2026年最新のGenerative-AI-Leader日本語問題集レビュー専門クイズ学習材料 [Q29-Q53]

2026年最新のGenerative-AI-Leader日本語問題集レビュー専門クイズ学習材料

Generative-AI-Leader日本語テスト準備トレーニング練習試験問題 練習テスト

質問 # 29
ある組織は、顧客からの長文のフィードバックテキストトランスクリプトを分析し、要約するためのAIツールを必要としています。大規模なコンテキストウィンドウを備えたGoogle Foundation Modelを選択する必要があります。どのFoundation Modelを選択すべきでしょうか？

• A. ジェミニ
• B. 画像
• C. チャープ
• D. コードジェマ

正解：A

解説：
Gemini models are known for their large context windows, making them highly suitable for processing and summarizing lengthy texts like customer feedback transcripts. CodeGemma is specialized for code, Imagen for image generation, and Chirp for speech.
________________________________________

質問 # 30
ある金融サービス会社は、毎日大量の融資申込書を、スキャンした書類やレイアウトの異なるPDFファイルで受け取ります。重要な情報を手作業で抽出するプロセスは時間がかかり、ミスが発生しやすいため、融資処理の遅延や顧客満足度の低下につながります。同社は、効率性と精度を向上させるため、この重要なデータの抽出を自動化したいと考えています。どのGoogle Cloudツールを使用すべきでしょうか？

• A. データフロー
• B. ビジョンAI
• C. 自然言語API
• D. AI APIドキュメント

正解：D

解説：
Document AI API is specifically designed for intelligent document processing. It uses machine learning to extract structured data from unstructured documents like scanned forms and PDFs, even with varying layouts.
This directly addresses the challenge of automating data extraction from loan applications. Natural Language API focuses on text understanding, Vision AI on image analysis (not structured extraction from documents), and Dataflow is for data processing pipelines.
________________________________________

質問 # 31
研修・開発チームは、会社のブランディングと主要メッセージにマッチしたカスタムアバターとナレーション付きの新入社員研修ビデオを迅速に制作したいと考えています。制作費は一切支給されていません。どうすればよいでしょうか？

• A. Imagen を使用してビデオ フレームを生成します。
• B. Gemini アプリにビデオの作成を促します。
• C. Vertex AI を使用してモデルをトレーニングし、ビデオを生成します。
• D. Google Vids を使用してビデオを作成します。

正解：D

解説：
The scenario requires quick creation of a training video using a custom avatar and voiceover while adhering to zero cost for production.
Google Vids is an AI-powered video creation app (part of Google Workspace/Gemini features) designed to make video creation accessible for teams without the overhead of traditional production. It specifically offers features like AI avatars and voiceovers for content such as trainings, demos, and onboarding videos. This directly addresses the need for a low-cost, fast solution for a new hire training video with custom branding elements (custom avatars and voiceovers are a key feature of the tool).
Option A, Imagen, is a Google foundation model specialized for image generation, not the creation of structured, narrated training videos with avatars. Option B, using the Gemini app, is primarily for text, code, and multimodal chat/generation, and is not the dedicated Google application for video production. Option C, training a model with Vertex AI, is a highly technical, time-consuming, and expensive endeavor that violates the need for a quick and zero-cost solution. Therefore, using the purpose-built, gen AI-enabled Google Vids application is the correct and most efficient choice.

質問 # 32
ある組織は、顧客サービス用の生成AIモデルの学習のためにデータを収集しています。MLライフサイクル全体にわたるセキュリティを確保したいと考えています。この段階で重要な考慮事項は何でしょうか？

• A. AI モデルに最新のソフトウェア パッチを定期的に適用します。
• B. 公平性を確保し、危害を回避するために、AI モデルの応答に関する倫理ガイドラインを確立します。
• C. アクセス制御を実装し、トレーニング データ内の機密情報を保護します。
• D. 予期しない出力や潜在的なエラーがないか AI モデルのパフォーマンスを監視します。

