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4章：情報リテラシー・法と倫理
AIの開発者・提供者・利用者が留意すべき事項を示した、日本政府（総務省・経済産業省）の指針はどれか。
  • 1. AI事業者ガイドライン
  • 2. 道路交通法
  • 3. 労働基準法
  • 4. 消防法
問2 第2章：生成AIの仕組み
画像生成で広く使われる「拡散モデル（Diffusion Model）」は、ノイズから徐々にノイズを除去していくことで画像を生成する仕組みである。
問3 第2章：生成AIの仕組み
生成AIが作り出せるものとして、適切でないものはどれか。
  • 1. 文章の下書き
  • 2. 画像やイラスト
  • 3. 音声や動画
  • 4. 学習データにない客観的事実の正確な保証
問4 第1章：AIの基礎
Transformerは、Attention（注意機構）を中核とするモデル構造で、GPTをはじめとする現在の大規模言語モデルの基盤となっている。
問5 第3章：生成AIの最新動向
テキストから画像を生成する代表的なサービス・モデルの組み合わせはどれか。
  • 1. DALL·E・Stable Diffusion・Midjourney
  • 2. Excel・Word・PowerPoint
  • 3. Chrome・Safari・Edge
  • 4. MySQL・PostgreSQL
問6 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7 第1章：AIの基礎
RLHF（人間のフィードバックによる強化学習）は、モデルの出力を人間にとって好ましく安全なものに近づけるために用いられる手法である。
問8 第2章：生成AIの仕組み
「大規模言語モデル」を表す略称はどれか。
  • 1. LLM
  • 2. CNN
  • 3. SQL
  • 4. HTTP
問9 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10 第5章：プロンプトの作成
生成AIから望む形式の出力を得るために有効な指示はどれか。
  • 1. 「表形式で3項目にまとめて」など出力形式を指定する
  • 2. 「適当でよい」とだけ伝える
  • 3. 何も指定しない
  • 4. 無関係な話題を混ぜる
問11 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12 第4章：情報リテラシー・法と倫理
内閣府が示した「人間中心のAI社会原則」は、AIの利活用にあたり人間の尊厳や自由を尊重することなどを掲げた原則である。
問13 第5章：プロンプトの作成
良いプロンプトの工夫として、適切でないものはどれか。
  • 1. 指示を曖昧にして解釈を任せる
  • 2. 役割を与える
  • 3. 出力形式を指定する
  • 4. 具体的な条件・制約を示す
問14 第3章：生成AIの最新動向
生成AIは一度学習を終えると内部の知識が固定されるため、学習の締め切り（知識カットオフ）以降に起きた出来事は、そのままでは正確に答えられないことがある。
問15 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（例：Soraなど）も登場している。
問16 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17 第4章：情報リテラシー・法と倫理
日本の著作権法では、情報解析（AIの学習など）のために著作物を利用する行為は、一定の条件のもとで権利者の許諾なく行える場合がある。
問18 第1章：AIの基礎
CNN（畳み込みニューラルネットワーク）は、主に画像認識の分野で高い性能を発揮するモデルである。
問19 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20 第3章：生成AIの最新動向
外部の知識を検索して回答生成に活用し、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はどれか。
  • 1. RAG（検索拡張生成）
  • 2. RLHF
  • 3. GAN
  • 4. CNN
問21 第1章：AIの基礎
教師なし学習とは、正解ラベルの付いたデータを用いて入力と出力の対応関係を学習する手法である。
問22 第4章：情報リテラシー・法と倫理
AIの学習など情報解析のための著作物利用について定めた、日本の著作権法の条文はどれか。
  • 1. 著作権法30条の4
  • 2. 著作権法1条
  • 3. 特許法29条
  • 4. 個人情報保護法1条
問23 第2章：生成AIの仕組み
画像生成で主流の、ノイズから徐々に画像を作り出す手法はどれか。
  • 1. 拡散モデル（Diffusion Model）
  • 2. 決定木
  • 3. サポートベクターマシン
  • 4. k近傍法
問24 第4章：情報リテラシー・法と倫理
生成AIの利用者は、出力をそのまま信じるのではなく、内容の事実確認を行い、最終的な責任を負うべきである。
問25 第1章：AIの基礎
教師あり学習の代表的なタスクの組み合わせとして正しいものはどれか。
  • 1. 分類と回帰
  • 2. クラスタリングと次元削減
  • 3. 報酬の最大化
  • 4. データ拡張と正規化
問26 第2章：生成AIの仕組み
生成AIは学習データに存在しない客観的な事実であっても、常に正確に発見・生成できるため、出力の事実確認は不要である。
問27 第4章：情報リテラシー・法と倫理
個人情報保護法では、原則として本人の同意なく個人データを第三者に提供してはならないとされている。
問28 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29 第3章：生成AIの最新動向
RAGを使う主な目的として、最も適切なものはどれか。
  • 1. 外部の最新・専門知識を根拠に回答し誤りを減らす
  • 2. 通信を暗号化する
  • 3. 画像を圧縮する
  • 4. モデルの学習を完全に不要にする
問30 第5章：プロンプトの作成
