責任あるAI誤り発見
Azure Machine Learning上でAIモデルを開発する際の責任あるAI実装に関する記述で、誤っているものはどれか。
A.モデルの予測根拠を可視化することで、ユーザーの信頼性と透明性を向上させることができる。
✓ この記述は正しい。モデル解釈技術（LIME、SHAPなど）により、予測根拠を可視化することは透明性と信頼性向上の基本である。
B.アルゴリズムバイアスが存在しても、十分な学習データ量があれば自動的に解消される。← 正解
✓ 正解です。この記述が誤りで、データ量の増加だけではバイアスは解消されません。データの質的検査、バイアス監視、公平性検証が必要です。
C.異なるデモグラフィックグループに対するモデルのパフォーマンスを監視することは、公平性を保つために重要である。
✓ この記述は正しい。性別、年齢、地域など複数のグループでのパフォーマンス監視は、AIの公平性確保の重要な手段である。
D.AIシステムの監査証跡を記録して、意思決定のトレーサビリティを確保する必要がある。
✓ この記述は正しい。監査証跡により、AIの判断過程を事後的に検証でき、説明責任と透明性を強化できる。
この問題のポイント
この記述が誤りで、データ量の増加だけではバイアスは解消されません。データの質的検査、バイアス監視、公平性検証が必要です。
「責任あるAI」の他の問題
IT・クラウド の関連資格
AWS Certified Cloud Practitioner（CLF-C02）
AWSクラウドの入門資格。クラウドの概念・AWSのコアサービス・セキュリティ・料金モデルを問う。
AWS Certified Solutions Architect - Associate（SAA-C03）
AWSでのシステム設計能力を問うアソシエイト資格。高可用性・セキュリティ・コスト最適化の設計が中心。
DP-900：Microsoft Azure Data Fundamentals
Azureのデータサービスの基礎を問うMicrosoft認定資格。リレーショナル/非リレーショナルデータ、分析ワークロード、コアのデータ概念を扱う。