正解：C

解説：
The stage mentioned is Data Collection/Training Data Preparation. In the machine learning lifecycle, this initial stage is where raw data is ingested and processed. If the model is being trained for customer service, the data (e.g., customer transcripts) is highly likely to contain sensitive information (like Personally Identifiable Information or PII).
Therefore, the most critical security and privacy consideration at this stage is protecting the integrity and confidentiality of the data itself.
Implementing strong access controls and protecting sensitive information (A) is the essential first step in a secure AI pipeline, aligning with Google's Secure AI Framework (SAIF). If data access is not controlled and sensitive data is not de-identified or redacted before it is used for training, the resulting model could leak that sensitive information to users.
Options B, C, and D are all important controls, but they occur at later stages of the ML lifecycle:
B (Software patches/latest versions) is part of deployment and management.
C (Ethical guidelines/fairness) is a Responsible AI goal implemented via guardrails and testing (later stages).
D (Monitoring) is an MLOps step that happens after deployment.
The critical consideration at the data collection stage is ensuring the data's security and privacy before it influences the model.
(Reference: Google Cloud guidance on securing generative AI emphasizes that one of the most significant risks is data leakage, making safeguarding training data and implementing identity and access control the foundational steps in the data ingestion and preparation phases.)

質問 # 33
生成 AI 環境におけるインフラストラクチャ層のコアハードウェアコンポーネントは何ですか?

• A. TPUとGPU
• B. 事前学習済みモデル
• C. ユーザーインターフェース
• D. AIモデルを構築するためのツールとサービス

正解：A

解説：
The Generative AI landscape is often broken down into several functional layers: Applications, Agents, Platforms, Models, and Infrastructure.
The Infrastructure Layer is the foundation, providing the physical and virtual computing resources necessary to run and train the large models. These resources include servers, storage, networking, and most importantly, the specialized hardware accelerators required for high-volume, parallel computation.
The core hardware components are the Graphics Processing Units (GPUs) and the custom-designed Tensor Processing Units (TPUs) (A). These accelerators are optimized for the massive matrix operations fundamental to deep learning and Gen AI model training and inference.
Options B (User interfaces) and D (Tools and services) refer to the Application and Platform layers, respectively.
Option C (Pre-trained models) refers to the Model layer.
The physical hardware underpinning these abstract layers are the TPUs and GPUs.
(Reference: Google Cloud Generative AI Study Guides state that the Infrastructure Layer provides the core computing resources needed for generative AI, including the physical hardware (like servers, GPUs, and TPUs) and the essential software needed to train, store, and run AI models.)

質問 # 34
ある企業は、オンラインアンケートを通じて収集した顧客フィードバックを分析するための生成型AIアプリケーションを開発しています。このフィードバックには個人を特定できる情報（PII）が含まれているため、関係者はデータに関連する潜在的なプライバシーリスクを懸念しています。AIモデルの学習にデータを使用する前に、これらのリスクを軽減する必要があります。企業はどのような対策を優先すべきでしょうか？

• A. AI モデルが大規模かつ多様なデータセットでトレーニングされていることを確認します。
• B. 今後の調査では定量的なフィードバック データのみを収集することに重点を置きます。
• C. データ匿名化技術を適用して、機密データを削除または隠蔽します。
• D. 強力なアクセス制御を実装して、生の調査データを表示できるチームを制限します。

正解：C

解説：
The problem is the existence of Personally Identifiable Information (PII) within the customer feedback data, which introduces privacy risks for the development and training of the generative AI model. The goal is to mitigate these risks before using the data to train the AI model.
According to Google's Responsible AI and data handling best practices, when sensitive data like PII is present in a dataset intended for model training, the most critical step to prioritize is data minimization and privacy protection at the source. This is often achieved through anonymization or de-identification.
Applying data anonymization techniques (D) directly addresses the risk by removing or obscuring the sensitive data elements. This prevents the PII from being embedded into the model's parameters during training, thereby eliminating the risk of data leakage or privacy violations in the AI application's outputs. This is a crucial early step in the ML lifecycle for datasets containing sensitive information.
Option C, implementing access controls, is a necessary security measure but is a reactive control that protects the raw data; it does not remove the PII risk from the derived model itself. Option A is a long-term change to data collection but doesn't solve the problem for the existing data. Option B relates to bias and accuracy, not specifically PII risk mitigation.
(Reference: Google Cloud's Secure AI Framework (SAIF) and Responsible AI principles emphasize protecting sensitive data at all stages of the ML lifecycle, with de-identification being the primary method before training.)