プロンプトは曖昧なほどよく、具体的な条件や出力形式は指定しない方が良い結果を得られる。
問31 第5章：プロンプトの作成
プロンプトに機密情報や個人情報を含める場合は、サービスの規約や情報漏えいのリスクに注意する必要がある。
問32 第2章：生成AIの仕組み
大規模言語モデル（LLM）は、膨大なテキストを学習し、次に来る単語（トークン）を確率的に予測することで文章を生成する。
問33 第2章：生成AIの仕組み
生成AIは、既存データの中から正解を選ぶ・分類することだけを行い、新しいコンテンツを作り出すことはできない。
問34 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35 第4章：情報リテラシー・法と倫理
生成AIサービスで作ったものを商用利用する際は、そのサービスの利用規約（生成物の権利や商用利用の可否）を確認する必要はない。
問36 第4章：情報リテラシー・法と倫理
AIが自動生成しただけで、人間による創作的な関与がない生成物は、原則として著作権法上の「著作物」には当たらないと考えられている。
問37 第5章：プロンプトの作成
複雑な問題で、途中の推論過程を段階的に示させて精度向上を狙うプロンプト手法はどれか。
  • 1. 思考の連鎖（Chain of Thought）
  • 2. 畳み込み
  • 3. 過学習
  • 4. 次元削減
問38 第5章：プロンプトの作成
期待する結果が得られない場合は、プロンプトを修正しながら試行錯誤（反復）して改善していくことが有効である。
問39 第4章：情報リテラシー・法と倫理
学習データに偏り（バイアス）があると、生成AIの出力にも差別的・不公平な偏りが現れることがある。
問40 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41 第1章：AIの基礎
大規模言語モデルが人間の評価を報酬として、より好ましく安全な出力へ調整する手法の略称はどれか。
  • 1. RLHF
  • 2. CNN
  • 3. SGD
  • 4. NLP
問42 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43 第1章：AIの基礎
文中の各単語が他のどの単語に注目すべきかを計算し、Transformerの中核をなす仕組みはどれか。
  • 1. Attention（注意機構）
  • 2. 畳み込み（convolution）
  • 3. プーリング
  • 4. ドロップアウト
問44 第3章：生成AIの最新動向
対話型AIサービスと提供企業の組み合わせとして、誤っているものはどれか。
  • 1. ChatGPT ― OpenAI
  • 2. Gemini ― Google
  • 3. Claude ― Anthropic
  • 4. Copilot ― Apple
問45 第1章：AIの基礎
生成AIが事実と異なる内容をもっともらしく出力してしまう現象を何と呼ぶか。
  • 1. ハルシネーション
  • 2. オーバーフィッティング
  • 3. バイアス
  • 4. アノテーション
問46 第1章：AIの基礎
機械学習の代表的な分類として適切でないものはどれか。
  • 1. 教師あり学習
  • 2. 教師なし学習
  • 3. 強化学習
  • 4. 演繹学習
問47 第1章：AIの基礎
GPTは、文章を前後両方向から同時に読み込むBERTと全く同じ仕組みを採用しており、主に文章の穴埋めや分類に特化したモデルである。
問48 第2章：生成AIの仕組み
事前学習済みモデルを特定用途のデータで追加学習し、専門特化させることを何というか。
  • 1. ファインチューニング
  • 2. スクレイピング
  • 3. 正規化
  • 4. デプロイ
問49 第4章：情報リテラシー・法と倫理
ディープフェイクとは、生成AIなどで作られた、本物と見分けにくい偽の画像・音声・動画のことで、悪用のリスクがある。
問50 第3章：生成AIの最新動向
AIエージェントやRAGでは、外部のツールやデータに接続するための仕組み・プロトコル（例：MCPなど）が用いられることがある。
問51 第3章：生成AIの最新動向
目標を与えるとタスクを自ら計画・分解し、ツールを使って自律的に実行しようとするAIを何と呼ぶか。
  • 1. AIエージェント
  • 2. 定型応答のみのチャットボット
  • 3. スパムフィルタ
  • 4. バーコードリーダー
問52 第3章：生成AIの最新動向
RAGは、モデル本体を再学習（再訓練）することによってのみ最新知識を反映する手法であり、外部データの検索は行わない。
問53 第5章：プロンプトの作成
良いプロンプトは、役割・文脈・具体的な指示・制約・出力形式などを明確に伝えるとよいとされる。
問54 第1章：AIの基礎
機械学習は、大きく「教師あり学習」「教師なし学習」「強化学習」の3つに分類される。
問55 第5章：プロンプトの作成
出力形式（箇条書き・表・JSONなど）を指定すると、望む形の結果を得やすくなる。
問56 第3章：生成AIの最新動向
対話型AIサービスの提供元は、ChatGPTがOpenAI、GeminiがGoogle、ClaudeがAnthropic、CopilotがMicrosoftである。
問57 第4章：情報リテラシー・法と倫理
生成AIの適切な利用に関する記述として、最も適切なものはどれか。
  • 1. 出力の事実確認を行い、最終的な責任は利用者が負う
  • 2. 出力は常に正確なので確認は不要
  • 3. 著作権は一切気にしなくてよい
  • 4. 個人情報を自由に入力してよい
問58 第1章：AIの基礎
AIは、特定の課題に特化した「特化型AI（ANI）」と、人間のように幅広い課題に対応できる「汎用型AI（AGI）」に大別され、現在実用化されているAIはほぼ特化型AIである。
問59 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60 第2章：生成AIの仕組み
GAN（敵対的生成ネットワーク）は、生成器（Generator）と識別器（Discriminator）を競わせながら学習させる仕組みである。