アルゴリズムバイアスの発生経路

AIの開発・運用の過程でアルゴリズムバイアスが生じる経路に関する説明として、最も不適切なものを1つ選べ。

正解と解説を見る

解説

正解D

ポイント

アルゴリズムバイアスは、データの収集だけでなくラベル付け・評価・運用のどの段階からも生じるため、段階ごとに点検します。

選択肢ごとの解説

A

適切

歴史的バイアスと呼ばれる経路です。データに誤りがなくても、社会の側に偏りがあれば、モデルはそれを正しく学習してしまいます。データの量や質を高めるだけでは解消できません。
B

適切

多数派のグループの結果が全体の数値を左右するため、少数派の誤りが埋もれます。グループ別に精度や誤り率を確かめる評価が必要です。
C

適切

フィードバックループと呼ばれる現象です。たとえば予測で重点的に調べた対象ほど記録が増え、その記録がさらに重点化を正当化するという循環が生じます。
D

不適切 ◯ 正解

多数決で個人ごとのばらつきは抑えられますが、作業者の多くが共有する先入観は、かえってそのまま正解として固定されます。作業者の構成や判断基準そのものを見直す必要があります。

試験での狙われ方

バイアスの原因はデータだけにあるのか、どの段階で生じうるのかを、複数の経路を並べて見分けさせる形が考えられます。

関連用語

アルゴリズムバイアス、アノテーション、サンプリングバイアス

参考

G検定試験出題範囲（シラバス2024）第1.4版（法律・倫理分野項目10 公平性） 2026年10月30日閲覧
Suresh, Guttag, A Framework for Understanding Sources of Harm throughout the Machine Learning Life Cycle (2019) （Historical Bias, Measurement Bias, Evaluation Bias） 2026年10月30日閲覧
総務省・経済産業省「AI事業者ガイドライン（第1.2版）」（2026年3月31日）（第2部C 3）公平性 ①AIモデルの各構成技術に含まれるバイアスへの配慮） 2026年10月30日閲覧

オリジナル問題（過去問ではありません） AIで作成人による確認：未誤りを報告

出典と作成について

作成：ウカトレ編集部（AIで作成し、別のAIが一次資料と照合。手順は編集方針）

公開日：2026年10月30日最終更新日：2026年10月30日最終確認日：2026年10月30日

2026年10月30日時点の法令・ガイドライン等にもとづく内容です。

シラバス第1.4版法律・倫理10「公平性」の問題です。