教師なし学習

正確な情報の抽出

ディープフェイク技術が悪用されると詐欺やなりすましリスクが高まるので厳格に法律で規制されている。

AI は、知覚、認識、理解、学習、問題解決能力などの人間の知能を再現する能力を持ち、ソフトウェアやアプリケーションの形で存在する。

AI の進化に伴い、人間の仕事が奪われる可能性が危惧されているが、プライバシーや倫理的な問題が生じる可能性は低い。

AI に知能をもたらす仕組みとして、現在主流となっているのはルールベースである。

ルールベースは、人間が事前に作成したルールや知識をコンピュータプログラムに組み込むことで、それに基づいて予測や判断を行う技術である。

機械学習は、大量のデータからパターンを見出し、そのパターンをもとに未知のデータに対して予測や分類を行う技術である。

教師なし学習

イとエ

次元削減を行うと、データの可視化や解析が容易になる。

強化学習は、自動運転車のような実世界の技術開発にまでは用いられていない。

1つ

人工ニューロンをいくつかの層に配列し、初めに入力されたデータを次々に変換して情報を処理する仕組みをディープラーニングといい、そのディープラーニングを何層にも重ねて作られたシステムがニューラルネットワークである。

機械学習における過学習とは、機械学習のモデルが訓練データを十分に学習し、適合することで、新しい未知のデータに対してもうまく対応・予測ができるようになる現象を指す。

過学習の回避方法である正則化とは、モデルのパラメーターを増やして、学習を適切に行えるようにする方法である。

AI の4つのレベルのうち、レベル2は、チャットボットや音声認識システムなどの質問応答システムで利用されている。

第二次 AI ブームは、1980年代後半から発生し、専門家の意思決定プロセスを模倣するエキスパートシステムが注目を集めたが、このシステムは、専門家が持つ知識を正確に取り込むことと、その知識ベースの管理が容易であるという特徴があった。

ボルツマンマシンの登場により、多層学習が可能になって、 AI 学習の分野に活気が戻り、学習できるデータ量が大幅に増えて実用化された。

自己回帰モデルは、過去のデータから将来を予測する方法であり、時系列データの予測に対して特に効果的である。

CNN は、画像の一部分ではなく全体からまとめて特徴を抽出する。

VAE は、生成モデルの一種で、データの次元削減やデータ生成に使用されるニューラルネットワークである。

GAN の訓練は、生成器と識別器の2つのモデルに同一の機能を持たせ、互いに協力し合って行われる。

RNN は、過去の情報を記憶しながら、新しい入力を処理するという特性がある。

Transformerモデルは、時系列によるデータの順番に沿って処理をするため、多くの情報を同時平行的に処理することは困難である。

3つ

BERT モデルにおいて採用されている「Masked Language Model」という仕組みは、列挙された単語を語順どおり読むことはできるが、その逆から読むことはできない。

RoBERTa は、BERT の約10分の1のデータ量で訓練された。

GPT-2 は、 GPT-1 よりも、より人間らしく、適切な文脈のテキストを生成できるようになったため、リリース当初から全てのバージョンが公開された。

GPT-3.5は、InstructGPTと異なり、 RLHF を採用していない。

GPT-4 および GPT-4o は、いずれもマルチモーダルモデルであり、テキスト、画像、音声などの異なる種類のデータをそれぞれ個別に処理はできるが、これらをシームレスに組み合わせ、同時に理解・分析して、より深い洞察や自然な応答することまではできない。

テキスト生成 AI の学習過程で用いられる RNN とは、コンピュータが自然言語の複雑さや 曖昧さを扱いながら、テキストデータを理解・生成するために必要な技術の総称をいう。

偏見や差別的な表現の生成がなくなる。

3つ

画像生成 AI における画像データ作成手法として、 RNN が用いられる。

画像生成 AI を利用する場合、バイアスの影響に留意する必要がある。

音楽生成 AI の学習データとしては、 MIDI や JPEG ファイルが用いられる。

動画生成 AI の学習において、最も一般的に用いられる手法は、 GAN と VAE である。

ディープフェイク技術で用いられる主なディープラーニングモデルは、 BERT である。

デジタル市民権は、インターネットリテラシーに含まれない。

カフェや施設の名称のついたフリーWi-Fi に自ら手動で接続する形にすれば、偽の Wi-Fi に接続して通信を盗聴されるといったリスクはない。

インターネット上のセキュリティ脅威は、アップロード時には存在しないが、ダウンロード時には存在する。

マルウェア対策として、未知のソースからのファイルは、ダウンロードして開いた上で、アンチウイルスソフトウェア等でチェックするのがよい。

ソーシャルエンジニアリング攻撃におけるプレテキストとは、攻撃者が偽のシナリオを作り出し、ターゲットを騙すための根拠や前提を提供して、ユーザーのパスワードや他の機密情報を聞き出すなどする手法をいう。

なし

取り扱う個人情報によって識別される特定の個人の数の合計が、過去6月以内のいずれの日においても5000を超えない場合は、個人情報取扱事業者に該当しない。

サービス利用や書類において利用者ごとに割り振られる符号は、「個人情報」に含まれない。

3つ

要配慮個人情報には、本人の人種、信条、社会的身分は含まれるが、病歴、犯罪の経歴、犯罪により害を被った事実は含まれない。

匿名加工情報とは、個人の情報の区分に応じて、法に定められた措置を講じて、特定の個人を識別することができないように個人情報を加工し、後に当該個人情報を復元することができるようにした情報である。

著作権とは、著作物（著書が、思想または感情を創造的に表現したものであって、文芸、学術、美術または音楽の範囲に属するもの）について、著作者が著作登録をすることで発生する権利である。

肖像権は、法律の明文で規定され、保護されている。

不正競争防止法で保護される「営業秘密」といえるためには、秘密管理性および有用性の2つの要件を満たす必要がある。

AI 生成物は、 AI が生成したものであるため、 AI 生成物自体に著作権が認められることはない。

産業の発展する社会

「AI 社会原則」では、今後、 AI アーキテクチャーの多様化に伴うバリューチェーン変動等により、各主体の役割が固定化する可能性を踏まえた上で、各主体間で連携するのではなく、個別にバリューチェーン全体での AI の品質の向上に努めることおよびマルチステークホルダーで継続して議論していくことが重要であるとされている。

「公平性」の指針の内容として、 AI の出力結果が公平性を欠くことがないよう、人間の判断を介在させることなく、 AI に単独で判断させることが重要であるとされている。

LLM のトレーニングでは、一般に、プレトレーニングの手法が用いられ、ファインチューニングの手法は用いられない。

LLM には、 Temperature と Top-p というパラメーターが設定され、これらは使用する LLM のバージョンによって異なる設定がされている。

入力の日付

Few-Shotプロンプティングは、生成 AI がプロンプトで掲示された文章を学習して出力する性質があることを利用しており、これにより倫理性の担保された回答が得られる。

テキスト生成 AI は、大量のデータセットで学習しているため、生成するビジネス文書に誤解や誤訳が生じることはない。