AI 倫理・AI ガバナンス20%（当サイト設定） · 7項目

Q1. AI の規律の方法を考える。AI の用途ごとのリスクの大きさに応じて、規制の強さや求める対策を変える考え方はどれに当たるか。

1. アジャイル・ガバナンス
2. ソフトロー
3. リスクベースアプローチ
4. ハードロー

Q2. AI の規律の方法を考える。目標を設定し、運用しながら評価と見直しを素早く繰り返して、ガバナンスの仕組みを改善し続ける考え方はどれに当たるか。

1. マルチステークホルダー
2. リスクベースアプローチ
3. ソフトロー
4. アジャイル・ガバナンス

Q1. 国内外の AI の原則・ガイドラインで共通して議論されている価値として最も適切な組み合わせはどれか。

1. 技術の秘匿、開発者の匿名性、規制の撤廃、データの独占
2. 最大の利益、最短の開発期間、最小の費用、最大の市場シェア
3. 軍事利用の推進、監視の強化、自動化の全面化、人の関与の排除
4. 人間中心、公平性、プライバシー、安全性、透明性・説明責任

Q2. カメラ画像を使う AI のプライバシーの配慮を考える。新しい顔認証のサービスを企画している。後から問題に気づいて作り直すことがないようにしたい。最も適切な対応はどれか。

1. 属性を推定した後、元の顔画像は速やかに破棄する手順を定める
2. 設計の段階からプライバシーへの影響を評価し、保護の策を組み込む
3. 撮影と目的を入口に掲示し、プライバシーへの配慮を知らせる
4. 目的外の利用や第三者への提供を行わないルールを定め、利用者に示す

Q1. 通販サイトで、購買の履歴から顧客の健康の状態を AI が推定してしまう事例が問題になった。この問題の説明として最も適切なものはどれか。

1. 学習データに偏りがあり、特定の集団に不利な推定になる問題
2. データ収集の段階で、本人の同意なく購買の履歴を集めた問題
3. 推定の結果が誤っていても、本人が訂正できない問題
4. 推論の段階で、本人が提供していない機微な情報を AI が推定してしまう問題

Q2. AI の公平性の問題の原因を考える。性別の項目は入力から除いたが、性別と強く相関する「所属していた部活動」の項目から、結果として性別による差が生じた。最も近い原因はどれか。

1. 代理変数による間接的な差別
2. 過去の差別の学習（歴史的バイアス）
3. ラベル付けの偏り
4. サンプリングバイアス（データの集め方の偏り）

Q1. AI に対する攻撃を見分ける。公開の API に大量の問い合わせを行い、その入力と出力の組から元のモデルとほぼ同じモデルを複製する攻撃はどれに当たるか。

1. データ汚染（ポイズニング）
2. モデル窃取
3. Adversarial Examples（敵対的サンプル）
4. メンバーシップ推論攻撃

Q2. AI に対する攻撃を見分ける。モデルの出力の傾向から、ある人のデータが学習に使われたかどうかを推定し、プライバシーを侵害する攻撃はどれに当たるか。

1. モデル窃取
2. Adversarial Examples（敵対的サンプル）
3. データ汚染（ポイズニング）
4. メンバーシップ推論攻撃

Q1. AI の悪用と対策を考える。社長の声をまねたディープフェイクの電話で、送金を指示する詐欺が増えている。経理の手続きを見直したい。最も適切な対策はどれか。

1. 事実確認（ファクトチェック）の機関や仕組みと連携し、情報の出所を確かめる習慣を広める
2. 生成 AI の利用規約で禁止する用途を定め、悪用を検知したら利用を停止する
3. 本人の確認の手続きで、声や映像だけに頼らない別の経路の確認を組み込む
4. 生成したコンテンツに電子透かしや来歴の情報を付け、検知の技術と組み合わせる

Q2. AI の悪用と対策を考える。自社が提供する生成 AI の API が、なりすましのメールの大量作成に使われている。提供者として対応したい。最も適切な対策はどれか。

1. 生成したコンテンツに電子透かしや来歴の情報を付け、検知の技術と組み合わせる
2. 本人の確認の手続きで、声や映像だけに頼らない別の経路の確認を組み込む
3. 事実確認（ファクトチェック）の機関や仕組みと連携し、情報の出所を確かめる習慣を広める
4. 生成 AI の利用規約で禁止する用途を定め、悪用を検知したら利用を停止する

Q1. AI と環境保護の議論として最も適切なものはどれか。

1. AI の計算は電力をまったく使わないので、環境への影響は議論されていない
2. AI の電力の消費は、モデルの大きさや学習の回数とは無関係である
3. 大規模なモデルの学習と推論の電力の消費と、CO2 の排出が懸念されている
4. AI の利用は必ず環境への負荷を増やすので、気候変動の対策には一切使えない

Q2. AI と労働の議論として最も適切なものはどれか。

1. AI に任せた業務は、人がその業務の技能を失っても何の問題も生じない
2. 仕事の内容が変わる一方、AI との協働や新しい仕事も生まれ、学び直しが重要になる
3. AI はすべての仕事を近いうちに完全に置き換えるため、人の仕事はなくなる
4. AI は仕事にまったく影響を与えないので、働き方を見直す必要はない

Q1. AI ガバナンスの取り組みを選ぶ。開発のチームのメンバーの性別や年代、専門が偏っていて、想定外の利用者への影響を見落としがちである。最も適切なものはどれか。

1. 多様な背景のメンバーで検討する体制をつくる
2. 倫理アセスメント（影響評価）を開発の前と運用中に行う
3. 外部の第三者による監査を受ける
4. AI ポリシーを策定して公表する

Q2. AI ガバナンスの取り組みを選ぶ。社内の確認だけでは信頼が得られないため、独立した立場から AI の管理の体制と運用を確かめてもらいたい。最も適切なものはどれか。

1. 多様な背景のメンバーで検討する体制をつくる
2. 外部の第三者による監査を受ける
3. AI ポリシーを策定して公表する
4. 倫理アセスメント（影響評価）を開発の前と運用中に行う