【G検定｜理解型予想問題】過学習・正則化・ドロップアウト
seo-webmaster
SEO・ウェブマスターブログ
【G検定｜理解型予想問題】AI倫理・法律・ガバナンス｜生成AIリスクはなぜ混同する？
seo-webmaster
プロモーションが含まれています
AI倫理・法律・ガバナンスは、G検定で混同しやすい分野です。
理由は、ハルシネーション、著作権、個人情報保護、アルゴリズムバイアス、ディープフェイク、XAI、AIガバナンスなど、似たようなリスク用語がまとめて出てくるからです。
ただし、覚え方は難しくありません。
ポイントは、「何が問題なのか」と「どう対応する考え方なのか」を分けることです。
たとえば、ハルシネーションは 内容の正しさの問題、著作権は 権利の問題、個人情報保護は 情報の扱いの問題 です。
一方で、XAIは 判断理由を説明しやすくする考え方 、AIガバナンスは AIを安全に使うための管理体制 です。
G検定では、AIを単に作る技術だけでなく、社会で安全に使うためのリテラシーも重視されています。
JDLAもG検定をAI・ディープラーニングの活用リテラシー習得のための検定と説明しており、2024年のシラバス改訂では生成AIに必要な技術や法律・倫理の観点が整理されています。（一般社団法人日本ディープラーニング協会〖公式〗）
この記事では、AI倫理・法律・ガバナンス分野で混同しやすいポイントを、理解型の予想問題として整理します。
問題①
生成AIのハルシネーションの説明として、最も適切なものはどれか？
- A. AIが個人情報を暗号化して保存すること
- B. AIがもっともらしい誤情報を生成すること
- C. AIが著作物を必ず無断利用すること
- D. AIの判断理由を完全に説明できること
- 正解・解説（クリックで開きます）
-
正解
B
解説
ハルシネーションとは、生成AIが もっともらしいが誤った情報を出すこと です。
ポイントは、単なるエラーではなく、自信があるように見える回答でも間違っている場合がある という点です。
特に、存在しない出典、誤った日付、実在しない人物名、事実と異なる説明などが問題になります。なぜ混同する？
ハルシネーションは、ディープフェイクや著作権問題と混同されやすいです。
ただし、整理すると次のようになります。
ハルシネーションは「それっぽい間違い」と覚えると整理しやすいです。
Q
問題②
生成AIと著作権の関係として、最も適切なものはどれか？
A. 生成AIの出力は、常に著作権侵害になる
B. 生成AIは著作権と無関係である
C. 学習データ、生成物、利用方法が問題になる場合がある
D. 著作権は個人情報保護とまったく同じ意味である
- 正解・解説（クリックで開きます）
-
正解
C
解説
生成AIと著作権では、主に次の3つが問題になります。
ここで大切なのは、「生成AIを使ったら必ず違法」ではない という点です。
ただし、既存作品に似た生成物を公開したり、商用利用したりする場合は、権利関係に注意が必要です。なぜ混同する？
著作権は、個人情報保護と混同されやすいです。
著作権は作品や表現の権利に関係します。個人情報保護は個人を特定できる情報の扱いに関係します。
つまり- 品の問題 → 著作権
- 人の情報の問題 → 個人情報保護
と分けると理解しやすいです。
Q
問題③
生成AIを使うとき、個人情報保護の観点で特に注意すべきものはどれか？
- A. 架空の人物名だけを使って文章を作る
- B. 公開済みの一般的なAI用語を調べる
- C. 顧客名や住所を入力して文章を作成する
- D. AIの仕組みを図で説明する
- 正解・解説（クリックで開きます）
-
正解
C
解説
個人情報保護では、個人を特定できる情報をどう扱うか が重要です。
たとえば、次のような情報を生成AIに入力する場合は注意が必要です。
生成AIは便利ですが、入力した情報がどのように扱われるかを確認せずに、個人情報や機密情報を入れるのは危険です。
なぜ混同する？
個人情報保護は、著作権やディープフェイクとつながりがあります。
顔写真や音声を使えば、個人情報の問題だけでなく、ディープフェイクやなりすましにも関係します。
そのため、試験では単語だけでなく、どの場面でどのリスクが起きるのか を見分けることが重要です。
Q
問題④
アルゴリズムバイアスの説明として、最も適切なものはどれか？
- A. AIが常にランダムに判断すること
- B. 学習データや設計の偏りによって、不公平な判断が起こること
- C. AIが画像を高画質に変換すること
- D. AIが著作権を自動的に管理すること
- 正解・解説（クリックで開きます）
-
正解
B
解説
アルゴリズムバイアスとは、AIの判断に偏りが生じ、不公平な結果につながる問題 です。
原因としては、次のようなものがあります。
AIは自動で公平さを理解しているわけではありません。
過去のデータに偏りがあれば、その偏りを学習してしまう可能性があります。なぜ混同する？
アルゴリズムバイアスは、ハルシネーションと混同されやすいです。
ただし、問題の種類が違います。
