『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
「電子帳簿保存法対応」実践術：タイムスタンプ付与などの要件の手軽な実現方法 -
事例
「大企業のデジタル化」成功事例集【コクヨ、九州電力、ヨネックスなど21社】 -
製品資料
“顧客管理の課題”を簡単に解決する方法とは？ -
製品資料
契約管理の“あるある課題”をノーコード開発で解決するためのポイント -
製品資料
揺らぐ境界防御 いま企業が特に警戒すべき「3つのセキュリティ課題」とは？
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
Microsoft製品でここまで自動化できる 情シスがやめられる手作業10選
-
2
「技術屋」で終わらないために 情シスが今取るべき認定資格5選
-
3
100億円の「Linux更新」を回避 みずほ銀行が選んだ“おきて破り”のRHEL延命策
-
4
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
-
5
継続利用は4割どまり M365 Copilotが「効く業務」と期待外れの境界
-
6
Oracle巨大ITプロジェクトはなぜつまずいたのか 8年で導入1割、追加で170億ドル
-
7
PCリプレース時には注意 不完全なデータ消去が情報漏えいのリスクに
-
8
「即戦力」は幻想？ 中途の3割が消えるAI時代のエンジニア生存戦略
-
9
画面をティッシュで拭くのはNG Dellが推奨するPCの正しいお手入れ方法
-
10
「OSの選定・導入」に関するアンケート
ホワイトペーパーランキング PR
-
1
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
2
AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
-
3
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
4
5回聞くだけじゃ足りない？ トヨタ式「なぜなぜ分析」の正しい実践方法
-
5
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
-
6
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
7
「結局、一部の人しか使わない」 AI活用が業務に定着しない根本的な理由
-
8
AIエージェントで成果は出る？ 調査結果に見る費用対効果の実態
-
9
PostgreSQLの「機能」「性能」「運用」「拡張性」に関する悩みの解消法
-
10
ゼロトラストにおける「IDaaSの課題」と補完すべき重要機能とは？
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