第40問〜第57問を掲載しています。答えを開き、誤答選択肢との違いまで確認してください。
公式範囲を確認し、問題文・選択肢・解説は当サイトが作成。本試験問題の複写ではありません。
試験概要（公式）正解は「プライバシー・バイ・デザイン」である。位置情報は個人の行動に結びつきやすいため、必要最小限の収集と保存期間を開発開始時に仕様として決めておくことが、事後的でなく予防的・事前的に保護を組み込む考え方の実例になる。アカウンタビリティ（説明責任）はAIの判断や結果について事後に説明する責任であり、収集量や保存期間を設計で決める話ではない。フィルターバブルは推薦アルゴリズムの優先表示により異なる視点に触れにくくなる状態で、データの保存期間とは別の話である。MLOpsはAI開発から本番運用、監視、再学習までを継続的に回すための考え方や実践で、開発開始時の保護の設計を表す語ではない。選ぶときは、「事後対応でなく設計段階からプライバシーを組み込むか」を軸に、収集量と保存期間が開発の最初に仕様へ入っているかを見るとよい。
https://www.jdla.org/certificate/general/
この事例では「正解結果に由来する未来情報が学習へ混入したか」を確認すると、「データリーケージ」が当てはまると分かる。正解はデータリーケージ。審査後に付与される結果コードは、審査の結果が出てから初めて決まる。審査の結果を予測するモデルがこのコードを入力に使うと、答えの写しを見ているのと同じで、検証精度だけが高くなる。審査の時点で使える申込情報や信用情報だけを入力にする必要がある。概念ドリフトは運用後の入力傾向の変化、データの品質は正確性や目的への適合の度合い、データの加工・前処理はデータを整える工程であり、この事例の原因を指す語ではない。見分ける手がかりは、結果コードが審査の判定そのものから付与され、入力側に出口の情報が入っている点である。
https://www.jdla.org/certificate/general/ （大項目7 AIの社会実装に向けて）
この事例では「発生端末側で低遅延推論を行うか」を確認すると、「エッジAI」が当てはまると分かる。正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
https://www.jdla.org/certificate/general/
この事例では「予測へ至った要因を人へ説明可能にするか」を確認すると、「説明可能AI（XAI）」が当てはまると分かる。正解は「説明可能AI（XAI）」である。説明可能AI（XAI）は、AIの判断理由や根拠を人が理解できる形で説明するための考え方で、融資審査のように説明責任が問われる場面で重要になる。データリーケージは評価時に本来使えない情報が混入する問題、オープンデータは公開データ、GPUは計算資源であり、判断理由の説明という観点ではない。 説明責任を支える具体的なモデル解釈技術を問う。データリーケージは情報混入事故、オープンデータは公開条件、GPUは計算装置である。特徴寄与度や局所説明などで判断理由を説明可能にするのがXAIである。
https://www.jdla.org/certificate/general/
正解は「オープンデータ」である。誰でも利用・再配布できる形で公開されたデータがオープンデータであり、学習用に取り入れる際は、公開されている範囲と利用条件を確認して使う。コーパスは自然言語処理の学習に使う文章データの集合で、公開のされ方ではなくデータの種類と用途を表す語である。アノテーションはデータにラベルやタグを付与する作業で、データそのものを指す語ではない。プライバシー・バイ・デザインは個人情報保護を設計段階から組み込む考え方で、公開されたデータを指す語ではない。選ぶときは、問われているのが「データの公開のされ方」か「データの種類」か「付与する作業」か「設計の考え方」かを軸にするとよい。
https://www.jdla.org/certificate/general/
この事例では「予測時には未知の事後情報が学習へ漏れているか」を確認すると、「データリーケージ」が当てはまると分かる。正解はデータリーケージ。解約手続きの完了後に記録される項目は、解約が起きた後にしか存在しない。解約するかどうかを予測する時点では空であるはずの項目が入力にあると、解約した顧客だけにその値が入る形になり、結果を教えているのと同じになる。概念ドリフトは運用後の入力傾向の変化、データの品質は正確性や目的への適合の度合い、データの加工・前処理はデータを整える工程であり、この事例の原因を指す語ではない。見分ける手がかりは、項目が記録される時期が解約の後であり、予測の時点では取得できない点である。
https://www.jdla.org/certificate/general/ （大項目7 AIの社会実装に向けて）
この事例では「ネットワーク接続に依存せず現場側で推論するか」を確認すると、「エッジAI」が当てはまると分かる。正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
