「人工知能のバイアス」を考える【前編】
Amazon、Facebookも批判の的に 「公平・公正なAI」はなぜ難しいのか
AIシステムのバイアスは、人種や性差に基づく誤った判断をもたらすことがある。Amazon.comとFacebookの事例から、現在のAIシステムが抱える課題について考える。
Amazon.comは人工知能(AI)技術を搭載した人材採用向けシステムの開発を2014年から3年間続けていたが、2017年に中止した。後日明らかになったところによると、このAIシステムには女性志願者に対するバイアス(偏見、差別)が含まれていたという。同社はこの問題の解決を試みたが、できなかった。
問題の元凶は、AIエンジンのトレーニングに使っていたデータにある。このデータはIT企業における10年分の求職データで、採用した男女の割合の不均衡を反映していた。AIシステムはそのデータを取り込んで、同じパターンを生成してしまった。
2019年1月にも、AIシステムのバイアスを巡った議論が巻き起こった。その発端は、Amazon.comの子会社であるAmazon Web Servicesが画像、動画分析ツール「Amazon Rekognition」と顔認識ソフトウェアを米政府機関に販売することに「物言う株主」が反対したことだった。その後AIサイエンティストのグループも反対側に加わっている。
Amazon RekognitionのAIエンジンにバイアスが疑われることについて、Amazon.comおよびAWSは強い批判を受けた。AWSは同社のWebサイトにブログ記事を掲載し、見解を示している。
このブログ記事では、AWSで深層学習(ディープラーニング)をはじめとするAI技術の統括マネジャーを務めるマット・ウッド氏が、批判を巻き起こすきっかけとなった研究論文と、研究の「幾つかの誤解と不正確な事実」(同氏見解)についてコメントしている。ウッド氏によれば、推奨しているのとは異なる方法で不適切にツールが使われたことにより、研究結果がゆがめられた可能性があるという。
まん延する問題
AIビジネスでは、バイアスのもたらす害が問題となることが少なくない。ただし企業は必ずしもその害に気付けるとは限らず、気付いても対処するとは限らない。
データの処理と分析用のソフトウェアを開発するTrifactaで、共同創設者兼最高戦略責任者を務めるジョゼフ・ヘラーズテイン氏によると、この問題の原因の一つは「先送り」の文化にあるという。「学習データとAIシステムを定期的にチェックすることを怠ると、バイアスは簡単に見逃されてしまう」とヘラーズテイン氏は話す。
AIエンジンはブラックボックスになっていることが一般的だ。つまり、詳しく調べて、誤った方向に進んでいるものがないかどうか把握するのが難しい。AIシステムのユーザー、ときにはAI研究者であっても、AIシステムが動作した理由を即座に判断できない場合がある。
機械学習や分析に使うデータのソースと取得方法、変更履歴を追跡するのは基本的に難しい。そのためAIシステムが扱うデータがどの程度偏っているかを判断するのは困難だと、ヘラーズテイン氏は続ける。
多くの企業は事業を迅速に運営するよう迫られている。AIシステムの挙動から、バイアスが疑われる要素を見つけたしても、「いずれ対処する」という見込みの下に修正を先送りにすることも考えられる。
「バイアスに注意を払うことは必要だが、そうするように企業体質を変えるのは難しい」とヘラーズテイン氏は語る。
有害なバイアス
Amazon.comだけでなく、他の著名なテクノロジー企業も偏ったデータを使用したり、偏った判断をするAIシステムを作成したりして、ここ数年で批判を浴びている。2019年3月、米住宅都市開発省がFacebookを提訴した。その訴訟理由は、同社サービスの広告主が地域、性別、人種などの特徴に基づいて、特定の層を広告のターゲットにできるようにしていたことだった。
同時期に、コーネル大学の研究者は学術論文で、Facebookが広告に使用している内部システム自体が偏っているため、同社の広告配信がゆがめられていると主張した。
Facebookは2019年3月28日、報道各社にメールで声明を発表し「当社は住宅都市開発省の懸念に対処するため協力し、広告差別を回避するために多くの措置を取っている。住宅都市開発省のこの決断には驚きを隠せない」と述べた。
Amazon.comとFacebookに各社のAIシステムのバイアスについて問い合わせたが、回答は得られていない。
Copyright © ITmedia, Inc. All Rights Reserved.
「人工知能のバイアス」を考える
近年ではAmazon.comやFacebookで、人工知能(AI)システムによる差別的な判断が問題となった。AIシステムのバイアス(差別、偏見)を取り巻く現状と、バイアスを防ぐ方法について考える。
この記事の著者
関連記事
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「Excel至上主義」の終わらせ方 丸2日の手作業地獄から情シスと現場を救うには
-
2
取手市がVDIと決別した理由 更改費用「4倍超」を約1.7倍に圧縮
-
3
「Microsoft 365のセキュリティ運用」に関するアンケート
-
4
急増する「AIはこう言ってる」マン 判断を狂わせる「AI忖度」を防ぐには?
-
5
221人調査で分かった「情シス最大のストレス」は?
-
6
「Salesforceのテスト自動化ツール」に関するアンケート
-
7
「データストレージの活用方法」に関するアンケート
-
8
「AI時代の統合基盤・エンタープライズAI管理」に関するアンケート
-
9
AIで人を減らした企業がもう心変わり 「AIブーメラン現象」の実態
-
10
自宅のWi-Fiが「遅い」「途切れる」本当の原因は? Dellが推奨する鉄則
ホワイトペーパーランキング PR
-
1
年収2000万「クラウドセキュリティのプロ」になれる資格とは
-
2
セキュリティソフトをすり抜ける標的型攻撃メール、不審メールの見破り方とは?
-
3
Windows Updateの通信集中で回線が逼迫、ネットワーク刷新事例に学ぶ解決策
-
4
財務を戦略的組織へ進化させるAI活用術、4つの主要な障壁と解消方法
-
5
「NAS」「SAN」「DAS」は何が違う? いまさら聞けないストレージの基礎
-
6
“あのファイル転送”で暗躍するノーウェアランサム
-
7
標的型攻撃メールを見破るには? サンプル文面を例に傾向を解説
-
8
商用利用の安全性を確保し大量のコンテンツを高速で生成する、AI活用の秘訣
-
9
マンガで解説、1日で生成AI環境を構築できるワークショップの中身とは?
-
10
Dark AIが台頭する時代の新発想、「より高度なAIで対抗する」具体的方法とは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー