情報倫理・AI倫理AI倫理・AIガバナンス★★☆

ある企業が、過去数年分の応募書類と選考結果を学習させたAIに、応募者の講評文を 自動生成させた。すると、特定の国籍や性別の応募者についてだけ、能力とは関係のない 不利な決めつけを含む文が出力された。このAIのリスクとして、最も適切なものはどれか。

正解:

  1. 差別的表現

    正解。AIは学習した過去のデータの傾向をそのまま再現します。過去の選考に人の 偏見が含まれていれば、それを「正しい判断の型」として学び、特定の属性の人を 不当に扱う出力を繰り返します。公平性が損なわれるリスクです。

  2. ディープフェイク

    誤り。実在する人物の顔や声をAIで合成し、本人が言っていないことを言ったように 見せる偽の映像・音声のことです。どちらもAIが人を害する点は同じですが、 こちらは他人になりすます偽装であり、公平性の問題ではありません。

  3. 古い出力情報

    誤り。学習した時点より後に変わった事柄を、変わる前の内容のまま答えてしまう リスクです。過去のデータに引きずられる点は似ていますが、こちらは情報が 新しいか古いかの問題で、特定の属性を不利に扱うかどうかとは別です。

  4. セキュリティ・プライバシーへの懸念

    誤り。AIに入力した機密情報や個人情報が事業者側に残り、外部に出るおそれを 指します。応募書類という個人情報を扱う点は共通しますが、今回問われているのは 情報が漏れることではなく、出力された文の内容が公平でないことです。

過去のやり方を、そのまま覚えてしまう

AIは「良い判断とは何か」を自分で考えているわけではありません。与えられた過去の データの中にある傾向を見つけ、それを再現しているだけです。だから、過去の判断に 人の偏見が混じっていれば、AIはその偏見ごと学習します。結果として出力に表れるのが 差別的表現です。

なぜ気づきにくいのか

  • AIは理由を説明せずに結果だけを出すため、偏りが判断基準に入っていても見えない
  • 「機械が出した答えだから公平だ」と受け取られやすく、人が疑いにくい
  • 大量の処理を一律に行うので、一度入り込んだ偏りが同じ方向に積み重なる

採用・与信・人事評価のように人の機会を左右する場面では、影響が特に大きくなります。 対策は、学習データに偏りがないかを事前に点検すること、出力を人が確認して最終判断は 人が下すこと、そして判断の根拠を説明できる仕組みを備えることです。

混同しやすいものとの違い

リスク 何が起きているか
差別的表現 学習データの偏りが、不公平な出力として表れる
ディープフェイク AIが合成した映像・音声で他人になりすます
古い出力情報 学習時点では正しかった情報が更新されていない
セキュリティ・プライバシーへの懸念 入力した情報が外部に残る、漏れる

「特定の属性の人が一貫して不利に扱われている」と読める場面なら差別的表現、 「本人が言っていないことを言ったように見せる」ならディープフェイクです。

次の問題へ