AIF責任あるAIのガイドライン
ある企業の顔分析モデルが、特定の人口統計グループに対してのみ著しく精度が低いことが判明しました。原因は学習データ内でそのグループが過小評価（サンプル不足）されていたことです。責任あるAIの観点で根本的かつ最も適切な是正策はどれですか。
A過小評価グループのデータを追加収集・補強してデータセットの代表性を高め、モデルを再学習する
✓ 正解
精度格差の根本原因がデータの過小評価（代表性不足）であるため、対象グループのデータを補強して代表性を高め再学習することが根本是正となり、データ品質を重視する責任あるAIの考え方に合致する。
B推論時の信頼度閾値を一律に下げ、すべての予測結果を採用するよう変更する
信頼度閾値を一律に下げて全予測を採用すると、精度が低いグループの誤った予測までそのまま採用することになり、公平性の問題をむしろ悪化させるため適切な是正策ではない。
C学習データはそのままに、モデルのハイパーパラメータチューニングのみを繰り返す
ハイパーパラメータチューニングはモデルの最適化手法だが、特定グループのデータが不足しているという根本原因を解消できないため、グループ間の精度格差の是正には至らない。
Dモデルは変更せず、精度が低い可能性がある旨の免責事項を本番画面に表示する
免責事項の表示はユーザーへの注意喚起にとどまり、モデルやデータには手を加えないため、特定グループに対する精度格差という根本的な問題そのものを是正することはできない。
解説
精度格差の根本原因が学習データにおける特定グループの過小評価（代表性の欠如）である場合、そのグループのデータを追加収集・補強してデータセットの代表性を高め、再学習することが根本的な是正策です。データ品質と代表性の確保は責任あるAIの中核です。
選択肢Bの信頼度閾値の引き下げは、低精度な予測をかえって多く採用することになり問題を悪化させる。
選択肢Cのハイパーパラメータ調整は、データの偏りという根本原因を解消しない。
選択肢Dの免責事項表示は、ユーザーへの注意喚起にすぎず、グループ間の精度格差そのものを是正しない。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →