資格道場
学習状況 お問い合わせ ログイン 無料登録
⏱ 60:00
0 / 60
問1 第5章：プロンプトの作成
具体例（お手本）を示すことは、望む出力の形式や方向性をAIに伝える助けにはならない。
問2 第5章：プロンプトの作成
ハルシネーション対策として、「確実でない場合は『わからない』と答えて」と指示するなどの工夫が有効なことがある。
問3 第5章：プロンプトの作成
「それ」「あれ」などの曖昧な代名詞を多用しても、AIは常に意図した対象を正しく特定できる。
問4 第1章：AIの基礎
クラスタリングは、あらかじめ用意した正解ラベルにもとづいてデータを決められたカテゴリへ振り分ける、教師あり学習の手法である。
問5 第1章：AIの基礎
アノテーションとは、教師なし学習において、モデルがデータを自動でグループ分けする処理のことである。
問6 第4章：情報リテラシー・法と倫理
生成AIに入力する情報として、最も注意すべき（安易に入力すべきでない）ものはどれか。
  • 1. 個人情報・社外秘などの機密情報
  • 2. 一般に公開されている公知の情報
  • 3. 自分で考えた質問文
  • 4. 辞書に載っている一般的な用語
問7 第2章：生成AIの仕組み
一般に、エンコーダは生成結果を人間向けの文章に変換する部分、デコーダは入力を数値表現に変換する部分である。
問8 第4章：情報リテラシー・法と倫理
広島AIプロセスは、G7を中心に、高度なAIシステムに関する国際的な指針づくりを進めた枠組みである。
問9 第3章：生成AIの最新動向
AIエージェントとは、目標を与えると自らタスクを計画・分解し、ツールを使いながら自律的に実行しようとするAIの仕組みである。
問10 第2章：生成AIの仕組み
単語埋め込み（エンベディング）は、単語や文を意味的な関係を反映した数値ベクトルとして表現する技術である。
問11 第5章：プロンプトの作成
ゼロショットプロンプティングとは、例（お手本）を与えずに、指示だけで回答させる方法である。
問12 第1章：AIの基礎
回帰は連続的な数値を予測する手法であり、分類はデータがどのカテゴリに属するかを予測する手法である。
問13 第4章：情報リテラシー・法と倫理
生成AIの出力は学習データに基づくため常に中立かつ公平であり、差別的な内容が含まれることはない。
問14 第2章：生成AIの仕組み
テキスト・画像・音声など複数種類のデータを扱えるAIを何と呼ぶか。
  • 1. マルチモーダルAI
  • 2. シングルタスクAI
  • 3. ルールベースAI
  • 4. エキスパートシステム
問15 第1章：AIの基礎
ニューラルネットワークの学習中に、一部のノードをランダムに無効化しながら学習させることで、過学習を抑える手法はどれか。
  • 1. プーリング
  • 2. 転移学習
  • 3. 次元削減
  • 4. ドロップアウト
問16 第5章：プロンプトの作成
対象読者やトーン（文体）を指定しても、出力の分かりやすさや印象には影響しない。
問17 第4章：情報リテラシー・法と倫理
生成AIの出力をそのまま公開する前に取るべき対応として最も適切なものはどれか。
  • 1. 事実関係を一次情報で確認し、権利侵害や差別的表現がないか点検する
  • 2. 出力は常に正確なのでそのまま公開する
  • 3. 確認は時間がかかるので省略する
  • 4. 情報源は一切示さないようにする
問18 第2章：生成AIの仕組み
アテンション機構を中核とし、多くの大規模言語モデルの土台となっているアーキテクチャはどれか。
  • 1. 決定木
  • 2. 畳み込みニューラルネットワーク（CNN）
  • 3. Transformer
  • 4. サポートベクターマシン
問19 第3章：生成AIの最新動向
テキストの指示から動画を生成するAIが登場しており、OpenAIのSoraやGoogleのVeoがその例として知られている。
問20 第2章：生成AIの仕組み
temperature（温度）パラメータを高く設定すると、出力される単語の選択がより多様・ランダムになる傾向がある。
問21 第1章：AIの基礎
活性化関数は、ニューラルネットワークの各層の計算をすべて線形（一次式）のまま保つための関数である。
問22 第2章：生成AIの仕組み
転移学習とは、あるタスクで学習して得た知識を一切使わず、新しいタスクごとに毎回ゼロから学習し直す手法である。
問23 第4章：情報リテラシー・法と倫理
2025年に成立・公布されたいわゆる「AI新法（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）」は、研究開発と活用の推進を主眼とする理念的な内容が中心である。
問24 第2章：生成AIの仕組み
生成済みのトークンを次の予測の入力に使い、逐次的に文章を生成していく仕組みを何というか。
  • 1. 一括生成
  • 2. 並列探索
  • 3. 自己回帰
  • 4. 教師なし学習
問25 第2章：生成AIの仕組み
マルチモーダルAIとは、テキストだけでなく画像・音声など複数の種類のデータを扱えるAIのことである。
問26 第4章：情報リテラシー・法と倫理
生成AIの出力が、他人の著作物と実質的に同一・類似している場合、それをそのまま公開・利用すると著作権侵害になることがある。
問27 第3章：生成AIの最新動向
テキストの指示から画像を生成するサービス・モデルだけを並べた組み合わせはどれか。
  • 1. GPT-2・GPT-3・InstructGPT
  • 2. BERT・RoBERTa・ALBERT
  • 3. Stable Diffusion・Midjourney・Firefly
  • 4. Whisper・VALL-E・wav2vec 2.0
問28 第5章：プロンプトの作成
直前の数語だけを手がかりにし、大量の文章で数えた単語の並びの出現頻度から次の単語の確率を求める、統計的な言語モデルはどれか。
  • 1. ニューラル言語モデル
  • 2. n-gramモデル
  • 3. Transformerモデル
  • 4. 拡散モデル
問29 第5章：プロンプトの作成
「〜しないで」という否定形の指示より、「〜してください」と望む行動を肯定形で示す方が、意図が伝わりやすいことがある。
問30 第1章：AIの基礎
「弱いAI」の説明として、最も適切なものはどれか。
  • 1. 人間のように意識や自我を持つAI
  • 2. あらゆる分野を人間以上にこなす万能のAI
  • 3. 特定の課題の解決に限定して用いられるAI
  • 4. 学習を一切行わないAI
問31 第3章：生成AIの最新動向
RAG（検索拡張生成）は、外部の知識源を検索し、その内容を踏まえて回答を生成することで、ハルシネーションの低減や最新情報への対応を図る手法である。
問32 第4章：情報リテラシー・法と倫理
生成AIが事実と異なる内容を出力する問題（ハルシネーション）への対策として、最も適切なものはどれか。
  • 1. 出力を鵜呑みにせず一次情報で事実確認する
  • 2. 出力を常にそのまま採用する
  • 3. 確認は一切しない
  • 4. 出力を暗号化する
問33 第2章：生成AIの仕組み
大規模なデータで学習され、翻訳・要約・分類など多様な下流タスクに応用できるモデルを何と呼ぶか。
  • 1. エキスパートシステム
  • 2. ルールベースモデル
  • 3. 識別モデル
  • 4. 基盤モデル（ファウンデーションモデル）
問34 第1章：AIの基礎
主に画像認識の分野で高い性能を発揮するニューラルネットワークはどれか。
  • 1. CNN
  • 2. RNN
  • 3. LSTM
  • 4. GAN
問35 第4章：情報リテラシー・法と倫理
著作権法上の「著作物」の定義として正しいものはどれか。
  • 1. 思想又は感情を創作的に表現したもの
  • 2. 世の中に存在する事実やデータそのもの
  • 3. 誰でも自由に利用できる公共の情報全般
  • 4. コンピュータが自動的に生成したすべての出力
問36 第4章：情報リテラシー・法と倫理
プロンプトインジェクションとは、不正な指示を紛れ込ませることで、AIに開発者の意図しない動作をさせる攻撃手法である。
問37 第5章：プロンプトの作成
フューショットプロンプティングとは、いくつかの例（お手本）をプロンプト内で示してから回答させる方法である。
問38 第1章：AIの基礎
RNNやLSTMは、時系列データや文章のように順序（系列）を持つデータの処理に適したモデルである。
問39 第5章：プロンプトの作成
生成AIへ与える指示文（入力）を何と呼ぶか。
  • 1. プロンプト
  • 2. コンパイラ
  • 3. データベース
  • 4. プロトコル
問40 第2章：生成AIの仕組み
ランダムなノイズから、ノイズを少しずつ取り除く処理をくり返して画像を作り出す生成手法はどれか。
  • 1. GAN（敵対的生成ネットワーク）
  • 2. VAE（変分自己符号化器）
  • 3. 拡散モデル（Diffusion Model）
  • 4. 自己回帰モデル（Autoregressive Model）
問41 第4章：情報リテラシー・法と倫理