https://www.jdla.org/certificate/general/
この事例では「モデル判断の理由を人が確認できるか」を確認すると、「説明可能AI（XAI）」が当てはまると分かる。正解は「説明可能AI（XAI）」である。説明可能AI（XAI）は、AIの判断理由や根拠を人が理解できる形で説明するための考え方で、融資審査のように説明責任が問われる場面で重要になる。データリーケージは評価時に本来使えない情報が混入する問題、オープンデータは公開データ、GPUは計算資源であり、判断理由の説明という観点ではない。 説明責任を支える具体的なモデル解釈技術を問う。データリーケージは情報混入事故、オープンデータは公開条件、GPUは計算装置である。特徴寄与度や局所説明などで判断理由を説明可能にするのがXAIである。
https://www.jdla.org/certificate/general/
正解は「プライバシー・バイ・デザイン」である。音声アシスタントで、録音範囲の最小化と削除設定を企画段階から機能として組み込む点が、問題が起きてから後付けで対処するのではなく、あらかじめ保護を設計へ入れる予防的・事前的な考え方に当たる。ステークホルダーは利用者・開発者・規制当局・社会など影響を受けたり関与したりする利害関係者を指す語で、録音の扱いを決める考え方ではない。概念ドリフトは運用後にデータの傾向が変わる現象であり、企画段階の設計とは時点が異なる。アノテーションは画像やテキストにラベルやタグを付与する作業で、録音の最小化や削除とは別の話である。選ぶときは、「個人情報保護を開発後でなく設計時から扱うか」を軸に、録音と削除の扱いが企画の時点で機能として決まっているかを見るとよい。
https://www.jdla.org/certificate/general/
この事例では「予測対象の確定後に得る変数が訓練へ混入したか」を確認すると、「データリーケージ」が当てはまると分かる。正解はデータリーケージ。診療コードは退院時に確定するので、入院期間の予測を行う入院中や入院時点では未確定である。退院時の情報には入院の長さを反映した内容が含まれ得るため、入力に加えると予測対象の結果が間接的に混入し、検証だけ精度が上がる。概念ドリフトは運用後の入力傾向の変化、データの品質は正確性や目的への適合の度合い、データの加工・前処理はデータを整える工程であり、この事例の原因を指す語ではない。見分ける手がかりは、診療コードが予測対象の入院が終わるまで確定せず、予測の時点では取得できない点である。
https://www.jdla.org/certificate/general/ （大項目7 AIの社会実装に向けて）
正解は「コーパス」である。コーパスは、書き言葉や話し言葉の資料を体系的に集めたデータの集まりを指し、自然言語処理のための言語モデルの構築などに利用される。設問では、単に一つの文章を選ぶことや文章データに何らかの操作を加えることではなく、学習に用いる文章データをまとめた対象の名称を問うている。この違いを確認すると、文章そのものや操作の名前ではなく、文章データの集合を表すコーパスを選べる。自然言語処理の学習に使うという用途と、文章データの集合という二つの条件を組み合わせて判断する。用語の定義を設問の条件へそのまま対応させる。
国立国語研究所 言語コーパスガイダンス https://clrd.ninjal.ac.jp/guidance.html （書き言葉や話し言葉の資料を体系的に収集し研究用の情報を付与した言葉のデータベースを言語コーパスと呼ぶこと、自然言語処理のための言語モデルの構築に利用されること）
正解は「CRISP-ML」である。CRISP-DMはデータ分析プロジェクトを段階的に進めるための標準的な手順の枠組みだが、モデルを運用に乗せた後の性能モニタリングや品質保証までは手順に含まない。CRISP-MLはこのCRISP-DMを機械学習プロジェクト向けに拡張し、運用後のモニタリングや品質保証まで手順に含めた枠組みである点がCRISP-DMとの違いになる。MLOpsは開発チームと運用チームが連携し学習・検証・デプロイ・監視までを継続的な仕組みとして回す考え方・体制であり、CRISP-MLのように段階を定めた手順の枠組みそのものではない点で層が異なる。BPRは業務の流れ自体を抜本的に作り直す経営手法であり、機械学習プロジェクトの進め方の枠組みではない。
https://arxiv.org/abs/2003.05155 （Studer et al. 『Towards CRISP-ML(Q)』の要旨。CRISP-DMの拡張であることとMonitoring & Maintenanceフェーズ）／G検定シラバス2024（大項目7 AIプロジェクトの進め方）
