責任あるAI（実践）応用
金融機関がAIを使用したクレジットスコアリングシステムを導入後、特定の地域の住民がローン承認率40%で、他地域では85%であることが報告されました。この地域差が過去の経済格差と相関していることが判明した場合、責任あるAI原則に基づいた適切な対応はどれか？
A.歴史的経済格差を反映したスコアリングは統計的に正当であるため、現在のモデルを継続使用する
✗ 過去の不公平が統計的に表現されたことは、それが現在の不公平を正当化する理由ではなく、むしろバイアスの継承を示しています。
B.地域情報を入力から除外し、個人の実績データのみに基づいたモデル再構築と、地域別承認率の継続監視を実施する← 正解
✓ 正解です。責任あるAIでは、プロキシバイアス（地域が経済格差の代理変数となっている）を除外し、個人実績ベースの公平な評価に基づいてモデルを改善し、継続的にバイアス監視を行う必要があります。
C.承認率の地域差を根拠に、低承認率地域の申請者に対して、より低い金利を提供する補償プログラムを設計する
✗ 承認率の格差を前提にした補償は、根本的な不公平さを残しており、バイアスの是正ではなく、不公平さの承認です。
D.過去の経済格差に基づく予測は避けられないため、AIスコアリング自体を廃止する
✗ AIシステムを完全廃止するのではなく、バイアスを特定・除外し、透明で公平なシステムに改善することが責任あるAIのアプローチです。
この問題のポイント
責任あるAIでは、プロキシバイアス（地域が経済格差の代理変数となっている）を除外し、個人実績ベースの公平な評価に基づいてモデルを改善し、継続的にバイアス監視を行う必要があります。
「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。