ITパスポート試験（IP）｜テクノロジ系 AI・機械学習・生成AI問題08
問題 1
通信会社が、過去の顧客について利用期間や月額料金などの特徴と、「解約した／継続した」という結果を記録している。このデータから新規顧客の解約を予測する場合、中心となる学習方法はどれか。
解説を見る
各顧客の特徴に正解ラベルである「解約／継続」が付いており、その対応を学んで新規顧客を予測するので教師あり学習が適切です。教師なし学習は正解ラベルを与えずに構造やグループを発見する場合に用います。
問題 2
小売店が、あらかじめ顧客区分を決めずに購買履歴の類似性から顧客を複数のグループへ分け、販促方法を検討したい。この用途に最も適した学習方法はどれか。
解説を見る
正解となる顧客区分を事前に与えず、購買パターンの似た顧客をグループ化するので教師なし学習が適切です。教師あり学習は既知の区分ラベルを基に分類器を学習させる場合に該当します。
問題 3
倉庫ロボットが複数の経路を試し、期限内の到着にはプラスの報酬、衝突にはマイナスの報酬を受けながら、長期的な報酬が大きくなる移動方針を学ぶ。この学習方法はどれか。
解説を見る
ロボットが環境内で行動を試し、結果として得る正負の報酬を基に方針を改善するので強化学習です。教師あり学習のように各場面の正解経路をラベルとして直接与えているわけではありません。
問題 4
不正取引検知モデルを評価したところ、学習データでの正解率は99%だったが、収集条件が同等の新しい取引データでは61%に低下した。データ漏えいは確認されていない。この状態を表す用語はどれか。
解説を見る
学習データには非常によく適合する一方、未知データへ一般化できていないため過学習に該当します。学習不足であれば、通常は学習データに対する性能も十分に高くなりません。
問題 5
顧客の購買予測モデルについて、未知の顧客に対する最終的な予測性能を公正に確認したい。評価に用いるデータとして最も適切なものはどれか。
解説を見る
未知データへの一般化性能を最終評価するには、学習やパラメータ調整から分離しておいたテストデータを用います。学習済みデータや調整に繰り返し使ったデータでは、そのデータへの適合を測ることになり、性能を過大評価するおそれがあります。
問題 6
AIにおける基盤モデルの特徴として最も適切なものはどれか。
解説を見る
基盤モデルは広範かつ大量のデータで事前学習され、微調整などを通じて質問応答や画像識別など複数の下流タスクへ適応できる点が特徴です。一つの固定ルール業務だけに用途が限定されるモデルとは異なります。
問題 7
生成AIに判例を調べさせたところ、実在しない判例名と裁判年月日を、確かな出典であるかのように回答した。この現象を表す用語はどれか。
解説を見る
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ハルシネーションです。ディープフェイクはAIなどで人物の映像や音声を本物らしく合成するものを指し、この事例のような架空の事実回答とは区別します。
問題 8
金融機関が融資審査を支援するAIを導入する。判断の影響が大きく、AIの誤りや偏りにも対処する必要がある。ヒューマンインザループの考え方に最も合う運用はどれか。
解説を見る
ヒューマンインザループはAIの処理に人間の確認や判断を組み込む考え方なので、担当者が根拠を確認して最終判断を担う運用が適切です。AI判定の無条件な自動確定は人間の関与を外し、出力を全く使わない方法はAIとの協働になりません。
問題 9
過去の採用実績を学習した人材選考AIを導入する予定だが、過去の採用者は特定の属性の集団に大きく偏っている。出力の不当な偏りを抑えるため、導入前に行う対応として最も適切なものはどれか。
解説を見る
学習データ自体が特定集団へ偏っているため、構成を確認し、モデルの結果も集団別に評価して是正する対応が適切です。属性列を一つ削除しても、居住地域など相関する変数から偏りが残る可能性があり、全体精度だけでは集団ごとの不利益を見落とします。
問題 10
生成AIモデルの重みは変更せず、指示文に目的、制約、出力形式、入力例を加え、出力を評価しながら指示を改善している。この取組を表す用語はどれか。
解説を見る
モデル自体を再学習せず、入力する指示や文脈、例示、出力形式を設計し、評価を基に反復改善する取組はプロンプトエンジニアリングです。転移学習やファインチューニングは既存モデルの学習済み知識を利用しつつ、モデル側を追加学習する点が異なります。