質問 # 35
ある企業が生成AI戦略を策定中です。成功の可能性を高めるため、Googleが推奨するプラクティスに従おうと考えています。どの戦略を採用すべきでしょうか？

• A. 多方向戦略
• B. ボトムアップ戦略
• C. トップダウン戦略
• D. 迅速な実装戦略

正解：C

解説：
Google Cloud often recommends a "top-down" approach for generative AI strategy. This means starting with clear business objectives and leadership alignment on how generative AI can solve critical business problems, rather than simply experimenting from the bottom up without a clear strategic direction.
________________________________________

質問 # 36
データサイエンス チームには、さまざまなモデル バージョンを保存し、メタデータを追跡し、それぞれのアプリケーションに簡単にデプロイするための、一元管理された場所が必要です。どの Google Cloud サービスを使用すべきでしょうか。

• A. クラウドストレージ
• B. モデルレジストリ
• C. ビッグクエリ
• D. Vertex AI パイプライン

正解：B

解説：
A Model Registry (specifically part of Vertex AI Model Registry) is designed precisely for managing the lifecycle of machine learning models. It provides a centralized repository for storing, versioning, tracking metadata, and facilitating the deployment of models, which is essential for MLOps. Cloud Storage is for raw data, BigQuery for data warehousing, and Vertex AI Pipelines for workflow orchestration.
________________________________________

質問 # 37
ある営業マネージャーは、既存の業務の効率化を図るため、ジェネレーティブAI（gen AI）を責任を持って活用したいと考えています。営業チームが顧客との関係構築と成約に集中できるようにしたいと考えています。営業チームはgen AIをどのように活用すべきでしょうか？

• A. ソーシャル メディアでの顧客とのやり取りを分析し、顧客の公開プロフィールに合わせたセールス プレゼンテーションを自動的に生成します。
• B. ブログ投稿やソーシャル メディアの更新などのクリエイティブ コンテンツを自動化して、新しいリードを引き付けます。
• C. 営業チームの CRM システムをより直感的でユーザーフレンドリーなインターフェースに置き換えます。
• D. 電子メールの下書きを作成し、顧客のニーズに関するリアルタイムの洞察を提供します。

正解：D

解説：
The strategic goal is to boost sales efficiency by shifting the team's focus to high-value activities (relationships and closing deals) by automating repetitive administrative tasks.
Option C directly addresses this goal by leveraging Gen AI's core capabilities for text generation and summarization/analysis:
Drafting emails automates a major time sink for sales reps (a common, repetitive task).
Providing real-time insights automates the labor-intensive research and manual data analysis required to understand customer needs, giving the rep instant, actionable context.
Options A and D are less direct solutions for improving sales efficiency: Option A is an expensive, high-risk platform replacement, not an efficiency use case. Option D describes marketing tasks, which, while related, are not the primary, day-to-day tasks that sales reps perform to clear their schedules for relationship building. Therefore, Gen AI's most effective role in sales is as a productivity assistant for drafting and quick research.
(Reference: Google Cloud documentation on sales enablement use cases emphasizes that Gen AI's role is to automate administrative and time-consuming tasks like drafting outreach messages and synthesizing customer information to enhance seller productivity, allowing them to focus on revenue-generating activities.)

質問 # 38
ある企業は、生成AI（gen AI）ソリューションを最適化するためにどのプラットフォームを使用するかを検討しています。なぜVertex AI Platformを使用するべきなのでしょうか？

• A. 機械学習で使用される大規模なデータセットを効率的に分析および探索するためのメカニズムを提供します。
• B. 機械学習ワークフローで使用されるデータに対して、スケーラブルでコスト効率の高いオブジェクト ストレージを提供します。
• C. 機械学習を構築、展開、管理するためのツールの統合プラットフォームを提供します。
• D. エンタープライズ セキュリティとプライバシー保護を備えた gen AI コーディング支援を提供します。

