ガイドラインとリスクベース

AI倫理の議論は、国内外のガイドラインで共通して、人間中心、公平性、プライバシー、安全性、透明性、説明責任などの価値を挙げています。法律のような強制力のある決まりをハードロー、ガイドラインのような強制力の弱い決まりをソフトローと呼びます。リスクの大きさに応じて求める対策を変える考え方を、リスクベースアプローチと呼びます。

公平性

学習データに偏りがあると、AIは特定の属性の人に不利な判断をすることがあります（アルゴリズムバイアス）。性別などのセンシティブ属性を入力から外しても、それと強く結びつく別の項目（代理変数）を通して偏りが残ることがあります。

安全性とセキュリティ

• 敵対的サンプル（Adversarial Examples） … 人には分からない小さな加工で、AIの判断を誤らせる
• データ汚染 … 学習データに悪いデータを混ぜて、モデルをゆがめる
• モデル窃取 … 何度も問い合わせて、モデルのふるまいを盗む
• 悪用の例として、本物そっくりの偽の映像や音声（ディープフェイク）がある

透明性・プライバシーとAIガバナンス

データの来歴を記録し、判断の理由を説明できるようにします。プライバシー・バイ・デザインは、企画の段階からプライバシーを守る仕組みを組み込む考え方です。AIガバナンスは、AIポリシーを決め、倫理アセスメント、人間の関与、モニタリング、監査を組織として回すことです。

本番の解き方

145問程度を100分で解くので、1問あたり約41秒です。迷った問題に時間をかけすぎず、先に進んで最後まで解き切ります。「最も適切なもの」と「不適切なもの」の取り違えに注意し、法律の問題は「原則」と「例外」を意識して読みます。

• ハードローとソフトロー、リスクベースアプローチ
• 公平性の問題と、代理変数
• 敵対的サンプル・データ汚染・モデル窃取・ディープフェイク
• AIガバナンスと、145問を時間内に解く進め方