PRACTICE — GENERATIVE AI PASSPORTVOL.13 / TSUGINOTE AI QUIZ

生成AIパスポート 練習問題 全10問。

シラバス5章から2問ずつ、全10問。合格ラインは本試験に合わせて 7/10(正答率70%)です。下の画面でそのまま解けます。

本サイトは非公式です。生成AIパスポート試験を実施する一般社団法人 生成AI活用普及協会(GUGA)および株式会社DAILとは提携していません。過去問・公式問題集の転載は行わず、公開シラバスの項目に沿って独自に作問しています。

読み込んでいます…

同じ質問でも、プロンプトの組み立て方ひとつで、AIの答えの質は大きく変わる。

問題文・答え・解説をまとめて読む(全10問)
Q1第5章 テキスト生成AIのプロンプト制作と実例

生成AIへの指示(プロンプト)は、書き方次第で出力の質が大きく変わる。プロンプトエンジニアリングの基本を解説する「Prompt Engineering Guide」は、効果的なプロンプトを組み立てる要素として「指示(Instruction)」「文脈(Context)」に加えて、他に何を挙げているか。

  1. 画像とURL
  2. 著作権表示とライセンス
  3. 入力データと出力形式
  4. APIキーとエンドポイント
答えを見る

答え:3— 入力データと出力形式

正解は「入力データと出力形式」です。プロンプトエンジニアリングの入門資料として広く参照される「Prompt Engineering Guide」は、効果的なプロンプトを組み立てる要素として「指示(やってほしいこと)」「文脈(背景情報)」「入力データ(処理してほしい対象)」「出力形式(望む回答の形)」の4つを挙げています。すべてを毎回使う必要はありませんが、この4つを意識すると、AIに何を求めているかが伝わりやすくなり、意図したとおりの回答を引き出しやすくなります。画像やURL、著作権表示、APIキーは、この4要素として挙げられているものではありません。

Q2第3章 現在の生成AIの動向

画像生成AIサービスの一つに、Adobeが提供する「Adobe Firefly」がある。Adobeは、このFireflyの基本モデルについて、商用利用でも著作権の問題が起きにくい設計だと説明している。Adobeが公式に示す、その学習データの特徴はどれ?

  1. Adobe Stockのライセンス画像・パブリックドメインの画像・著作権が失効した作品などで学習している
  2. SNS上の画像を無断で収集して学習している
  3. 他社の画像生成AIが出力した画像だけを学習している
  4. ユーザーがアップロードした個人の写真だけで学習している
答えを見る

答え:1— Adobe Stockのライセンス画像・パブリックドメインの画像・著作権が失効した作品などで学習している

正解は「Adobe Stockのライセンス画像・パブリックドメインの画像・著作権が失効した作品などで学習している」です。Adobeは、Fireflyの基本モデルをAdobe Stockのライセンス取得済み画像、オープンライセンスのコンテンツ、著作権の保護期間が終了した作品で学習させていると公式に説明しており、Adobe Stockへの貢献者には利用に対する対価を支払っているとしています。この学習データの選び方が、商用利用でも著作権侵害のリスクを抑えやすいとされる理由です。SNS上の画像の無断収集や他社AIの出力だけを学習データにしているという説明は、Adobeが示している内容ではありません。

Q3第2章 生成AI

画像認識に使われるニューラルネットワーク構造「CNN(畳み込みニューラルネットワーク)」の初期の実用例に、郵便番号や銀行小切手の手書き数字を認識するために使われたモデルがある。ヤン・ルカンらが1998年の論文で発表したこのモデルの名称はどれ?

  1. AlexNet
  2. VGGNet
  3. ResNet
  4. LeNet
答えを見る

答え:4— LeNet

正解はLeNetです。ヤン・ルカンらが1998年の論文「Gradient-Based Learning Applied to Document Recognition」で発表したCNNの初期モデルで、郵便番号や銀行小切手に書かれた手書き数字の認識に実用化されました。畳み込み層とプーリング層を重ねて特徴を段階的に抽出する構造は、現在のCNNの基本的な設計の原型になっています。AlexNetは2012年の大規模画像認識コンテストで注目された別のCNN、VGGNetとResNetはいずれもその後に登場したより層の深いCNNで、1998年に発表されたものではありません。

Q4第3章 現在の生成AIの動向

生成AIサービスの中には、音声データをテキストに変換する音声認識(文字起こし)に対応するものがある。OpenAIが2022年9月21日に発表し、ウェブから収集した68万時間分の多言語音声データで学習させたうえでモデルの重みをオープンソースとして公開した、このモデルの名称はどれ?

