AI-901 サンプル問題

正解：B

A　誤動作や想定外条件への耐性に関する原則。特定グループへの系統的な不利益は別の原則の問題

B（正解）　正解。AIはすべての人を公平に扱うべきであり、性別など属性による系統的な偏りは公平性の侵害にあたる

C　判断根拠を説明できるかに関する原則。偏った扱いそのものを指す原則ではない

D　個人データの保護に関する原則で、スコアの偏りとは論点が異なる

正解：A

A（正解）　正解。多様な集団を代表するデータと、グループ別の性能評価がバイアス緩和の基本

B　量を増やしても偏った分布のままでは、バイアスはむしろ強化されることがある

C　透明性とアカウンタビリティを損なう対応であり、バイアス自体は解消されない

D　全体精度が高くても特定グループで誤り率が高い状態は起こり得るため対策にならない

正解：C

A　解像度の問題なら全グループで一様に精度が下がるはずで、特定グループだけの劣化は説明できない

B　速度は応答時間の問題であり、認識精度の偏りの原因にはならない

C（正解）　正解。学習データの代表性不足は、特定グループでの精度低下を招く典型的な原因

D　リージョンは遅延に影響するだけで、認識精度の偏りとは無関係

正解：D

A　平均が高くても特定グループで誤りが集中している状態を見逃すため不十分

B　主観評価は再現性がなく、無意識のバイアスを検出できない

C　性能監視としては有効だが、公平性の評価にはならない

D（正解）　正解。グループ間で性能指標を比較・監視することが公平性評価の基本的な手法

正解：A

A（正解）　正解。保護属性そのものを除外しても、相関の強い代理変数を通じて偏りが生じ得る

B　カテゴリ変数として扱えば学習は可能で、技術的な制約の問題ではない

C　郵便番号単独では個人を特定できず、必ず違法という主張は正しくない

D　計算コストの話であり、公平性の懸念とは関係がない

正解：C

A　あらゆる人が利用できることに関する原則で、悪条件下の誤動作リスクの論点ではない

B　結果への責任の所在に関する原則。誤動作への技術的な備えそのものを指す原則ではない

C（正解）　正解。想定外の条件でも安全に動作し、危害を及ぼさないことを求める原則

D　グループ間の扱いの偏りに関する原則で、環境条件による誤動作とは別の話

正解：B

A　重要な取り組みだが、主にプライバシーや法令遵守に関わる話

B（正解）　正解。通常時だけでなく異常時の振る舞いを検証することが信頼性と安全性の中核的実践

C　説明可能性の向上は透明性の実践に該当する

D　より多くの人が使えるようにする取り組みで、包摂性の実践に該当する

正解：A

A（正解）　正解。高リスク領域では信頼度の低い判断を自動確定せず、人間の判断につなぐ設計が安全

B　低確信のケースまで自動確定すると、誤判断が患者に危害を及ぼすリスクが高い

C　ランダム化は判断品質をさらに下げるだけで、安全性の確保にならない

D　利用者が結果の確からしさを判断できなくなり、安全性と透明性の両方を損なう

正解：D

A　データの傾向は変化するため、固定したままでは精度低下が進行する

B　原因を確認せず利用者に転嫁しても、モデルの劣化は解消しない

C　負荷と予測精度の低下は別問題であり、対策として的外れ

D（正解）　正解。データドリフトによる劣化には、継続的な監視と再評価・再学習で対処する

正解：B

A　出力の多様性が増すだけで、有害な内容の抑止にはならない

B（正解）　正解。有害カテゴリを検出してブロックするコンテンツフィルターが安全対策の基本

C　応答の長さの上限が変わるだけで、内容の安全性とは無関係

D　文脈が失われて品質が下がるだけで、有害出力の防止策ではない

正解：C

A　データ最小化の考え方に反し、漏えい時の影響も大きくなる

B　個人情報を保護しないままの共有は重大なプライバシー侵害につながる

C（正解）　正解。データ最小化と仮名化・匿名化はプライバシー保護の基本的な実践

D　再現性のためでも個人データの公開は許されない

正解：A・C

A（正解）　正解。データ最小化は収集段階からリスクを減らす基本原則

B　アクセス範囲の無制限な拡大は漏えいリスクを大きく高める

C（正解）　正解。保存時・転送時の暗号化はデータ保護の基本的なセキュリティ対策

D　保持目的を失ったデータの継続保持はプライバシー原則に反する

E　最小権限の原則に反し、不正アクセスを防げなくなる

正解：B・D

A　性能改善の施策であり、公平性の確保にはつながらない

B（正解）　正解。グループ間の性能差を可視化することが公平性確保の前提になる

C　データの偏りを固定化し、バイアスをむしろ強める

D（正解）　正解。代表性のある学習データはバイアス緩和の基本的な施策

E　検証の手段を失わせ、透明性とあわせて公平性の確認も妨げる

正解：B

A　それはユーザーメッセージの役割で、システムプロンプトではない

B（正解）　正解。システムプロンプトはアシスタントの振る舞いの前提を会話全体に適用する

C　それはアシスタントメッセージの役割で、システムプロンプトではない

D　認証はキーや資格情報の仕組みで行われ、プロンプトの役割ではない

正解：A

A（正解）　正解。少数の例を示すことで、追加学習なしに出力の形式や傾向を誘導できる

