責任あるAI（実践）定義
Microsoft Azure AIにおいて、AIシステムが意思決定を行った理由や根拠を説明できる特性を何と呼びますか？
A.透明性（Transparency）
✗ 透明性は情報が明確に開示されることですが、AIの意思決定理由の詳細な説明とは異なります。
B.公平性（Fairness）
✗ 公平性はすべての個人や集団に対する不偏的な扱いを指しており、意思決定理由の説明ではありません。
C.説明可能性（Explainability）← 正解
✓ 正解です。説明可能性（Explainability）はAIモデルがどのような根拠で決定を下したかを人間が理解できる形で説明できる能力です。
D.アカウンタビリティ（Accountability）
✗ アカウンタビリティは責任と説明責任を意味しますが、技術的な説明メカニズムそのものではありません。
この問題のポイント
説明可能性（Explainability）はAIモデルがどのような根拠で決定を下したかを人間が理解できる形で説明できる能力です。
「責任あるAI（実践）」の他の問題
AIモデルが特定の地域の住民ばかりに高金利ローンを提案するケースで最初に確認すべきことはどれか？AIシステムの「監査ログ（Audit Log）」を保持する主な目的はどれか？責任あるAIの実践において、「バイアス検出（Bias Detection）」と「バイアス軽減（Bias Mitigati…AIシステムの評価において、「説明責任（Accountability）」と「透明性（Transparency）」の違いは…AIモデルの公平性評価で用いられる「群体的公平性（Group Fairness）」と「個別公平性（Individual …機械学習モデルにおいて、「データプライバシー保護（Data Privacy）」と「データセキュリティ（Data Secu…
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。