節約パパ この記事は、生成AIパスポート試験に挑戦する予定の節約パパが少しでも楽しく勉強できるように自作した「生成AIパスポート試験対策QUIZ*」というGPTsから出題された一部を公開しています。
*このサービスはChatGPTの有料版でのみご利用いただけます。
この演習問題は管理人が「生成AIパスポート試験」の勉強を楽しくするために作成したクイズ形式の問題です。これらの演習問題は自作のGPTsによって生成されており、非公式のものであることをご理解ください。
プリントで演習問題を利用したい方は、記事の最後にPDFファイルを貼り付けていますのでプリントアウトしてお使いください😊
生成AIパスポート試験対策演習問題
問題１:
生成AIにおける「GAN（Generative Adversarial Network）」とは何か？以下の選択肢から最も正しいものを選んでください。
- 自然言語処理に特化したAIモデル
- 画像認識に特化したニューラルネットワーク
- 敵対的な二つのネットワークを利用する生成モデル
- 言語モデルに基づくテキスト生成AI
問題２:
「Transformerモデル」に関する記述として正しいものはどれでしょう？
- RNN（Recurrent Neural Network）の一種であり、時系列データの処理に適している
- 自己注意機構（Self-Attention Mechanism）を使用して、入力データの全ての部分と関連付けを行う
- 主に画像認識に使用されるモデルで、畳み込み層を多用している
- 音声生成AIに特化したモデルで、音声波形を直接生成する
問題３:
「シンギュラリティ（技術的特異点）」についての説明として正しいものはどれでしょう？
- AIが自己学習を通じて、人間を超える知能を持つようになると予測される時点
- AIが特定の分野で人間よりも優れた性能を発揮すること
- AI技術が市場において支配的な地位を占めるようになること
- AIによって全ての仕事が自動化される時代が到来すること
問題４:
生成AIにおける「転移学習（Transfer Learning）」とは何か？以下の選択肢から正しいものを選んでください。
- 異なるタスク間で学習を移転させることによって、新しいタスクの学習効率を高める手法
- モデルが過学習を防ぐために異なるデータセットを切り替える学習手法
- モデルが一つのタスクを完全に学習した後に、別のタスクに完全に切り替える手法
- データセットの特徴を抽出して、その特徴を基に新しいデータセットを生成する手法
問題５:
「LM（Language Model : 言語モデル）」とは何か？以下の選択肢から正しいものを選んでください。
- 画像や動画のコンテンツを解析して理解するためのAIモデル
- 自然言語を理解し、生成するためのAIモデル
- 音声認識に特化したAIモデル
- ユーザーの行動を予測するためのAIモデル
問題６:
「プロンプトエンジニアリング」とは何か？以下の選択肢から正しいものを選んでください。
- AIモデルの性能を評価するための基準を設定するプロセス
- AIモデルに対して最適な質問や命令を設計し、望む回答を得るための技術
- AIモデルをトレーニングするために必要なデータセットを作成するプロセス
- AIモデルが生成した内容を適切に表示するためのインターフェース設計
問題７:
「Few-Shot プロンプティング」とは何か？以下の選択肢から正しいものを選んでください。
- 大量の例を与えてモデルを訓練する手法
- 限られた数の例を与えてモデルが特定のタスクを理解し実行する手法
- 一切の例を与えずに、ただ問いを投げかけるだけの手法
- 複数のタスクを同時に学習させる手法
問題８:
生成AIが不得意なこととして、以下の選択肢のうち正しいものはどれでしょう？
- 複雑な計算問題の解決
- 複数の言語にまたがる翻訳
- テキストの要約
- 画像生成
問題９:
「敵対的生成ネットワーク（GAN）」において、「生成器（Generator）」の役割とは何でしょう？
- 新しいデータを生成する
- 生成されたデータが本物か偽物かを識別する
- 生成されたデータの品質を改善する
- データセットから特徴を抽出する
問題１０:
「プライバシー設定」とは、以下のうちどのようなものを指しますか？
- インターネット上での個人の行動を追跡するシステム
- ユーザーが自分のデータの共有範囲を制御できる仕組み
- 企業がユーザーのデータを収集する方法
- インターネットサービスが提供するセキュリティ機能
生成AIパスポート試験対策演習問題の解答と解説
問題1: C
解説: GAN（Generative Adversarial Network）は、生成器（Generator）と識別器（Discriminator）という2つのネットワークを対抗させることで、新しいデータを生成するモデルです。特に画像生成において効果的です。
問題2: B
解説: Transformerモデルは、自己注意機構（Self-Attention Mechanism）を使用して、入力データの全ての部分と関連付けを行います。これにより、文脈の理解が向上し、特に自然言語処理において効果的です。
問題3: A
解説: シンギュラリティ（技術的特異点）は、AIが自己学習を通じて人間を超える知能を持つようになると予測される時点です。この時点以降、技術的進歩が人間の理解を超える速度で進むとされています。
問題4: A
解説: 転移学習は、異なるタスク間で学習を移転させることによって、新しいタスクの学習効率を高める手法です。これにより、AIモデルは既に学習した知識を新しいタスクに応用できます。
問題5: B
解説: LM（Language Model：言語モデル）は、自然言語を理解し生成するためのAIモデルです。これにより、テキストの自然な流れを生成したり、言語に関するタスクを処理したりすることができます。
問題6: B
解説: プロンプトエンジニアリングは、AIモデルに対して最適な質問や命令を設計し、望む回答を得るための技術です。これにより、生成AIモデルの出力の精度や有用性を向上させることができます。
問題7: B
解説: Few-Shot プロンプティングは、限られた数の例を与えてモデルが特定のタスクを理解し実行する手法です。これにより、少ない情報からも学習し、特定のタスクを遂行することが可能になります。
問題8: A
解説: 生成AIは、複雑な計算問題の解決には不得意です。テキスト生成や自然言語の理解には優れていますが、精密な計算や論理的推論には向いていません。
問題9: A
解説: GANの「生成器（Generator）」の役割は、新しいデータを生成することです。対して「識別器（Discriminator）」は、生成されたデータが本物か偽物かを識別します。
問題10: B
解説: プライバシー設定は、ユーザーが自分のデータの共有範囲を制御できる仕組みを指します。これにより、オンラインプライバシーを保護することができます。
プリント用PDF
この演習問題をプリントアウトして使いたい方は以下のPDFをご利用ください。