B　追加学習でモデル自体を更新する手法で、プロンプトに例を書く手法ではない

C　出力のランダム性の制御であり、例示による誘導ではない

D　有害出力の抑止機能であり、出力形式の誘導手段ではない

正解：C

A　出力がばらつき、機械処理に必要な形式の安定性が失われる

B　応答の構造が毎回変わり得るため、後続処理が壊れやすくなる

C（正解）　正解。期待する形式を具体的に指定することで、パース可能な安定した出力を得やすい

D　応答が途中で切れて不完全なデータになるリスクが上がる

正解：D

A　入力が同じであれば得られる回答の傾向も変わらない

B　手がかりが減り、回答はさらに一般的な内容に寄ってしまう

C　出力の多様性の話であり、回答の的確さの改善にはつながらない

D（正解）　正解。対象・前提・制約を明示するほどモデルは文脈に即した回答を返しやすい

正解：A

A（正解）　正解。守るべきルールをシステム側で宣言し、ユーザー入力は信頼できないデータとして扱う

B　プロンプトインジェクションをそのまま許してしまう危険な設計

C　方針を定める場所がなくなり、防御がさらに弱くなる

D　応答の長さと指示の上書きへの耐性には関係がない

正解：B

A　途中の思考を書かせる分、トークン消費はむしろ増える

B（正解）　正解。段階的に考えさせることで論理の飛躍による誤りを減らせる

C　プロンプトの指示で学習データが変わることはない

D　言語指定の指示ではなく、推論のさせ方の指示

正解：C

A　モデルの振る舞いの前提を定めるロールで、過去の応答の保持ではない

B　ユーザーの発話を表すロールで、モデルの応答ではない

C（正解）　正解。assistantロールのメッセージとして過去のモデル応答を履歴に含める

D　ツール実行の結果を渡すためのロールで、モデル自身の応答ではない

正解：D

A　グラウンディングの目的が失われ、幻覚のリスクが戻ってしまう

B　検索結果の転記になってしまい、質問への回答にならない

C　最新情報や社内情報を反映できず、RAGを使う意味がなくなる

D（正解）　正解。根拠を文脈に限定し、不明時の振る舞いまで指定することで幻覚を抑えられる

正解：B

A　利用料金の確認機能で、モデルとの対話はできない

B（正解）　正解。プロンプトやパラメーターを変えながらモデルの応答を対話形式で試せる

C　サービスの稼働状況の確認機能で、応答のテストではない

D　利用枠の管理機能で、モデルとの対話はできない

正解：A

A（正解）　正解。Foundryではプロジェクト単位でモデルやエージェントなどの資産と設定を管理する

B　リソースの誤削除を防ぐ機能で、AI開発の作業単位ではない

C　ネットワーク分離の仕組みで、AI資産の管理単位ではない

D　ファイル保存の単位で、モデルやエージェントの管理単位ではない

正解：C

A　カタログは既存モデルの探索の場であり、事前学習の実行機能ではない

B　素材販売の場ではなく、AIモデルを扱うカタログ

C（正解）　正解。OpenAI・Microsoft・オープンソースなど多様なモデルを一覧から選んで展開できる

D　データセットの共有ではなく、モデルの探索とデプロイのための機能

正解：B

A　ホスト型のデプロイでは重みは提供されず、取得する必要もない

B（正解）　正解。接続先のエンドポイントと認証手段があればAPI経由で呼び出せる

C　物理的な所在地はAPI呼び出しに不要な情報

D　ポータルのログイン情報をアプリに渡すのは不要かつ危険

正解：D

A架空　そのような機能は実在しない架空の名称

B　基盤モデルの事前学習は利用者側では実行できず、文書参照の手段としても不適

C　安全機能の解除であり、社内文書に基づく回答とは無関係

D（正解）　正解。独自データの追加機能で検索インデックスと接続し、文書に基づく回答を構成できる

正解：A

A（正解）　正解。ヘイト・暴力などのカテゴリ別に重大度のしきい値を構成できる

B　言語の制御はプロンプトで行うもので、フィルターの機能ではない

C　課金管理の話であり、コンテンツフィルターとは無関係

D　フィルターは入出力の検査層であり、モデル本体は変更しない

正解：C

A　サンプルが少なく主観的で、品質差の体系的な比較にならない

B　品質と無関係な基準であり、選定方法として不適切

C（正解）　正解。評価(Evaluation)機能により品質指標に基づく客観的な比較ができる

D　新しさと自分のタスクへの適合性は別で、検証なしの選定は危険

正解：B

A　コンテキスト長はモデル固有の仕様で、TPMの設定値ではない

B（正解）　正解。TPMはそのデプロイが単位時間に処理できるトークン量の割り当てを決める

C　コスト管理は予算アラートなどの仕組みで行い、TPMは金額の設定ではない

D　ストレージの話であり、TPMとは無関係

正解：C

A　ストレージ用の接続情報であり、Foundryプロジェクトへの接続には使わない

B　セッション情報の流用は認証方法として不正で、動作保証もない

C（正解）　正解。SDKではプロジェクトのエンドポイントと資格情報からクライアントを初期化する

D　インフラ定義のファイルであり、実行時の接続手段ではない