で新たにデータが生まれる「データ創出型」、プラットフォームを通じてデータを共用する「データ共用型」の3類型ごとに法的論点と契約の取り決め方を整理している。
-
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．BPR（ビジネスプロセス・リエンジニアリング）は、既存の業務の流れや組織を根本から見直して再設計する取り組みであり、AIの導入でも既存業務にAIを当てはめるだけでなく、業務プロセス自体の見直しが論点になる。
正解：○（正しい）
解説：正しい。BPRはハマーとチャンピー（1993）が提唱した、業務プロセスを根本から考え直し抜本的に再設計する取り組みである。シラバス「35. AIプロジェクトの進め方」のキーワードで、AIを業務に組み込む際は業務の流れそのものを見直すことが求められる。
-
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．ソフトロー（ガイドラインなど法的拘束力のない規範）は、法律（ハードロー）に比べて、技術の変化に合わせた見直しを迅速に行いにくいという短所がある。
正解：×（誤り）
解説：誤り。ソフトローは立法手続を要しないため、技術や利用の変化に合わせて迅速・柔軟に見直せることが長所である。内閣府の資料も、AIの変化の速さを踏まえ日本は「ガイドラインで迅速に対応」としている。短所は法的拘束力がなく実効性の確保が難しい点である。
-
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．生成AIへの指示が表現に至らないアイデアにとどまる場合でも、その生成物は著作物として保護される。
正解：×（誤り）
解説：誤り。著作物は思想又は感情を創作的に表現したものをいう（著作権法2条1項1号）。文化庁の「AIと著作権に関する考え方について」は、生成AIに対する指示が表現に至らないアイデアにとどまるような場合には、そのAI生成物に著作物性は認められないと考えられるとし、AI生成物の著作物性は創作的寄与の有無などにより個別具体的に判断されるとしている。
根拠： 文化審議会著作権分科会法制度小委員会「AIと著作権に関する考え方について」（令和6年3月15日） （2）生成・利用段階 ア 検討の前提（PDF p.33）／（3）AI生成物の著作物性 イ（PDF p.40） ／ 著作権法 第2条 （出典: e-Gov法令検索）
-
問44．広島AIプロセスは、2023年にEUが主導して立ち上げた、EU AI Actの規制内容を各国に義務づけるための枠組みである。
正解：×（誤り）
解説：誤り。広島AIプロセスは、2023年のG7広島サミットで議長国の日本が主導して立ち上げた、生成AIを含む高度なAIシステムに関する国際的な枠組みづくりの取組で、2023年12月に包括的政策枠組みが取りまとめられた。法的拘束力のある規制ではない。
-
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．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。
正解：×（誤り）
解説：誤り。学習済みモデルの性能は学習用データなどに左右され、事前に確実に予測することが難しい。契約ガイドライン（AI編）はこの特性を踏まえ、性能を事前に保証することは難しいとし、開発段階のモデル契約も完成義務や性能保証を負わない準委任型を基本として、探索的段階型で検証を重ねる進め方を示している。
-
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．CRISP-DMでは、各フェーズを一方向に一度だけ進め、評価の結果を受けて前のフェーズに戻ることは想定していない。
正解：×（誤り）
解説：誤り。CRISP-DMのフェーズの順序は固定ではなく、評価の結果によってビジネスの理解に戻るなど、フェーズ間を行き来しながら反復して進めることが前提とされている。
-
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．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。
正解：×（誤り）
解説：誤り。不特定多数を相手に画一的な内容で行う取引（定型取引）では、利用規約（定型約款）を契約の内容とする旨の合意があるか、提供者があらかじめその旨を表示していれば、個別の条項にも合意したものとみなされる（民法548条の2第1項）。ただし相手方の利益を一方的に害する条項は、合意しなかったものとみなされる（同条2項）。
-
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．Jupyter Notebookの説明として、最も適切なものはどれか。
- ア．ノートブック全体をコンパイルしてから、実行ファイルとして一括で動かす
- イ．表計算ソフトの一種で、セルに数式を入力して集計やグラフを作成する
- ウ．拡張子.ipynbのファイルにはコードだけが保存され、実行結果は保存されない
- エ．コードをセル単位で実行でき、実行結果の表やグラフをノートブック内に残せる
正解：エ．コードをセル単位で実行でき、実行結果の表やグラフをノートブック内に残せる
解説：Jupyter Notebookは、ブラウザ上でコードをセル単位で対話的に実行でき、実行結果の表・グラフや説明文をノートブック（.ipynb）に一緒に保存できる。.ipynbはコードと出力を含むJSON形式のファイルで、コンパイルして実行ファイルをつくるものではなく、表計算ソフトでもない。
-
問62．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。
- ア．コーパス
- イ．オントロジー
- ウ．シソーラス
- エ．ナレッジグラフ
正解：ア．コーパス
解説：コーパスは実際の言語使用を大量に集めて電子化し、品詞などの情報を付与したデータベースである（例：国立国語研究所の『現代日本語書き言葉均衡コーパス』）。オントロジーは概念とその関係の体系、シソーラスは同義語・類義語を整理した辞書、ナレッジグラフは実体どうしの関係をグラフで表した知識ベースである。
-
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．「探索的段階型」の開発方式で、一定量のデータを用いて学習済みモデルを生成できる見込みがあるかを検証する段階はどれか。
- ア．PoC段階
- イ．開発段階
- ウ．アセスメント段階
- エ．追加学習段階
正解：ウ．アセスメント段階
解説：同ガイドラインでは、アセスメント段階で一定量のデータを使い学習済みモデルの生成可能性を検証し、PoC段階で学習用データセットを使ってユーザーが求める精度のモデルが作れるかを検証する。その後、開発段階・追加学習段階へ進む。
-
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．米国著作権局が2025年1月の報告書で示した、AI生成物の著作権についての考え方として正しいものはどれか。
- ア．AI生成物を保護するため、著作権とは別の新たな権利を設けるべきだとした
- イ．AIだけで生成した素材には著作権が及ばず、人間による創作的な寄与が必要だとした
- ウ．利用者が詳細なプロンプトを入力すれば、その出力に著作権が及ぶとした
- エ．AI生成物を含む作品は、人間による選択や配列があっても保護されないとした
正解：イ．AIだけで生成した素材には著作権が及ばず、人間による創作的な寄与が必要だとした
解説：米国著作権局は2025年1月の報告書（Copyright and Artificial Intelligence, Part 2: Copyrightability）で、純粋にAIが生成した素材や、表現の要素を人間が十分にコントロールしていない素材には著作権が及ばないとした。一方、AI生成物の中に認められる人間の表現や、生成物の創作的な選択・配置・配列、創作的な修正には著作権が認められる。また、現在の技術ではプロンプトだけでは十分なコントロールにならないとし、AI生成物に新たな権利や独自の保護を設ける必要はないと結論づけた。
-
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．各国・各組織のAI倫理に関する指針で共通して挙げられることが多い項目の組合せとして、最も適切なものはどれか。
- 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」という定まった原則はないが、日本の「人間中心のAI社会原則」（2019年）の公平性・説明責任・透明性、プライバシー確保、セキュリティ確保や、OECDのAI原則など、多くの指針が公平性・透明性・説明責任・プライバシー・安全性を共通して挙げている。
-
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．不正競争防止法の「営業秘密」に関する記述として、正しいものはどれか。
- ア．顧客名簿のような営業上の情報は、営業秘密に含まれない
- イ．失敗に終わった実験のデータも、有用性のある情報に当たる
- ウ．限定提供データとして管理されたデータも、営業秘密に当たる
- エ．秘密管理性は、従業員が秘密と認識できるかを問わずに判断される
正解：イ．失敗に終わった実験のデータも、有用性のある情報に当たる
解説：営業秘密は、秘密として管理されている事業活動に有用な技術上又は営業上の情報で、公然と知られていないものをいう（不正競争防止法2条6項）。営業秘密管理指針は、失敗の知識・情報（ネガティブ・インフォメーション）にも有用性を認め、秘密管理性は秘密管理措置によって従業員が秘密管理意思を容易に認識できるかで判断するとしている。限定提供データは営業秘密を除いた別の類型である（同条7項）。