用語比較
モデルカードとデータシートの違い｜AIモデルに添える文書と、データセットに添える文書（生成AIパスポートの補足）
モデルカードとデータシートの違いは対象で、モデルカードは学習済みのAIモデルに添える短い文書、データシートはAIの学習などに使うデータセットに添える文書です。モデルカードは想定する利用場面と、どんな条件や集団でどれだけ性能が出るかを示し、データシートはなぜ作り、何が入り、どう集めたかを記録します。
AIの結果を信用してよいか確かめたいときはモデルカード、学習データの中身や偏りを確かめたいときはデータシートを見ます。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。
モデルカードとデータシートの要点
モデルカード
学習済みの機械学習モデルに添える、1〜2ページの短い文書。想定する利用の文脈、評価の手順、集団や条件ごとに分けた評価結果などを示す。
データシート
データセットに添える文書。作成の動機、構成、収集の過程、推奨される用途などを記録する。質問は動機・構成・収集の過程・前処理・用途・配布・保守の7つの節に分かれる。
共通点
どちらも、AIの利用者や開発者が、中身を知って判断できるようにするための文書。論文は、どちらの項目も固定ではなく、状況に合わせて調整してよいとする。
違いを表で確認
| 比較軸 | モデルカード | データシート |
|---|---|---|
| 添える対象 | モデルカード：学習済みのモデル | データシート：データセット |
| 主な記載項目 | モデルカード：モデルの詳細、想定する利用、評価の指標と評価データ、学習データ、定量的な分析、倫理的な考慮、注意点と推奨 | データシート：動機、構成、収集の過程、前処理・クリーニング・ラベル付け、用途、配布、保守 |
| 性能の扱い | モデルカード：集団や条件ごとに分けた評価結果を示すことが中心 | データシート：性能は中心でなく、データの中身と集め方を示す |
| 知りたいこと | モデルカード：このモデルを、この場面で使ってよいか | データシート：このデータは、この目的に使ってよいか。何が入っているか |
| 主な読み手 | モデルカード：モデルを使う人、導入を判断する組織、政策担当者など | データシート：データセットを選ぶ研究者や実務者、作る人 |
生成AIパスポートの学習に使う書籍（Amazon）
PR
どこで迷っているかを切り分ける
AIの回答を業務で使う前に、何を確認すべきか迷う人
モデルカードの考え方では、想定する利用と想定外の利用、集団ごとの性能の差、注意点を確認します。自分の使う場面が想定の外なら、その使い方は慎重に判断します。
AIの偏りが、学習データから来ているのか疑う人
データシートの考え方では、データに誰のどんな情報が入り、どう集め、どう整えたかを確認します。偏りの手がかりは、構成と収集の過程の項目にあります。
両方を同じ文書だと思っている人
モデルカードはモデルに、データシートはデータセットに添えます。モデルカードにも学習データの項目はありますが、データそのものの詳しい記録はデータシートの役割です。
文書を作る側になった人
データシートの論文は、質問は規定ではなく領域や組織に合わせて変わるとし、作成を自動化する想定ではないと述べます。作成の過程で作成者が振り返ることも目的です。
具体例で使い分ける
例 1
画像の分類AIを導入するかを判断する場面（架空の例）
ある会社が、写真の分類AIを社内で使うかを検討しています。AIの提供元からモデルと、その学習に使ったデータセットの説明が出ています。
- モデルカードで、想定する利用に社内の用途が入っているか、年齢や撮影条件などの集団ごとの評価結果に大きな差がないかを確認します。
- データシートで、データがどんな目的で、どこから、どう集められたかを確認します。社内の写真と性質が大きく違えば、性能が出ない可能性を考えます。
結論: モデルカードで使ってよい場面かを、データシートで学習データの性質を確かめます。2つは役割が違い、組み合わせて判断します。
問題文から答えを選ぶ手順
- 1
知りたい対象を決める
AIの振る舞いを知りたいならモデル、学習や評価に使ったデータの中身を知りたいならデータセットが対象です。
