Particles and WavesPAW

G検定 一問一答 無料問題16問｜解答・解説・根拠つき

アプリに収録している109問から、出題範囲をまんべんなく16問選びました。本試験問題の転載ではない独自問題です。答えと解説は、各問題の「答えを見る」を開くと表示されます。登録は要りません。

App Storeで続きを解く ↗Google Play ↗

  1. 問1

    新しい技術で何かが実現され、その仕組みが分かると「それは単なる自動化で、知能ではない」とみなされるようになる現象を何というか。

    1. 1AI効果
    2. 2シンギュラリティ
    3. 3フレーム問題
    4. 4中国語の部屋
    答えを見る

    正解: 1　AI効果

    AI効果は、実現した技術がAIと呼ばれなくなっていく現象です。人工知能の定義が時代とともに動く理由の一つとして説明されます。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 1. 人工知能の定義

  2. 問2

    画像の画素ごとにクラス（人・車・道路など）を割り当てるが、同じクラスの別々の個体は区別しないタスクはどれか。

    1. 1セマンティックセグメンテーション
    2. 2インスタンスセグメンテーション
    3. 3パノプティックセグメンテーション
    4. 4物体検出
    答えを見る

    正解: 1　セマンティックセグメンテーション

    セマンティックセグメンテーションでは、2人の人が並んでいても同じ「人」として塗り分けます。個体を区別するのがインスタンスセグメンテーションです。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 26. 画像認識

  3. 問3

    単純パーセプトロン（隠れ層のない1層のパーセプトロン）で学習できない論理演算はどれか。

    1. 1AND（論理積）
    2. 2OR（論理和）
    3. 3NAND（否定論理積）
    4. 4XOR（排他的論理和）
    答えを見る

    正解: 4　XOR（排他的論理和）

    XORは1本の直線では0と1を分けられない（線形分離不可能な）ため、単純パーセプトロンでは表現できません。隠れ層を持つ多層パーセプトロンなら表現できます。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 11. ニューラルネットワークとディープラーニング

  4. 問4

    法的な拘束力はないが、ガイドラインや自主的な規範として守ることが期待されるルールを何というか。

    1. 1ソフトロー
    2. 2ハードロー
    3. 3リスクベースアプローチ
    4. 4利用規約
    答えを見る

    正解: 1　ソフトロー

    技術の変化が速いAIでは、柔軟に見直せるソフトロー（ガイドラインなど）が多く使われてきました。EUのAI法のように法律（ハードロー）で定める動きもあります。

    根拠: JDLA G検定 試験出題範囲（シラバス） 法律・倫理分野 8. 国内外のガイドライン

  5. 問5

    データ分析プロジェクトの進め方を示したCRISP-DMで、最初のフェーズはどれか。

    1. 1データの準備
    2. 2モデリング
    3. 3展開（デプロイ）
    4. 4ビジネスの理解
    答えを見る

    正解: 4　ビジネスの理解

    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り、必要に応じて前のフェーズに戻ります。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 35. AIプロジェクトの進め方

  6. 問6

    個人情報保護法の「個人情報」に、原則として当たらないものはどれか。

    1. 1顧客名簿に記載された、生きている顧客の氏名と電話番号
    2. 2すでに亡くなった人の氏名と住所
    3. 3社員の顔写真で、本人が誰か分かるもの
    4. 4生きている個人の旅券（パスポート）の番号
    答えを見る

    正解: 2　すでに亡くなった人の氏名と住所

    個人情報保護法の個人情報は「生存する個人に関する情報」です（第2条第1項）。亡くなった人の情報は原則として対象外ですが、遺族など生きている人の情報にも当たる場合は、その人の個人情報になります。

    根拠: JDLA G検定 試験出題範囲（シラバス） 法律・倫理分野 1. 個人情報保護法、個人情報の保護に関する法律 第2条第1項

  7. 問7

    過去のデータから「翌日の電力需要（kWh）」を予測したい。この問題の種類はどれか。

    1. 1分類問題
    2. 2クラスタリング
    3. 3次元削減
    4. 4回帰問題
    答えを見る

    正解: 4　回帰問題

    連続した数値を予測するのは回帰問題です。カテゴリを当てるのが分類問題です。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 7. 教師あり学習

  8. 問8

    ロボットに「部屋から電池を取ってこい」と命じたとき、作業に関係のない無数の事柄まで考え始めて動けなくなる、という形で説明される問題はどれか。

    1. 1シンボルグラウンディング問題
    2. 2フレーム問題
    3. 3知識獲得のボトルネック
    4. 4次元の呪い
    答えを見る

    正解: 2　フレーム問題

    フレーム問題は、限られた時間の中で、今の課題に関係する事柄だけを取り出して考えることの難しさを指します。マッカーシーとヘイズが1969年に提起しました。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 2. 人工知能分野で議論される問題、Stanford Encyclopedia of Philosophy, The Frame Problem 解説（McCarthy and Hayes 1969 の紹介を含む）