  1. Jukebox
  2. Whisper
  3. CLIP
  4. MuseNet
答えを見る

答え:2— Whisper

正解はWhisperです。OpenAIが2022年9月21日に発表した音声認識(自動音声認識/ASR)モデルで、ウェブから収集した68万時間分の多言語・マルチタスクの音声データで学習させています。音声からテキストへの書き起こしだけでなく、他言語の音声を英語のテキストへ翻訳する機能も備え、モデルの重みと推論コードがオープンソースとして公開されました。CLIPは画像とテキストを対応づける別のモデル、JukeboxとMuseNetはいずれもOpenAIが手がけた音楽生成の研究プロジェクトで、音声認識モデルではありません。

Q5第2章 生成AI

OpenAIは2018年6月、大量のラベルなしテキストでまず言語モデルを事前学習し、そのあと少量のラベル付きデータで特定のタスク向けに追加学習する2段階の手法を示す論文を発表した。この論文が示した、後のGPT-2・GPT-3・ChatGPTへとつながる出発点のモデル名称はどれ?

  1. BERT
  2. ELMo
  3. GPT
  4. Word2Vec
答えを見る

答え:3— GPT

正解はGPTです。OpenAIが2018年6月に発表した論文「Improving Language Understanding by Generative Pre-Training」が示したモデルで、ラベルのない大量のテキストでまず言語モデルとして事前学習し、そのあと少量のラベル付きデータで特定のタスク向けに追加学習する2段階の手法を提案しました。この事前学習とファインチューニングを組み合わせる考え方が、後のGPT-2・GPT-3、そしてChatGPTへとつながる出発点になっています。BERTは双方向に読み込む別の事前学習モデル、ELMoとWord2Vecは単語の意味をベクトルで表す別の技術で、GPTシリーズの出発点となった論文ではありません。

Q6第4章 情報リテラシー・基本理念とAI社会原則

個人情報保護法は、元の個人データと照合すれば本人を再識別できる可能性を残しつつ、氏名など一部の記述を削除・置き換えることで単体では特定の個人を識別できないように加工した情報の区分を定めている。主に事業者内部でのデータ分析などでの利用を想定したこの区分の名称はどれ?

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

答え:1— 仮名加工情報

正解は仮名加工情報です。個人情報保護委員会のガイドラインが定める区分で、氏名など他の記述を削除・置き換えることで単体では特定の個人を識別できないように加工しつつ、元の個人データと照合すれば本人を再識別できる可能性を残す点が特徴です。匿名加工情報より加工の程度が緩やかな代わりに第三者への提供は原則できず、主に事業者内部でのデータ分析など内部利用を想定した区分とされています。匿名加工情報は照合しても本人を識別できないように加工した情報、要配慮個人情報は特に配慮を要する記述を含む個人情報、個人関連情報はいずれの区分にも該当しない情報で、仮名加工情報とは異なる区分です。

Q7第1章 AI(人工知能)

多層のニューラルネットワークを学習させる仕組みの一つに、出力結果と正解との誤差を出力層から入力層へさかのぼって伝えながら、各層の重みを少しずつ調整していく手法がある。1986年にラメルハート・ヒントン・ウィリアムズらの論文で広く知られるようになったこの手法の名称はどれ?

