G検定 合格ガイド|試験のしくみ・機械学習の3種類・過学習と正則化・ハルシネーション・AIと著作権+全肢解説の確認問題

G検定(ジェネラリスト検定)は、一般社団法人 日本ディープラーニング協会(JDLA)が行う、AI・ディープラーニングをビジネスで活用する知識を問う検定です。エンジニアでなくても受けやすく、生成AIの普及で受験者が増えています。

試験のしくみ

項目内容
実施一般社団法人 日本ディープラーニング協会(JDLA)
方式自宅などから受けるオンライン試験(年に複数回)
形式多肢選択式
主な分野AIの歴史・機械学習・ディープラーニングの手法・生成AI・AIと法律・倫理

機械学習の基本

図解:機械学習の種類
機械学習の種類
用語意味
過学習学習データに合わせすぎて、新しいデータでの精度が下がること
正則化モデルが複雑になりすぎないよう制約をかけ、過学習を防ぐ手法
転移学習別のタスクで学習済みのモデルを使い、少ないデータで新しいタスクを学習する
ハルシネーション生成AIが、事実と異なる内容をもっともらしく出力すること

AIと法律・倫理

  • 著作権法第30条の4:AIの学習(情報解析)のための著作物の利用は、原則として許諾なく行える。ただし、著作権者の利益を不当に害する場合は除かれる。
  • 生成物の利用では、既存の著作物との類似性と依拠性が認められると、著作権侵害になりうる。

確認問題(4肢択一・全肢解説)

問題1

正解ラベルのないデータから、似たもの同士をグループに分ける手法が属するものはどれか。

  1. 教師あり学習
  2. 教師なし学習
  3. 強化学習
  4. 転移学習

正答:2

  • 肢1 × 教師あり学習は、正解ラベルつきのデータで学習する。
  • 肢2 ○(正答) クラスタリングは、正解のないデータから構造を見つける教師なし学習。
  • 肢3 × 強化学習は、行動に対する報酬を最大化するように学習する。
  • 肢4 × 転移学習は、学習済みモデルを別のタスクに活かす方法。

問題2

学習データでは高い精度が出るが、新しいデータでは精度が大きく下がる状態を何というか。

  1. 未学習
  2. 過学習
  3. 正則化
  4. 汎化

正答:2

  • 肢1 × 未学習は、学習データでも精度が出ない状態。
  • 肢2 ○(正答) 学習データに合わせすぎた状態が過学習。
  • 肢3 × 正則化は過学習を防ぐための手法。
  • 肢4 × 汎化は、新しいデータにも対応できる能力のこと。

問題3

生成AIが事実と異なる内容をもっともらしく出力する現象はどれか。

  1. ハルシネーション
  2. アノテーション
  3. ファインチューニング
  4. プロンプトインジェクション

正答:1

  • 肢1 ○(正答) ハルシネーション(幻覚)の説明。出力の事実確認が必要。
  • 肢2 × アノテーションは、データに正解ラベルなどを付ける作業。
  • 肢3 × ファインチューニングは、学習済みモデルを追加データで調整すること。
  • 肢4 × プロンプトインジェクションは、悪意ある指示でAIに想定外の動作をさせる攻撃。

よくある間違いと正しい理解

よくある間違い正しい理解
クラスタリングは教師あり正解なしデータを扱う教師なし学習
学習データの精度が高ければ成功新しいデータでの精度(汎化性能)が大事
AI学習の著作物利用はすべて自由著作権者の利益を不当に害する場合は除かれる
生成AIの出力は正しいハルシネーションがあるため事実確認が必要

くわしく調べるときの公式サイト

コメント

このブログの人気の投稿