- 2
対象に合う文書を選ぶ
モデルならモデルカード、データセットならデータシートを見ます。
- 3
自分の使う場面と照らす
モデルカードなら想定する利用と評価の条件、データシートなら動機と収集の過程が、自分の場面と合うかを確かめます。
- 4
足りない項目を確かめる
文書に載っていない項目は、提供元に確認します。論文も、項目は状況で調整してよいとしているため、書いていないことと問題があることは別です。
試験での見分け方
- 1モデルに添えるのがモデルカード、データセットに添えるのがデータシート。
- 2モデルカードは、想定する利用と集団ごとの評価結果が中心。
- 3データシートは、動機・構成・収集の過程が中心。
- 4どちらも項目は固定でなく、状況に合わせて調整される。
誤答しやすい選択肢
モデルカードがあれば、モデルはどんな場面でも安全だと考える
修正: モデルカードは、想定する利用と評価した条件を示す文書です。想定の外の場面で使えることを保証するものではありません。
データシートに、モデルの性能が書かれていると考える
修正: データシートはデータセットの動機・構成・収集の過程などを記録します。モデルの評価結果はモデルカードの役割です。
どちらも公式の決まった様式があると考える
修正: 原論文は、どちらの項目も網羅的でも固定でもなく、モデルや領域に合わせて調整してよいとします。
確認問題
Q1学習済みモデルに添える短い文書は、モデルカードとデータシートのどちら？
答え: モデルカード
原論文は、モデルカードを学習済みの機械学習モデルに添える短い文書（1〜2ページ）と述べます。データシートはデータセットに添えます。
Q2データセットの動機・構成・収集の過程を記録するのは、どちら？
答え: データシート
データシートの質問は、動機・構成・収集の過程・前処理・用途・配布・保守の節に分かれます。
Q3集団ごとに分けた評価結果を示すのが中心なのは、どちら？
答え: モデルカード
モデルカードは、異なる集団や条件ごとの評価を示す文書として提案されました。
到達チェック
- モデルカードが、モデルに添える文書だと言える
- データシートが、データセットに添える文書だと言える
- それぞれの主な記載項目を1つずつ言える
関連ページで確認する
同じ資格で次に知りたいこと
- LLMとSLM（小規模言語モデル）の違い｜規模・動かす場所・補い方
LLM（大規模言語モデル）とSLM（小規模言語モデル）の違いを、パラメータ数の例、動かす場所、知識量の限界とその補い方、生成AIパスポートのシラバスでの位置づけまで、公開されている論文の数値で整理します。
- 入力ガードレールと出力ガードレールの違い｜AIエージェントで確認する場面（生成AIパスポート）
AIエージェントの入力ガードレールと出力ガードレールの違いを、確認する対象・動く場面・止めたときの副作用で整理します。OpenAI Agents SDK公式文書の記述にもとづく解説と確認問題つき。
- 構造化出力とFunction Callingの違い｜回答の形を決めるか、外部ツールを呼ぶか（生成AIパスポート）
構造化出力とFunction Callingの違いを、モデルが返すもの、外部処理の有無、JSON Schemaの役割で整理。回答そのものを決めた形で受け取る場合と、関数名・引数を受け取ってアプリが外部処理を実行する場合を、生成AIパスポート向けに比べます。
よくある質問
Qモデルカードとデータシートは、生成AIパスポートに出る？
当サイトで確かめた範囲では、公式シラバスやAI事業者ガイドラインの本文にこの2語は出てきません。AIの透明性を理解する補足として読んでください。
Qモデルカードとデータシートは、法律で作成が義務づけられている？
このページで確認した原論文は、研究者による提案です。義務の有無は、このページでは扱っていません。
Qどちらが先に提案されたの？
データシートの論文（arXiv:1803.09010）の提案が先で、モデルカードの論文（arXiv:1810.03993）がその後です。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: AI資格ドリル編集部（運営者情報を見る）