  9. 問9

    文中の一部の単語を隠し、その前後の両方の文脈から隠した単語を当てる事前学習を行う、Transformerのエンコーダを使ったモデルはどれか。

    1. 1GPT
    2. 2ELMo
    3. 3BERT
    4. 4word2vec
    答えを見る

    正解: 3　BERT

    BERTはMasked Language Modelと、2つの文が続いているかを当てる学習で事前学習し、さまざまなタスクにファインチューニングして使われました。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 27. 自然言語処理、J. Devlin et al., BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding (2018) 論文

  10. 問10

    学習のたびに隠れ層のニューロンの一部をランダムに無効にして、過学習を防ぐ手法はどれか。

    1. 1ドロップアウト
    2. 2バッチ正規化
    3. 3データ拡張
    4. 4プルーニング
    答えを見る

    正解: 1　ドロップアウト

    ドロップアウトは毎回異なる部分ネットワークを学習させるため、多数のモデルを平均するアンサンブル学習に近い効果があります。推論時はすべてのニューロンを使います。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 14. 正則化、N. Srivastava et al., Dropout: A Simple Way to Prevent Neural Networks from Overfitting, JMLR (2014) 論文

    ここまで10問。アプリには全109問と本番形式の模試があります。

    App Storeで続きを解く ↗Google Play ↗

  11. 問11

    サービスや製品の企画・設計の段階から、あらかじめプライバシーの保護を組み込んでおく考え方はどれか。

    1. 1オプトアウト
    2. 2リスクベースアプローチ
    3. 3データの来歴
    4. 4プライバシー・バイ・デザイン
    答えを見る

    正解: 4　プライバシー・バイ・デザイン

    プライバシー・バイ・デザインは、問題が起きてから対処するのではなく、最初から保護の仕組みを作り込むという考え方です。

    根拠: JDLA G検定 試験出題範囲（シラバス） 法律・倫理分野 9. プライバシー

  12. 問12

    画像に写った物体の位置や種類など、教師あり学習に使う正解ラベルをデータに付ける作業を何というか。

    1. 1データ拡張
    2. 2クレンジング
    3. 3アノテーション
    4. 4コーパス
    答えを見る

    正解: 3　アノテーション

    アノテーションの品質は、そのデータで学習するモデルの性能に直接影響します。作業の基準をそろえることが大切です。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 36. データの収集・加工・分析・学習

  13. 問13

    他の情報と照らし合わせない限り特定の個人を識別できないように加工した情報で、主に事業者の内部での分析に使うことを想定した制度はどれか。

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

    正解: 1　仮名加工情報

    仮名加工情報（第2条第5項）は社内での分析などに使いやすくする制度で、原則として第三者には提供できません。匿名加工情報（第2条第6項）は、より強く加工して第三者への提供も認められます。

    根拠: JDLA G検定 試験出題範囲（シラバス） 法律・倫理分野 1. 個人情報保護法、個人情報の保護に関する法律 第2条第5項・第6項

  14. 問14

    k-means法で、学習を始める前に人が決めておく必要があるものはどれか。

    1. 1クラスタの数 k
    2. 2各データの正解ラベル
    3. 3決定木の深さ
    4. 4活性化関数の種類
    答えを見る

    正解: 1　クラスタの数 k

    k-means法は、指定したk個の中心にデータを割り当て、中心を更新することを繰り返します。kは事前に人が決めます。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 8. 教師なし学習

  15. 問15

    意味ネットワークで「タイヤは自動車の一部である」という関係を表すものはどれか。

    1. 1is-a の関係
    2. 2因果の関係
    3. 3part-of の関係
    4. 4同義の関係
    答えを見る

    正解: 3　part-of の関係

    全体と部分の関係は part-of で表します。is-a は概念の上下関係を表し、下位の概念は上位の属性を引き継ぎます。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 4. 知識表現とエキスパートシステム

  16. 問16

    データに少しずつノイズを加えていく過程を考え、その逆の過程を学習することで、ノイズからデータを生成するモデルはどれか。

    1. 1拡散モデル（Diffusion Model）
    2. 2GAN
    3. 3CycleGAN
    4. 4オートエンコーダ
    答えを見る

    正解: 1　拡散モデル（Diffusion Model）

    拡散モデルは、ノイズを取り除く処理を何段階も繰り返して画像などを生成します。画像生成AIの多くで使われています。

    根拠: JDLA G検定 試験出題範囲（シラバス） 技術分野 30. データ生成、J. Ho, A. Jain, P. Abbeel, Denoising Diffusion Probabilistic Models (2020) 論文

続きの93問は、アプリで。

109問の一問一答と本番形式の模試を、間違えた問題の復習つきで解けます。ダウンロードは無料です。

App Storeで続きを解く ↗Google Play ↗

問題はJDLAのシラバスに沿った独自問題で、過去問の転載ではありません（協会は過去問を公開していません）。本アプリはJDLAの公式アプリではなく、推薦・監修を受けたものではありません。本試験の合格基準は公表されておらず、アプリの正答率は学習の目安です。

本ページとアプリは公式試験機関によるものではありません。試験制度・法令は変更される場合があるため、受験前に公式情報をご確認ください。