生成AI（責任ある利用）応用
Azureの責任あるAI枠組みに基づいて、生成AIシステムの監視・改善サイクルを継続的に実施するために最も重要な要素はどれですか？
A.デプロイ後は監視を終了し、問題報告を待つ
✗ デプロイ後の継続的な監視は責任ある利用に不可欠です。問題が潜在していることが多いです。
B.システムパフォーマンスメトリクスと有害出力の報告を定期的に分析し、改善サイクルを回す← 正解
✓ 正解です。Azureの責任あるAI枠組みでは、継続的な監視、メトリクス分析、改善サイクルが責任ある運用の中核です。
C.初期リリース時の倫理審査のみで十分であり、継続的な評価は不要
✗ 初期倫理審査だけでは不十分です。運用中に新たなリスクが発生する可能性があります。
D.問題発生時のみアドホックに対応し、計画的な改善は優先しない
✗ アドホックな対応では、潜在的な問題を見落とし、システムの信頼性が低下します。
この問題のポイント
Azureの責任あるAI枠組みでは、継続的な監視、メトリクス分析、改善サイクルが責任ある運用の中核です。
「生成AI（責任ある利用）」の他の問題
Azure OpenAI Serviceのコンテンツフィルターが対処する有害コンテンツカテゴリに含まれないものはどれか？生成AIアプリのデプロイ前に悪意ある使用シナリオを意図的に試してリスクを評価する手法はどれか？AI生成のコンテンツ（文章・画像）について、責任ある利用の観点から推奨される取り組みはどれか？「責任ある生成AI」のためのAzureの機能に関する説明として誤っているものはどれか。Azure OpenAI ServiceにおけるコンテンツフィルターとRAG（Retrieval-Augmented G…責任ある生成AIの実現において、『透明性の確保』と『バイアス軽減』はどのような点で異なるアプローチであるか。
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。