はじめに
今回は題名にある通り 「責任あるAI」について見ていきたいと思います。
AIが応答、生成した結果については、提供する組織が責任を果たさなければなりません
責任あるAI
責任あるAIは、AIシステムが信頼でき、責任ある方法で安全に動作できるようにするための一連のガイドラインや原則や考え方になります。主な特徴として５つ 「公平性」「包括性」「堅牢性」「安全性」「信憑性」です。
| 概要 | |
|---|---|
| 公平性 | AIの判断が特定の人を不利にしないようにする（全ての人が平等に） |
| 包括性 | 特定の範囲のみではなく、多様な集団、視点、経験をAIシステムに取り入れる |
| 堅牢性 | エラーを最小限にし、正確な判断を維持 |
| 安全性 | プライバシーとセキュリティを保護。個人情報が公開されないようにする |
| 信憑性 | AIシステムが一貫して信頼できる結果を提供し、ユーザの期待に応える |
生成AIの課題
ハルシネーション（幻覚）
┗ AIが 「それっぽく聞こえるけど、実はでたらめ」 というような情報を生成してしまう現象を起こす。
↓
「学習データに情報が足りない」 時に、AIが推測して補完しようとするために発生してしまう。
推測が誤っていると、本当のように見える 「フェイク情報」 を生み出してしまう
著作権や法的リスク
AIが生成したコンテンツには著作権を主張できない
┗ 「人間の創作物ではないから」
※一方で、AIが学習した「データ自体」に著作権がある場合もあり、これは問題になる可能性があります。
著作権やライセンスの問題をしっかりと確認する
透明性（Transparency）
┗ モデルの能力や限界、リスクについて明確に理解できる状態を指す。
・解釈可能性（Interpretability）
「モデル内部の仕組みがどのように動いているか」を明確に理解できることを指す
↓
シンプルなモデル（線形回帰や決定木など）なら、「なぜ」この結果が出たのかを数学的に説明しやすいのが特徴です。
線形回帰（Linear Regression）：2つ以上の変数間の関係を直線的な線形の式（y=ax+b）でモデル化する手法
決定木（Decision Tree）：木構造を用いてデータを分析する手法。Yes / No の分岐のみで目的変数を予測するため、多少複雑なアルゴリズムでもわかりやすいルールが生成される
・説明可能性（Explaninability）
「内部」 の仕組みを知らなくとも、出力結果の理由を説明できることを指します。方法が正確に分からなくてもモデルが何をしているのかを説明できることです。
おわりに
今回は主に「責任あるAIとは？」について見ていきました。
最後までお読みいただきありがとうございました！
日頃より活用している参考物です。
AWS認定AIプラクティショナー（責任あるAI 185P~）
「AWS公式サイト」
AWS AIF-C01 Skill Builder
「学習に用いているUdemy」
【最新】AWS認定AIプラクティショナー試験突破講座＋模擬試験２回分付き！