正解：C

解説：
Vertex AI is Google Cloud's core, end-to-end Machine Learning Operations (MLOps) platform, designed to cover the entire ML lifecycle.
The key benefit of Vertex AI, particularly for generative AI, is that it provides a unified platform (D) where all stages of AI development-from accessing foundation models in Model Garden, testing in Vertex AI Studio, training and tuning (via tools like Reinforcement Learning from Human Feedback), to deploying, and monitoring models in production-can be managed from a single service. This significantly reduces complexity, improves collaboration between teams (data scientists, engineers, business leaders), and ensures enterprise-grade governance and scalability necessary for production Gen AI solutions.
Option A describes BigQuery.
Option B describes Gemini Code Assist.
Option C describes Cloud Storage.
Vertex AI is the overarching platform that integrates all these tools to deliver a streamlined MLOps workflow.
(Reference: Google Cloud documentation states that Vertex AI is the unified AI development platform that brings together Google Cloud services for building, deploying, and managing machine learning models and generative AI solutions.)

質問 # 39
ある企業は、従業員が社内システム上で情報を検索する方法を改善し、特定のタスクを自動化するために、Google Agentspace の活用を検討しています。Agentspace を利用する主なビジネス上のメリットは何ですか？

• A. AI アシスタントと高度なドキュメント分析を使用して、生産性とデータ操作が向上します。
• B. チームメンバー間のリアルタイムのコミュニケーションとコラボレーションが強化されました。
• C. 従来のソフトウェア システムおよびデータベースとの相互運用性が向上します。
• D. 機密データに対するサポート チームのアクセスと権限をより細かく制御します。

正解：A

解説：
Google Agentspace (or similar agent platforms) is designed to empower employees with AI-powered assistants that can navigate and interact with enterprise systems, analyze documents, and automate tasks. This directly leads to improved employee productivity and more efficient data interaction by leveraging AI to streamline workflows and provide faster access to information.

質問 # 40
CISOオフィスは、ケース情報の要約、脅威の調査、検出ルールの作成といったタスクの自動化に、生成AI（gen AI）を活用したいと考えています。どのようなエージェントを使用すべきでしょうか？

• A. カスタマーサービス担当者
• B. コードエージェント
• C. セキュリティエージェント
• D. データエージェント

正解：C

解説：
Given the tasks involve researching threats and creating detection rules, the most appropriate and specialized agent would be a Security agent. This type of agent would be pre-configured or easily adaptable to understand security-specific contexts, data, and actions within a CISO's domain.
________________________________________

質問 # 41
人事部は、大量の応募書類選考を支援するため、新しい生成AIアプリケーションを導入しています。公平性を確保し、候補者との信頼関係を構築したいと考えています。チームは何を優先すべきでしょうか？

• A. 人間によるレビューを必要とせずに、AI アプリケーションがすべての候補を自動的にランク付けできるようにします。
• B. 特にアプリケーションの評価とデータの使用に関して、AI が透過的に動作することを保証します。
• C. AI アプリケーションをさまざまな求人掲示板と統合して、候補者へのリーチを最大化します。
• D. 各アプリケーションの処理時間を最小限に抑えて効率を向上することに重点を置いています。

正解：B

解説：
To ensure fairness and build trust, especially in sensitive areas like job applications, transparency in how AI evaluates applications and uses data is paramount. This involves understanding potential biases, explaining decisions (where possible), and ensuring human oversight.
________________________________________

質問 # 42
セキュリティチームは、Google Cloud 環境全体における組織のセキュリティの健全性、特に生成 AI デプロイメントへの潜在的な脅威を包括的に把握できる一元化されたプラットフォームを必要としています。この目的に適した Google Cloud セキュリティ サービスはどれですか？

• A. セキュリティコマンドセンター
• B. アイデンティティとアクセス管理
• C. 設計段階からセキュリティを考慮したインフラストラクチャ
• D. ワークロード監視ツール

正解：A

解説：
Security Command Center is Google Cloud's comprehensive security management and data risk platform. It provides centralized visibility into security posture, identifies vulnerabilities, detects threats, and helps manage compliance across the entire Google Cloud environment, includingservices and deployments like generative AI.
________________________________________