  1. 主成分分析
  2. バックプロパゲーション(誤差逆伝播法)
  3. アンサンブル学習
  4. 勾配ブースティング
答えを見る

答え:2— バックプロパゲーション(誤差逆伝播法)

正解はバックプロパゲーション(誤差逆伝播法)です。1986年にラメルハート、ヒントン、ウィリアムズが発表した論文「Learning representations by back-propagating errors」で広く知られるようになった手法で、出力結果と正解との誤差を出力層から入力層へさかのぼって伝え、その勾配をもとに各層の重みを調整します。この仕組みにより、単純な構造しか学習できなかったパーセプトロンの限界を超え、多層のニューラルネットワークを学習させられるようになりました。主成分分析はデータの次元を削減する統計手法、アンサンブル学習と勾配ブースティングは複数のモデルを組み合わせる手法で、誤差を逆向きに伝える仕組みではありません。

Q8第4章 情報リテラシー・基本理念とAI社会原則

AIのセキュリティ上の脅威には、生成AIへの入力に悪意ある指示を紛れ込ませるプロンプトインジェクションとは別に、モデルの学習段階そのものを狙うものもある。攻撃者が学習データに不正なデータや操作されたラベルを混入させ、学習後のモデルの挙動を意図的に歪ませる攻撃手法の名称はどれ?

  1. フィッシング
  2. ブルートフォース攻撃
  3. ディープフェイク
  4. データポイズニング
答えを見る

答え:4— データポイズニング

正解はデータポイズニングです。米国立標準技術研究所(NIST)が2024年1月に公表した報告書が整理する攻撃類型の一つで、攻撃者がモデルの学習データに不正なデータや操作されたラベルを混入させ、学習後のモデルの挙動を意図的に歪ませたり、特定の入力に誤った出力をさせたりします。プロンプトインジェクションが推論時の入力を狙うのに対し、データポイズニングは学習データそのものを狙う点が異なります。フィッシングとブルートフォース攻撃は一般的なサイバー攻撃の手口、ディープフェイクは偽の映像・音声を作る技術で、学習データを狙う攻撃ではありません。

Q9第1章 AI(人工知能)

AIの歴史には、ルールの形で専門家の知識を蓄え、それをもとに推論させる「エキスパートシステム」が注目された時期がある。1970年代初頭にスタンフォード大学で開発され、血液中の細菌感染症を診断し、適切な抗生物質を提案することを目的に作られた初期のエキスパートシステムの名称はどれ?

  1. MYCIN
  2. SHRDLU
  3. DENDRAL
  4. PROLOG
答えを見る

答え:1— MYCIN

正解はMYCINです。1970年代初頭にスタンフォード大学でエドワード・ショートリフらが開発した初期のエキスパートシステムで、血液中の細菌感染症を診断し、適切な抗生物質を提案する目的で作られました。医師から聞き取った診断のルールを約500個の「もし〜ならば〜」という形式で蓄え、症状や検査結果を入力すると推論して回答します。法的・倫理的な懸念から実際の医療現場では使われませんでしたが、知識をルールとして表現し推論する手法の有効性を示しました。SHRDLUは積み木の世界を扱う対話システム、DENDRALは分子構造を推定する別のエキスパートシステム、PROLOGは論理プログラミング言語です。

Q10第5章 テキスト生成AIのプロンプト制作と実例

生成AIに複雑なタスクを解かせる手法の一つに、「次に何を考えるべきか」という推論のステップと、検索エンジンの呼び出しなど外部ツールを使う行動のステップを交互に繰り返しながら、答えに近づいていく手法がある。2022年にGoogleの研究者らが発表した論文で示されたこの手法の名称はどれ?

  1. Tree-of-Thoughtプロンプティング
  2. ファインチューニング
  3. ReAct(推論と行動の交互実行)
  4. Chain-of-Thoughtプロンプティング
答えを見る

答え:3— ReAct(推論と行動の交互実行)

正解はReAct(推論と行動の交互実行)です。2022年にGoogleの研究者らが発表した論文「ReAct: Synergizing Reasoning and Acting in Language Models」で示された手法で、次に何を考えるべきかという推論のステップと、検索エンジンの呼び出しなど外部ツールを使う行動のステップを交互に繰り返しながら、最終的な答えに近づいていきます。推論だけを連ねるChain-of-Thoughtに対し、外部からの情報取得を挟める点が特徴です。Tree-of-Thoughtは行動のステップを挟まない推論中心の手法、ファインチューニングはモデル自体を追加学習で調整する手法で、外部ツールの呼び出しを組み込んだ手法ではありません。