製造物責任は? 永続する学習データをどう考える? AIに潜むリスクの捉え方

[2019/10/18 11:45]周藤瞳美 ブックマーク ブックマーク

ソリューション

電化製品などの欠陥製品に対するメーカーの責任を定めた「製造物責任法」。同法は、AIを用いたシステムも適用の対象となる場合がある。また、AIの学習用データは従来のデータ分析とは異なり、かたちを変えて永続する。商用システムにおけるAIの利用は、従来のシステムよりもさまざまなリスクを抱えていると言える。こうしたAIのリスクについてどう考えていけばよいのだろうか。

本稿では、日本マイクロソフトが10月7日に開催したイベント「DLLAB Engineer Days」のなかから、AIデータ活用コンソーシアム理事・副会長/日本マイクロソフト業務執行役員 NTO 田丸健三郎氏によるセッション「知らなかったでは済まされないAIと製造物責任、知財とデータ統制」の模様をお届けしたい。

AIデータ活用コンソーシアム理事・副会長/日本マイクロソフト業務執行役員 NTO 田丸健三郎氏

データ収集からAI活用までのエコシステム、日米の違い

米国での研究開発経験がある田丸氏。まず「データの入手しやすさが米国をはじめとする諸外国と比べて異なる」と日本の状況について説明した。AIに限らず、米国には法律で禁止されていない限り積極的にデータを収集して研究を加速させていこうとする文化がある。また、データ収集だけでなく、社会課題の解決に向けたAI活用までのエコシステムが機能しているという。

一方で日本は「ガイドライン行政による硬直化したビジネス環境が特徴」と田丸氏が指摘するように、機微なデータを積極的に収集/活用しづらい環境にあると言える。エコシステムという観点から見ても、海外データを利用することによってAIモデルに偏りが発生してしまうことなどが課題となる。自然言語や地域、画像データなど、日本固有のデータを必要とする場合は社会実装に至らず研究の段階で止まってしまっているケースも多い。

「例えば日本語をデータとして用いる際に特有の問題として、データが入手しづらいだけでなく陳腐化が早いということがある。テキストデータや音声データだけでは、”やばい”の意味を評価できない。青空文庫に収録されている日本語は現代日本語とは言えない。研究で活用するにはよくても、社会実装したときのクオリティは期待できない。日本語をデータとして活用したい場合には、定期的に収集する仕組みが必要となる」(田丸氏)

※ 本記事は掲載時点の情報であり、最新のものとは異なる場合がございます。予めご了承ください。

もっと知りたい!こちらもオススメ

【連載】教えてカナコさん! これならわかるAI入門 [32] AIにまつわる「よくある誤解」と「正しい理解」

【連載】教えてカナコさん! これならわかるAI入門 [32] AIにまつわる「よくある誤解」と「正しい理解」

これまでAIの概要や、機械学習の基礎的なところを説明してきました。今回はそういった知識を持っていてもなお勘違いしがちな、AIにまつわる「よくある誤解」について解説したいと思います。

関連リンク

この記事に興味を持ったら"いいね!"を Click
Facebook で IT Search+ の人気記事をお届けします

会員登録(無料)

注目の特集/連載
[解説動画] Googleアナリティクス分析&活用講座 - Webサイト改善の正しい考え方
[解説動画] 個人の業務効率化術 - 短時間集中はこうして作る
ミッションステートメント
教えてカナコさん! これならわかるAI入門
知りたい! カナコさん 皆で話そうAIのコト
対話システムをつくろう! Python超入門
Kubernetes入門
AWSで作るクラウドネイティブアプリケーションの基本
PowerShell Core入門
徹底研究! ハイブリッドクラウド
マイナビニュース スペシャルセミナー 講演レポート/当日講演資料 まとめ
セキュリティアワード特設ページ

一覧はこちら

今注目のIT用語の意味を事典でチェック!

一覧はこちら

ページの先頭に戻る