AI用語応用
顔認識システムが異なる民族的背景を持つ人物に対して認識精度が大きく異なる場合、このシステムの「公平性（Fairness）」を改善するには、どのアプローチが最も根本的に有効か？
A.すべての民族的背景を代表する、バランスの取れた学習データセットを使用して再学習する← 正解
✓ 正解です。学習データの多様性と均衡化は、モデルが全グループに対して公平に振る舞う基盤を形成します。
B.モデルのパラメータ数を増やす
✗ パラメータ数の増加は精度向上に寄与しますが、データ不均衡が存在する場合は公平性改善に直結しません。
C.推論スピードを高速化する
✗ 推論速度はシステムの公平性に影響しません。判定の質的問題とパフォーマンスは別です。
D.より高い解像度のカメラを導入する
✗ ハードウェアの解像度向上は、学習データのバイアスが存在する限り公平性を根本解決しません。
この問題のポイント
学習データの多様性と均衡化は、モデルが全グループに対して公平に振る舞う基盤を形成します。
「AI用語」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。