法倫理・リスク
公平性とは?
読み: こうへいせい英語: Fairness更新日: 2026-06-23
公平性とは、AIが特定の属性や集団に不当な不利益を与えないようにする考え方です。
G検定AWS AI Practitioner
関連表記: 公平性 / Fairness / バイアス / 偏り
試験で問われるポイント
- 学習データの偏りが出力や判断に影響します。
- 責任あるAIの主要原則として扱われます。
- 採用、融資、医療などで重要です。
具体例
採用支援AIが過去データの偏りを学び、特定属性を不利に扱うリスクがあります。
混同しやすい点
- AIは機械だから偏りがないと考える。
- データ量が多ければ偏りが必ず消えると考える。
関連問題で復習
G検定AI倫理・AIガバナンス
AIの公平性(Fairness)に関する問題として、学習データの偏りによって特定のグループに不利な結果が生じることを何というか。
生成AIパスポート情報リテラシー・法倫理
AIの公平性監査で検証すべき項目に関する次の記述のうち、最も不適切なものはどれか。
G検定AI倫理・AIガバナンス
AIの公平性を評価する際の注意として、最も適切なものはどれか。
AWS AI Practitioner責任あるAIの指針
ある企業が責任あるAIの原則に沿ってモデル運用体制を整備しようとしています。責任あるAIが備えるべき特徴として適切なものを2つ選べ。
AWS AI PractitionerAI・機械学習の基礎
モデルの学習に使うデータの品質が結果に与える影響として、最も適切な説明はどれか。
DS検定基盤
データ分析における「バイアス」の説明として、最も適切なものはどれか。
AWS AI Practitioner責任あるAIの指針
責任あるAI(Responsible AI)を実践するうえで考慮すべき観点として適切なものを2つ選べ。
AWS AI Practitioner責任あるAIの指針
与信モデルの本番導入前に、特定の属性による不公平な予測が生じていないかを確認し、各特徴量が予測にどう寄与しているかを説明したい企業があります。この目的に最も適したサービスはどれか。