質問 # 43
ある組織は、顧客とのやり取りの傾向を把握し、よくある問題を特定し、顧客の感情を測定し、自動チャットボットによるやり取りとライブエージェントによるサポートの両方を通じて、全体的なカスタマーエクスペリエンスを向上したいと考えています。既存の会話データを分析して実用的なビジネスインテリジェンスを得られるツールが必要です。Google カスタマー エンゲージメント スイートのどのコンポーネントが、このニーズに最も適していますか？

• A. 会話エージェント
• B. Google Cloud コンタクト センター サービス
• C. 会話の洞察
• D. エージェントアシスト

正解：C

解説：
The requirement is clearly focused on analytics and business intelligence derived from existing conversational data, specifically to understand trends and sentiment.
Conversational Insights is the dedicated component within Google's Customer Engagement Suite (which includes Contact Center AI) whose primary function is to analyze large volumes of interaction data (transcripts from chat, calls, etc.). It uses AI and Natural Language Processing (NLP) to extract valuable patterns, identify root causes of issues, and measure customer sentiment and agent performance. This analysis generates the actionable insights necessary for strategic planning and overall customer experience improvement.
Google Cloud Contact Center as a Service (CCaaS) (A) is the full platform for managing all channels and agents, but it's the system, not the analytical tool.
Agent Assist (B) is a real-time tool used by live agents for suggestions during a conversation; it is a productivity tool, not a retrospective analytics tool.
Conversational Agents (C) are the chatbots or virtual assistants used for automation, not the tool for analyzing their performance and the raw data.
(Reference: Google Cloud documentation on the Customer Engagement Suite states that Conversational Insights is the tool used for conversational analytics to surface business intelligence from historical customer interaction data, including sentiment and trend analysis.)

質問 # 44
ある金融機関は、ローン申請の承認と却下の判断に生成AI（gen AI）を活用していますが、却下の理由を明示していません。顧客から苦情が寄せられ始めています。苦情を減らすための解決策を講じる必要があります。どのような対策を講じるべきでしょうか？

• A. gen AI モデル用に、より大規模で多様なデータセットを収集します。
• B. gen AI モデルの公平性評価を開発します。
• C. gen AI モデルを微調整します。
• D. 説明可能な gen AI ポリシーを実装します。

正解：D

解説：
The core problem is the lack of reasons for rejection, leading to customer complaints. This falls under the domain of explainable AI (XAI). Implementing explainable gen AI policies or mechanisms would allow the institution to provide transparency into how the AI made its decision, addressing the customer complaints directly. While other options might improve the model, they don't directly solve the transparency issue.
________________________________________

質問 # 45
ある組織が、生成AIを活用してマーケティングキャンペーンを作成したいと考えています。AIモデルがターゲットオーディエンスに適したテキストを生成するようにする必要があります。組織は何をすべきでしょうか？

• A. 数回のプロンプトを使用します。
• B. ロールプロンプトを使用します。
• C. 温度パラメータを調整します。
• D. プロンプトチェーンを使用します。

正解：B

解説：
Role prompting is a technique where you instruct the generative AI model to "act as" a specific persona or character. By assigning the model a role (e.g., "Act as a marketing expert writing for a young, tech-savvy audience"), you can guide its tone, style, and content to be appropriate for the target audience of the marketing campaign.
________________________________________

質問 # 46
あるマーケティングチームは、環境に優しいウォーターボトルの新製品ラインの製品説明を作成するために、生成AIモデルを使用したいと考えています。「当社の新しいウォーターボトルの製品説明を書いてください」という簡単なプロンプトを出しました。モデルは、事実に基づいているものの、魅力的な言葉遣いに欠け、ブランドの鍵となる環境へのメリットを強調していない、ありきたりで魅力のない説明を生成しました。マーケティングチームは、生成された製品説明のこの限界を克服するために、どうすればよいでしょうか？

• A. より一貫した結果を得るには、モデルの温度設定を下げます。
• B. プロンプトに、対象者、トーン、キーワードに関する詳細を追加します。
• C. 他の環境に優しいブランドのマーケティング資料のデータセットでモデルをトレーニングします。
• D. モデルのトークン数を増やして、より長い説明を可能にします。

正解：B

解説：
The core problem described is a lackluster and generic output that fails to capture the desired tone and key information (environmental benefits). This is a classic limitation of zero-shot prompting (a brief, un-detailed prompt), where the generative AI model relies solely on its general training data and lacks the necessary context to produce a highly relevant and engaging response. The solution is to improve the quality of the prompt itself, a process known as Prompt Engineering.
Option A, training the model, is an expensive and time-consuming process (fine-tuning) that is usually unnecessary for stylistic or content-specific guidance that can be achieved with a good prompt. Options C and D control the length and creativity, respectively, but don't inject the missing information or brand requirements.
Adding details to the prompt is the most immediate and effective technique to guide the model. By specifying the target audience (e.g., eco-conscious consumers), the desired tone (e.g., enthusiastic, persuasive), and mandatory keywords (e.g., "sustainable," "BPA-free," "ocean-friendly"), the marketing team is effectively providing the model with the necessary constraints and context to produce a description that is tailored to their brand and marketing goals. This technique is fundamental to improving the output of generative AI models without resorting to model customization.

質問 # 47
開発チームは顧客向けアプリケーション用の生成AIモデルを構成しており、生成されるコンテンツが適切かつ無害であることを確認したいと考えています。生成AIモデルにおける安全性設定パラメータの主な機能は何ですか？

• A. 簡潔な応答を保証することで、モデルが生成するテキストの最大長を制限します。
• B. 必要なフィルタリング レベルに基づいて、モデルの出力から潜在的に有害または不適切なコンテンツをフィルタリングします。
• C. 単語選択の多様性を調整することで、モデルの出力の創造性とランダム性を制御します。
• D. 入力と出力の複雑さと長さに影響を与えることで、モデルが一度に処理できるトークンの数を決定します。

正解：B

解説：
Safety settings in generative AI models are specifically designed to prevent the generation of content that could be harmful, offensive, or inappropriate. This includes filtering for categories like hate speech, sexually explicit content, self-harm, and violence, based on predefined thresholds. Options A, B, and D refer to other parameters like max_output_tokens or temperature, which control output length, input/output processing, and creativity, respectively, not safety.
________________________________________

質問 # 48
ある企業が、生成AIを活用して、自社製品やサービスに関する顧客の質問に答えるチャットボットを開発したいと考えています。チャットボットが使用する情報は、企業の公式ドキュメントに記載されている情報のみであることを保証する必要があります。企業は何をすべきでしょうか？

• A. 温度パラメータを調整します。
• B. プロンプトチェーンを使用します。
• C. 接地を使用します。
• D. ロールプロンプトを使用します。

正解：C

解説：
The core requirement is to guarantee that the chatbot only uses information from the company's official documentation and does not rely on its general knowledge base. This is crucial for ensuring factual accuracy, relevance to the company's specific products, and preventing the generation of fabricated or incorrect information (hallucinations).
The specific technique designed to address this challenge is Grounding. Grounding is the process of connecting the Large Language Model's (LLM's) responses to a trusted, verifiable source of information, such as an organization's internal documents, databases, or live data feeds. When an LLM is grounded, it is forced to base its answers only on the provided context, effectively preventing it from drawing on its broad, generalized training data. Grounding is often implemented using a method called Retrieval-Augmented Generation (RAG), particularly with tools like Google Cloud's Vertex AI Search, which indexes the official documentation and feeds the relevant snippets to the model.
Options A, B, and C address different aspects of model output: Role prompting sets the model's persona, adjusting temperature controls creativity, and prompt chaining manages conversation history, but none of these techniques restrict the model's source of truth to the official documentation. Therefore, Grounding is the correct and most effective technique for this requirement.

質問 # 49
ある企業は、生成AIソリューションの構築、導入、管理に必要なインフラストラクチャ、ツール、事前トレーニング済みモデルを提供する生成AIプラットフォームを求めています。この企業はどのGoogle Cloudサービスを使用すべきでしょうか？

• A. Google Kubernetes Engine (GKE)
• B. Google Cloud Storage
• C. 頂点AI
• D. ビッグクエリ

正解：C

解説：
Vertex AI is Google Cloud's unified machine learning platform that provides end-to-end support for the ML lifecycle, including access to pre-trained models (foundation models), tools for fine-tuning, deployment, and management of generative AI solutions. BigQuery is a data warehouse, GKE is for container orchestration, and Cloud Storage is for object storage; while they might be components used with Vertex AI, they are not the comprehensive generative AI platform themselves.
________________________________________

質問 # 50
生成 AI の定義は何ですか?

