人工知能 (AI) は、通常は人間の知能を必要とするタスクを実行できるシステムの作成に焦点を当てた、コンピュータ サイエンスの広範な分野です。正解は選択肢 B で、AI を「インテリジェント エージェントの研究と設計」と定義しています。以下に包括的な内訳を示します。
AI の定義: AI には、環境を認識し、それについて推論し、特定の目標を達成するためのアクションを実行できるアルゴリズムとシステムの作成が含まれます。
インテリジェント エージェント: インテリジェント エージェントとは、環境を認識し、成功の可能性を最大化するために行動するエンティティです。この概念は AI の中心であり、単純なルールベースのプログラムから複雑なニューラル ネットワークまで、幅広いシステムを網羅しています。
アプリケーション: AI は、自然言語処理、コンピューター ビジョン、ロボット工学など、さまざまな分野に適用されます。
参考文献:
Russell, S.、Norvig, P. (2020)。人工知能：現代的なアプローチ。ピアソン。
Poole, D., Mackworth, A., & Goebel, R. (1998). 計算知能: 論理的アプローチ. Oxford University Press.

大規模言語モデル (LLM) のパラメータは、トレーニング プロセス中に調整される統計的な重みです。包括的な説明は次のとおりです。
パラメータ: パラメータは、トレーニング データから学習されるニューラル ネットワークの係数です。入力データがどのように出力に変換されるかを決定します。
重要性: LLM のパラメータ数は、データ内の複雑なパターンをモデル化する能力の重要な要素です。パラメータの数が多いほど、モデルは強力になりますが、より多くの計算リソースも必要になります。
LLM での役割: LLM では、パラメータを使用して言語パターンと関係をキャプチャし、モデルが一貫性があり文脈に適した言語を生成できるようにします。
参考文献:
Vaswani、A.、Shazeer、N.、Parmar、N.、Uszkoreit、J.、Jones、L.、Gomez、A.N.、... & Polosukhin、I.
(2017) 「注意こそがすべて」。ニューラル情報処理システムの進歩。
Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (2019)。言語モデルは教師なしマルチタスク学習者です。OpenAI ブログ。

ジェネレーティブ AI に関連する倫理的問題を評価する際、法務チームは著作権と法的リスクを重要な懸念事項として考慮する必要があります。ジェネレーティブ AI は、既存の著作権や知的財産権を侵害する可能性のある新しいコンテンツを作成する機能を備えています。これにより、AI 生成コンテンツの所有権と、ジェネレーティブ AI システムの使用の結果として発生する可能性のある著作権侵害の責任について、複雑な法的疑問が生じます。
Dell GenAI Foundations Achievement の公式ドキュメントでは、偏見の可能性や、偏見を減らして AI システムへの信頼を高める文化を築くことの重要性など、AI の倫理的考慮事項について取り上げられると思われます1。さらに、倫理的問題の原則や、法的状況の把握や著作権法の遵守の確保など、ビジネスにおける AI の影響についても取り上げられるでしょう1。
顧客サービスの向上 (オプション OA)、創造性の強化 (オプション OB)、生産性の向上 (オプション OC) は、倫理的な問題ではなく、一般的に Generative AI の利点と見なされています。したがって、正解は D です。著作権と法的リスクは、Generative AI テクノロジーを実装する際に対処しなければならない倫理的および法的課題に関係します。

データ管理は、あらゆる AI 戦略の重要な要素です。データ管理には、AI システムでの品質、セキュリティ、アクセス性を確保する方法でのデータの整理、保存、保守が含まれます。AI モデルは学習と予測を行うためにデータに依存するため、効果的なデータ管理が不可欠です。適切に管理されたデータがなければ、AI システムは正しく効率的に機能できません。
Dell GenAI Foundations Achievement の公式ドキュメントでは、AI 戦略におけるデータ管理の重要性について説明されていると思われます。堅牢な AI エコシステムには、正確で信頼性の高い AI モデルのトレーニングの基礎となる高品質のデータが必要であることが説明されています1。また、このドキュメントでは、データ プライバシーの確保、バイアスの緩和、データ整合性の維持など、AI の適用に関連する課題に対処するためのデータ管理の役割も強調されています1。
マーケティング (オプション OA)、カスタマー サービス (オプション OB)、製品設計 (オプション OD) は、AI によって強化できるビジネスの重要な側面ですが、データ管理ほど AI 戦略自体の基礎となるものではありません。したがって、正解は C. データ管理です。これは、AI システムの開発と実装に不可欠です。

24時間365日の可用性: AIシステムは中断することなく継続的に動作できるため、生産性と効率性が向上します。これは、AIチャットボットがいつでも問い合わせに対応できるカスタマーサービスに特に役立ちます。