『ディープラーニングG検定 最強の合格問題集』出張版
【G検定】AIの「透明性」を高めるアルゴリズムや情報公開、誤った認識はどれ？
AIの基礎から法律・倫理まで幅広い領域が問われる資格「G検定」。試験範囲の中でも重要度の高いテーマを1問ずつ取り上げ、理解の定着に役立つポイントを確認していきます。今回は、AIの判断理由を利用者に説明する義務と、機密情報保護とのトレードオフを問う「AIの透明性」について考えを深めます。
「G検定」（ジェネラリスト検定）は、AI（人工知能）技術全般、特に機械学習やディープラーニングの基礎を体系的に学ぶ資格試験です。AI人材の需要の高まりとともに受験者数は年々増加しており、企業でも従業員への取得を奨励する動きが広がっているそうです。
本記事はSBクリエイティブ刊『ディープラーニングG検定（ジェネラリスト）最強の合格問題集［第2版］』（ヤン・ジャクリン 著）から、G検定の出題範囲を踏まえた問題と解説を1問1答形式で紹介します。今回は、AIの判断理由を利用者に説明する義務と、機密情報保護とのトレードオフを問う「AIの透明性」について考えを深めます。
問題
AIをビジネスや社会に活用する上で、透明性（Transparency）が重要な観点である。AIの透明性について、最も不適切な選択肢を1つ選べ。
- 透明性を高めるために、データセットの内容や加工法、モデルの学習の仕組みなどを記述したドキュメントを提示することが望ましい。
- 最新のアルゴリズムほどAIの透明性が確保されやすい傾向にあるため、開発から時間が経っているアルゴリズムの使用を見直すべきである。
- AIの透明性の確保は、セキュリティや知的財産の保護とトレードオフになる可能性が考えられる。
- AIを用いて人間を評価するシステムでは、対象者に対して、判断を行うのがAIであることを公表し、判断の根拠を説明することが好ましい。
――答えは分かりましたか？
正解と解説
正解は「2．最新のアルゴリズムほどAIの透明性が確保されやすい傾向にあるため、開発から時間が経っているアルゴリズムの使用を見直すべきである」
最新のアルゴリズムが透明性も高いとは限りません。実際、高い精度を実現しても、予測の根拠が十分に説明できない「ブラックボックス」であることが多いです。したがって、透明性を確保するためには、最新のアルゴリズムに限定せず、十分な活用実績があり、信頼性が高い従来のモデルも検討対象に入れるべきです。
他の選択肢はAIの透明性に関する正しい記述です。
- 選択肢1：AI、機械学習、データ分析において透明性とは、各プロセスが誰にでもわかるように説明できる状態を指します。
- 選択肢3：透明性の向上のために情報公開を行う場合、情報セキュリティと知的財産の保護とのバランスを考える必要があります。
- 選択肢4：人事評価や採用判断、クレジットカードのスコアリングなどの結果は、対象者の生活と健康や安全に顕著な影響を及ぼすことがあります。学習データに偏りがある場合やアルゴリズムバイアスが潜在する場合、AIの判断の公平性が疑問視されます。AIが判断を行っていることを公表しないこと、あるいはAIのアルゴリズムが不透明であることは倫理上、問題があるとみなされます。
※この記事はSBクリエイティブ刊『ディープラーニングG検定（ジェネラリスト）最強の合格問題集［第2版］』から、アイティメディアが出版社の許可を得て一部加筆編集の上、転載したものです（無断転載禁止）。
Copyright © ITmedia, Inc. All Rights Reserved.
『ディープラーニングG検定 最強の合格問題集』出張版
新着ホワイトペーパー PR
-
製品レビュー
[Dropbox Japan株式会社] ランサムウェア対策で見直したい「復旧できるファイル基盤」とは？ -
製品資料
[Dropbox Japan株式会社] さよならファイルサーバー クラウドストレージへの移行はこう進める -
比較資料
[セコムトラストシステムズ株式会社] 「EDR」選定ガイド：比較・検討フェーズで整理すべきポイントを解説 -
製品資料
[株式会社キーエンス] 過去にRPA導入をあきらめた企業こそ知っておきたい 失敗しない自動化導入術 -
製品資料
[株式会社キーエンス] 自分ひとりでデスクワークを効率化 「AI＆ナビ搭載RPA」で実践する業務自動化
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
鹿島建設のDXを阻む「10年前のAWS」 安全性と自由度を両立したモダナイズ
-
2
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
3
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
4
SAPの手探り“クラウド間移行” 丸紅グループが業務停止を1営業日に抑えた方法
-
5
SAP ECCの「2027年問題」は綱渡り？ 未移行企業が直面する“真の課題”
-
6
「結局使わなくなる」Microsoft 365 Copilotを半年で定着 キリンの3施策
-
7
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
8
年収が増えても幸せになれない 給与増でエンジニアが直面する「幸福度の壁」
-
9
「データ活用とAI活用の実態」に関するアンケート
-
10
便利機能が「裏口」に コンテナの安全を脅かす“監視の穴”とは
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
3
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
システムの保守がモダン化を阻む？ 「変えない判断」から脱却する方法とは
-
8
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
9
“あのファイル転送”で暗躍するノーウェアランサム
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
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