間違った情報を出す→ハルシネーション不公平な判断をする→アルゴリズムバイアスと整理すると見分けやすいです。
Q
問題⑤
ディープフェイクの例として、最も適切なものはどれか？
- A. AIが学習率を下げて学習すること
- B. 実在人物が発言したように見える偽動画を作ること
- C. AIの判断理由を説明すること
- D. 個人情報を正しく匿名化すること
- 正解・解説（クリックで開きます）
-
正解
B
解説
ディープフェイクとは、AIなどを使って、本物らしい偽画像・偽動画・偽音声を作る技術や問題 です。
たとえば、次のような例があります。
生成AIの発展によって、画像・動画・音声が本物のように見えるケースが増えています。
なぜ混同する？
ディープフェイクは、ハルシネーションと混同されやすいです。
どちらも「誤った情報」に関係しますが、中心が違います。
つまり、文章の誤情報ならハルシネーション、見た目や声の偽装ならディープフェイク と考えると整理しやすいです。
Q
問題⑥
XAIの目的として、最も適切なものはどれか？
- A. AIの判断理由を説明しやすくすること
- B. AIに個人情報を大量に入力すること
- C. AIの出力を必ず著作物にすること
- D. AIの誤情報を意図的に増やすこと
- 正解・解説（クリックで開きます）
-
正解
A
解説
XAIとは、Explainable AIの略で、説明可能AI と呼ばれます。
AIの判断がブラックボックス化すると、なぜその結果になったのかがわかりにくくなります。
そこで、XAIでは次のような観点が重要になります。
XAIは、AIの判断を完全に正しくする魔法ではありません。
あくまで、判断理由を見えやすくし、説明しやすくする考え方 です。なぜ混同する？
XAIは、AIガバナンスと混同されやすいです。
XAIは 説明の考え方 、AIガバナンスは 管理の仕組み です。
Q
問題⑦
AIガバナンスの説明として、最も適切なものはどれか？
- A. AIを安全に活用するためのルールや管理体制を整えること
- B. AIにすべての判断を任せ、人間は関与しないこと
- C. AIの出力を必ず正しいものとして扱うこと
- D. AIの学習データをすべて公開すること
- 正解・解説（クリックで開きます）
-
正解
A
解説
AIガバナンスとは、AIを安全に活用するために、ルール・確認・監視・責任体制を整えることです。
具体的には、次のような取り組みがあります。
AIガバナンスで重要なのは、AIを禁止することではありません。
AIを安全に使うための仕組みを作ることです。なぜ混同する？
AIガバナンスは、AI倫理やXAIと混同されやすいです。
考え方→AI倫理説明→XAI管理体制→AIガバナンスと分けると、混同しにくくなります。
Q
問題⑧
生成AIリスクと問題の組み合わせとして、最も適切なものはどれか？
- A. ハルシネーション：不公平な判断
- B. 著作権：個人を特定できる情報の扱い
- C. ディープフェイク：本物らしい偽画像・偽動画・偽音声
- D. XAI：AIの利用ルールや管理体制そのもの
- 正解・解説（クリックで開きます）
-
正解
C
解説
ディープフェイクは、本物らしい偽画像・偽動画・偽音声 に関係します。
他の選択肢は、似ているようでズレています。
G検定では、このように 用語と問題の対応関係 を問われる可能性があります。
なぜ混同する？
生成AIリスクは、どれも「AIを安全に使うために大事な話」に見えるため、まとめて覚えると混同しやすくなります。
だからこそ、次のように整理すると理解しやすいです。
Q
まとめ
AI倫理・法律・ガバナンスは、AIの学習をはじめたばかりの人にとって混同しやすい分野です。
しかし、用語を次のように分けると整理しやすくなります。
- ハルシネーションは、もっともらしい誤情報の問題
- 著作権は、作品や表現の権利の問題
- 個人情報保護は、個人を特定できる情報の扱いの問題
- アルゴリズムバイアスは、不公平な判断の問題
- ディープフェイクは、本物らしい偽コンテンツの問題
- XAIは、判断理由を説明しやすくする考え方
- AIガバナンスは、AIを安全に使うための管理体制
G検定では、単に用語名を覚えるだけでなく、それぞれがどのリスクに対応しているのかを見分ける力が重要です。
生成AIのリスクは、個別に覚えるよりも、関係性で整理した方が理解しやすくなります。
- 何が問題なのか
- 誰に影響するのか
- どう管理するのか
この3つで考えると、AI倫理・法律・ガバナンスの問題にも対応しやすくなります。
関連記事・おすすめ記事
1回目不合格でした。不合格だった原因を分析しました。
こちらもおすすめ
【不合格体験談】G検定に落ちた原因｜「成功体験」と「過学習」が落とし穴
公式テキスト
Amazonで確認
楽天市場で確認
合格時に使用した問題集
Amazonで確認
楽天市場で確認
書いている人
このブログの運営者です。文系出身です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
