※本記事はAI-900の資格試験対策用に私が勉強した内容を備忘録として残したものです。想定問題を解いていて重要だ、ここは忘れそうだと感じた部分をまとめています。網羅的な解説記事ではありませんのでご容赦ください。
はじめに
さて今回は、AI-900（Microsoft Certified：Azure AI Fundamentals）の資格試験対策として、責任のあるAIの原則についてまとめたいと思います。
資格試験に受かることだけを目標に、ポイントだけ抑えた記事となっていますので、詳しく知りたい方はMicrosoftの公式HPでしっかり学習してください。
それでは見ていきましょ～。
オススメ試験対策
オススメの試験対策用Udemy講座も載せておきますね。
以下は体系的に知識を学ぶのにぴったりです。
体系的に学習した後は、過去問を解きまくりましょう。以下の模擬問題集がオススメなので是非！
責任のあるAI
Microsoft は AI の倫理的な開発と運用を確保するために「責任のある AI（Responsible AI）」の原則 を定めています。これにより、公平で信頼できる AI を開発し、安全に活用すること を目指します。
| 原則 | 説明 | 例 |
|---|---|---|
| 公平性（Fairness） | AI はすべての人に公平に機能し、バイアスを最小限に抑えるべき | 求人選考AIが特定の性別・人種に偏らないようにする |
| 信頼性と安全性（Reliability & Safety） | AI は信頼性が高く、安全に使用できるべき | 自動運転AIが正確に道路状況を認識し、安全に運転する |
| プライバシーとセキュリティ（Privacy & Security） | AI は個人情報を適切に保護し、悪用されないようにする | 顔認識AIが不要な個人データを保存しない |
| 包括性（Inclusiveness） | すべての人が AI を利用でき、誰もが恩恵を受けられるようにする | 視覚障がい者向けの音声アシスタントを開発する |
| 透明性（Transparency） | AI の仕組みを理解しやすくし、どのように判断しているかを説明できるようにする | AIによる自動判定の理由をユーザーに示す |
| アカウンタビリティ（Accountability） | AI の開発者や運用者が、そのAIの影響に責任を持つ | AIが誤った判断をした場合の責任の所在を明確にする |
生成 AI は強力なツールですが、誤情報や偏見、プライバシー侵害などのリスク も伴います。
Microsoft では、安全で信頼できる生成 AI を開発・運用するために、以下の 4つのステップ を推奨しています。
| ステップ | 目的 |
|---|---|
| 潜在的な損害を特定する | 誤情報・偏見・プライバシー侵害・有害コンテンツなどのリスクを特定 |
| 潜在的な損害を測定する | AI の出力を分析し、リスクを数値化 |
| 潜在的な損害を軽減する | フィルタリング・出力制限・継続監視でリスクを最小化 |
| 責任ある生成 AI を運用する | 透明性・フィードバック収集・コンプライアンス遵守を徹底 |
潜在的な危害を軽減するには、4つの層のそれぞれに軽減手法を適用できる階層化アプローチを使用する必要があります。
| 層 | 概要 | 例 |
|---|---|---|
| モデル層（Model Layer） | AI の学習・推論を行う基盤となる部分 | ・適切なモデルの選択： ソリューションの用途に合ったモデルを選ぶことで、不適切なコンテンツ生成のリスクを低減 ・モデルの微調整： 独自のトレーニングデータを用いてモデルを微調整することで、応答の関連性を高め、出力内容を制御 |
| 安全システム層（Safety System Layer） | AI が生成するコンテンツを監視し、有害な発言を抑制する仕組み | ・コンテンツ フィルター： 「ヘイト」「性的」「暴力」「自傷行為」の 4 つのカテゴリに基づき、コンテンツを「安全」「低」「中」「高」の 4 段階で評価し、適切にプロンプトや応答を制御 ・不正使用検出： ボットによる大量の自動リクエストなどの不正使用を検出するアルゴリズムや、アラート通知を導入 |
| メタプロンプト & グラウンディング | メタプロンプト：AI の応答品質を向上させるために設定される指示（制御プロンプト） グラウンディング：AI の出力を信頼性のあるデータ（外部ソース）に基づかせる技術 | ・メタプロンプトの設定： モデルの動作パラメーターを定義し、期待する応答を導くための指示を与える ・プロンプト エンジニアリング： 信頼できるデータソースから取得したコンテキストデータをプロンプトに追加し、関連性が高く安全な出力を促す ・検索拡張生成（RAG）： 信頼性の高い外部データをプロンプトに組み込むことで、モデルの応答精度と安全性を向上 |
| ユーザーエクスペリエンス（UX：User Experience） | AI を使う際の安全性・快適さ・満足度を向上させる仕組み | ・UI デザインの工夫： 入力内容を特定のトピックや形式に制限するユーザーインターフェースを設計し、潜在的に有害な応答のリスクを軽減 ・ドキュメントと説明： システムの機能や制限、潜在的な危害についてユーザーや関係者に明確に伝えることで、透明性を確保 |
試験合格体験記
私の合格体験記も載せておきますので、是非参考になればと思います。
6時間程度の勉強で私は合格できました！
別に私がスゴイわけでもなく、誰でもこのくらいの時間で十分合格を狙えるはずです！
最後に
さて今回は、AI-900（Microsoft Certified：Azure AI Fundamentals）の資格試験対策として、責任のあるAIの原則についてまとめました。
あくまでも私の備忘録ですが、このメモが皆さんのお役に立てればとても嬉しいです！是非この記事を読んで資格に合格できた！！等あれば励みになりますのでコメントください～。
前回まとめた記事はこちらです。
本ブログでは、AI-900以外の勉強記事もあげていますのでそちらも是非！！
コメント