一度公開されている有名人の写真であれば、生成AIで加工してどのように商用利用しても、肖像権やパブリシティ権の問題は生じない。
問42 第4章：情報リテラシー・法と倫理
個人情報保護法上の「個人情報」には、それ単体では個人を識別できなくても、他の情報と容易に照合して特定の個人を識別できるものも含まれる。
問43 第2章：生成AIの仕組み
大量のデータでモデルに汎用的な言語能力を先に獲得させる、追加学習の土台となる学習段階を何というか。
  • 1. 事前学習（pre-training）
  • 2. デプロイ
  • 3. アノテーション
  • 4. 推論
問44 第2章：生成AIの仕組み
自己回帰型の言語モデルは、文章中のすべての単語を一度に同時生成し、順番に予測することはない。
問45 第4章：情報リテラシー・法と倫理
生成AIに入力した情報は、どのサービスでも必ず即座に破棄され、保存や学習に使われることは一切ない。
問46 第4章：情報リテラシー・法と倫理
AI新法（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）にもとづいて内閣に置かれる本部で、本部長に充てられる者はどれか。
  • 1. 人工知能戦略担当大臣
  • 2. 内閣官房長官
  • 3. デジタル大臣
  • 4. 内閣総理大臣
問47 第5章：プロンプトの作成
役割を与える（例：「あなたは経験豊富な編集者です」）ことで、回答のトーンや専門性を調整できる。
問48 第1章：AIの基礎
AGI（汎用人工知能）は既に実現しており、あらゆる分野で人間と同等以上の知能を持つAIが広く実用化されている。
問49 第2章：生成AIの仕組み
temperature（温度）パラメータの値を下げるほど、出力はよりランダムで多様なものになる。
問50 第4章：情報リテラシー・法と倫理
「人間中心のAI社会原則」が重視する考え方として最も適切なものはどれか。
  • 1. AIの判断を常に人間の判断より優先する
  • 2. AIの開発速度を最優先する
  • 3. 効率化のため人間の関与を排除する
  • 4. AIの利用が人間の尊厳や自由を損なわないようにする
問51 第2章：生成AIの仕組み
事前学習（pre-training）は、大量のデータでモデルに汎用的な言語能力を獲得させる段階であり、その後の追加学習の土台となる。
問52 第4章：情報リテラシー・法と倫理
ハルシネーションとは、生成AIが事実に基づかないもっともらしい内容を出力してしまう現象を指す。
問53 第4章：情報リテラシー・法と倫理
「AI事業者ガイドライン」は、AIの開発者・提供者・利用者が留意すべき事項を示した政府（総務省・経済産業省）の指針である。
問54 第5章：プロンプトの作成
ハルシネーション（もっともらしい誤り）を減らす工夫として最も適切なものはどれか。
  • 1. 指示を曖昧にして自由に補わせる
  • 2. 出力をそのまま検証せず使う
  • 3. できるだけ長文で回答させる
  • 4. 回答の根拠や情報源を示すよう求める
問55 第5章：プロンプトの作成
専門用語や前提の説明を省くほど、プロンプトは簡潔になり常に良い結果が得られる。
問56 第2章：生成AIの仕組み
単語埋め込み（エンベディング）とは、各単語に意味とは無関係な通し番号を割り当てるだけの処理である。
問57 第1章：AIの基礎
ハルシネーション（hallucination）とは、生成AIが事実に反する内容を、もっともらしい体裁で生成してしまう現象を指す。
問58 第5章：プロンプトの作成
ワンショットプロンプティングとは、1つの例（お手本）をプロンプト内で示してから回答させる方法である。
問59 第3章：生成AIの最新動向
モデルの内部構造や重みが公開され、利用者が自分の環境で改変・再配布しやすいという特徴に最も近い考え方はどれか。
  • 1. 内部が非公開で提供元だけが管理するモデル
  • 2. オープンソースのモデル
  • 3. 通信を暗号化するための仕組み
  • 4. 表計算を行うためのソフトウェア
問60 第4章：情報リテラシー・法と倫理
AI新法にもとづく「人工知能基本計画」について、計画の案を作成する機関と、その案について閣議の決定を求める者の組み合わせとして正しいものはどれか。
  • 1. デジタル庁が案を作成し、デジタル大臣が閣議の決定を求める
  • 2. 人工知能戦略本部が案を作成し、内閣総理大臣が閣議の決定を求める
  • 3. デジタル庁が案を作成し、内閣総理大臣が閣議の決定を求める
  • 4. 人工知能戦略本部が案を作成し、デジタル大臣が閣議の決定を求める