• A. テキスト、画像、音楽、コードなど、新しいコンテンツやアイデアを作成できる人工知能の一種。
• B. ニューラル ネットワークとディープラーニングを使用してシステムが自律的に学習し、改善できるようにする人工知能の一種。4
• C. 観測データに線を当てはめて関係性を推定する予測モデルの一種。
• D. 相互接続されたノードで構成される人間の脳にヒントを得た機械学習アルゴリズムの一種。

正解：A

解説：
The defining characteristic of generative AI is its ability to create new, original content that resembles its training data. This includes various modalities like text, images, music, and code, rather than just classifying, predicting, or analyzing existing data.
________________________________________

質問 # 51
ある住宅ローン会社は、ローン申請の初期審査を自動化するために、生成AIシステムを導入しています。複数の申請者が予期せず却下され、顧客からの苦情や潜在的なバイアスへの懸念が生じています。責任ある公正な融資慣行を確保する必要があります。AIシステムのどの側面を優先すべきでしょうか？

• A. 大量のローン申請を処理するために、AI システムがローン申請を処理する速度を向上させます。
• B. 時間の経過とともに精度を向上させるために、より多くの財務データを使用して AI モデルを定期的に更新します。
• C. 申請者の財務情報を不正アクセスから保護するために、より厳格なデータセキュリティ対策を実施します。
• D. AI の意思決定が説明可能であることを確認して、意思決定の理由を理解し、説明責任を確立します。

正解：D

解説：
The problem centers on unexpected rejections and potential bias in a high-stakes, regulated domain (lending). In such a context, the central tenet of Responsible AI is transparency and fairness.
While all options are valid goals, the priority when facing bias concerns and customer complaints due to rejection is to provide accountability and verify the fairness of the automated decision. This is achieved through Explainable AI (XAI).
Ensuring AI decision-making is explainable (B) means building mechanisms that allow developers, regulators, and affected customers to understand why a specific decision (rejection) was made. Explainability is crucial for:
Auditing for bias: If the reasons for rejection can be traced (e.g., system rejects based on loan-to-value ratio, not race), bias can be identified and corrected.
Compliance: Financial services are heavily regulated, and the ability to explain a lending decision is often a legal or regulatory requirement.
Customer Trust: Providing a clear reason for rejection (even if the news is bad) reduces complaints and fosters confidence, directly addressing the core issue of unexpected rejections.
Options A, C, and D address security, speed, and accuracy, respectively, but Explainability is the direct mechanism for proving fairness and ensuring accountability, making it the most critical priority in this scenario.
(Reference: Google's Responsible AI principles and training materials highlight that in high-stakes domains like finance, explainability is essential for establishing trust, identifying and mitigating bias, and meeting regulatory compliance.)

質問 # 52
ある研究チームが、様々な産業機械のセンサー読み取り値の大規模なデータセットを収集しました。このデータセットには、温度、圧力、振動レベル、電流などの測定値が定期的に記録されています。研究チームはまだこれらの測定値にラベルやカテゴリを割り当てておらず、センサーデータのみに基づいて、潜在的な異常、故障、あるいは機械の挙動の自然なグループ分けを特定したいと考えています。
どのようなタイプの機械学習を使用すべきでしょうか?

• A. 強化学習
• B. ディープラーニング
• C. 教師あり学習
• D. 教師なし学習

正解：D

解説：
Since the team has not yet assigned any labels or categories to the sensor readings and wants to identify "anomalies, malfunctions, or natural groupings" based on the data alone, this is a classic unsupervised learning problem. Unsupervised learning techniques like clustering or anomaly detection are used to find hidden patterns or structures in unlabeled data.
________________________________________

質問 # 53
......

試験問題解答ブレーン問題集でGenerative-AI-Leader日本語試験問題集PDF問題：https://www.goshiken.com/Google/Generative-AI-Leader-JPN-mondaishu.html