責任あるAI最終応用
AIシステムが医療診断において稀な疾患を過度に予測するケースが多発した場合、責任あるAIの観点から最適な改善戦略はどれか？
A.稀な疾患の予測閾値を下げてさらに多くの患者を捕捉する
✗ 閾値低下は過度な予測をさらに悪化させます。責任あるAIは精度と偽陽性のバランスを重視します。
B.モデルの透明性を向上させ、医師が予測根拠を理解できるようにする
✗ 透明性向上は重要ですが、根本的なデータ不均衡の問題を解決しません。
C.訓練データの不均衡を検出し、稀な疾患サンプルの代表性を改善する← 正解
✓ 正解です。訓練データの不均衡が原因で、稀な疾患の予測精度が低下しています。データ代表性を改善することが根本解決策です。
D.予測精度をFalse Negative率のみで評価する
✗ 偽陰性のみで評価すると、過度な予測による患者への不必要な検査の害を見過ごします。
この問題のポイント
訓練データの不均衡が原因で、稀な疾患の予測精度が低下しています。データ代表性を改善することが根本解決策です。
「責任あるAI最終」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。