正解は「アジャイル」である。アジャイルは、要件を最初に確定しにくいAI開発に適した、短い期間で実装と検証を繰り返しながら計画を柔軟に見直していく開発の進め方である。ウォーターフォールは要件定義・設計・実装・テストの各工程を順番に完了させてから次の工程へ進む、後戻りを前提としない従来型の進め方であり、計画を柔軟に見直しながら短期間で反復するアジャイルとは対照的である。CRISP-DMはデータ分析プロジェクトを「業務理解→データ理解→データ準備→モデリング→評価→展開」の段階で進める手順の枠組みであり、開発チームの作業サイクルの柔軟さを表す語ではない。PoCは本格的な開発投資に入る前に、小規模な試作・実験で目的を達成できそうかを確かめる取り組みであり、開発全体の進め方を表す語ではない。
アジャイル宣言の背後にある原則（要件変更の歓迎と、数週間から数か月の短い期間での納品の原則）／G検定シラバス2024（大項目7 AIプロジェクトの進め方）
正解は「コンテナ」である。Docker公式ドキュメントは、Dockerをアプリケーションの開発・配布・実行のためのオープンなプラットフォームとし、アプリケーションをコンテナと呼ぶ緩く隔離された環境にパッケージ化して実行できると説明している。コンテナは軽量で実行に必要なものをすべて含むため、ホストにインストールされているものに依存しない。AI開発では、学習や推論の実行環境を同じ形で別の環境へ移すために使われる。仮想GPUは計算資源の分割、ノートブックは対話的にコードを実行する文書、ワークフローエンジンは処理の順序制御を指し、環境のパッケージ化を表す語ではない。
Docker公式ドキュメント「Docker overview」／G検定シラバス2024（大項目7 AIプロジェクトの進め方）
正解は「Jupyter Notebook」である。Project Jupyter公式サイトは、Jupyter Notebookを計算ドキュメントを作成し共有するための最初のウェブアプリケーションとし、Python・R・Julia・Scalaを含む40以上のプログラミング言語に対応すると説明している。ノートブックは電子メールやGitHubなどで共有できる。Dockerは実行環境をコンテナにパッケージ化する仕組み、CRISP-DMはデータ分析プロジェクトの進め方の枠組み、Web APIはプログラムの機能をネットワーク越しに呼び出す窓口であり、いずれも計算ドキュメントを作る道具ではない。
Project Jupyter公式サイト／G検定シラバス2024（大項目7 AIプロジェクトの進め方）
正解は「組織内部のイノベーションを促進するため、意図的かつ積極的に内部と外部の技術やアイデアなどの資源の流出入を活用し、成果を組織外に展開する市場機会を増やすこと」である。経済産業省の産学連携政策の資料（2024年11月29日）は、オープンイノベーションをこのように説明し、出所をチェスブロウの著書『Open Innovation』（2003年）としている。自社内だけで完結させる方法は外部の資源を使わない点で、業務プロセスの再設計はBPRの説明で、大学の特許の譲渡は産学連携の一形態にすぎず定義全体を表さない点で、それぞれ誤りである。
経済産業省 大学連携推進室「企業のオープンイノベーションを実現する産学連携の進化に向けて」（2024年11月29日）／G検定シラバス2024（大項目7 AIプロジェクトの進め方）
正解は「REST API」である。AWSの「APIとは」のページは、REST（Representational State Transfer）が、クライアントがサーバーデータにアクセスするためのGET・PUT・DELETEなどの関数を定義し、クライアントとサーバーがHTTPを使ってデータを交換する方式であり、今日ウェブ上で最も人気があり柔軟なAPIだと説明している。REST APIは標準のアーキテクチャスタイルを使う特殊なタイプのWeb APIである。SOAP APIはXMLでメッセージを交換する柔軟性の低い方式、RPC APIはクライアントがサーバー上の関数を実行して出力を受け取る方式、Websocket APIはJSONオブジェクトでデータを渡し双方向通信をサポートする方式である。
AWS「API (アプリケーションプログラミングインターフェイス) とは」／G検定シラバス2024（大項目7 AIプロジェクトの進め方）
正解は「「組織」対「組織」の本格的な産学官連携」である。経済産業省のページは、大学等と企業の組織的な連携体制の構築を目指して、経済産業省が文部科学省とともに2016年11月に「産学官連携による共同研究強化のためのガイドライン」を策定したと説明している。2020年6月にはその追補版が取りまとめられた。同ページは、ガイドライン等が目指すものを「組織」対「組織」の本格的な産学官連携としている。研究者個人と企業の個別の関係、企業の社内連携、大学内の連携は、大学等と企業の組織的な連携体制という趣旨に合わない。
経済産業省「産学官連携による共同研究強化のためのガイドライン」（https://www.meti.go.jp/policy/innovation_corp/guideline.html）／G検定シラバス2024（大項目7 AIプロジェクトの進め方）