G検定 用語解説
データバイアス／アルゴリズムバイアスとは
学習データに含まれる偏りに起因するのがデータバイアス、アルゴリズム設計に起因するのがアルゴリズムバイアス。
まず押さえる結論
データバイアス／アルゴリズムバイアスは、G検定の「大項目10 AI倫理・AIガバナンス」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×データバイアスとアルゴリズムバイアスの区別（偏りの原因がデータ側かアルゴリズム側か）。
×フィルターバブル（アルゴリズムによる個人化で偏る）とエコーチェンバー（同じ意見が集団内で増幅）の混同。
×AI事業者ガイドライン・AI新法・EU AI Act・OECD AI原則・広島AIプロセスの主体と性質の取り違え（指針か法律か、国内か国際か）。
関連する確認問題
大項目10 AI倫理・AIガバナンス / バイアスと信頼性
深層学習（敵対的生成ネットワークなど）を用いて、実在する人物があたかも実際には行っていない発言や動作をしているかのような偽の映像・音声を作り出す技術はどれか。
正解は「ディープフェイク」である。深層学習や敵対的生成ネットワークなどを用い、実在人物が実際にはしていない発言や動作をしているような偽の映像・音声を合成する技術がディープフェイクである。プロファイリングは個人データから本人の特徴や傾向を予測する処理で、メディアを合成しない。ハルシネーションは大規模言語モデルなどが事実でない内容をもっともらしく生成する現象である。フェイクニュースは虚偽の情報やニュースという内容を指し、それを作る特定の映像・音声合成技術の名称ではない。媒体、生成方法、対象が実在人物かを照合して選ぶ。
大項目10 AI倫理・AIガバナンス / バイアスと信頼性
ノイズの多い入力や想定外のデータ、入力への意図的な改変（敵対的攻撃）にさらされても、AIが性能を大きく損なわず安定して動作できる性質を指す語はどれか。
正解は「ロバスト性」である。ノイズの多い入力、想定外のデータ、敵対的攻撃による改変を受けても、性能を大きく損なわず安定して動作できる頑健さがロバスト性である。透明性はAIの動作や判断過程を把握・追跡できること、公平性は特定の属性に不当な差を生まないこと、説明責任は判断や結果について責任を明確にして説明できることを指す。いずれも信頼できるAIに関係するが、設問は判断過程の見え方、属性間の扱い、責任主体ではなく、入力の乱れや攻撃を受けた後も性能を保つ性質を尋ねている。変化前後の性能に注目して選ぶ。
大項目10 AI倫理・AIガバナンス / AIガバナンス
技術や社会環境の急速な変化に対応するため、固定的なルールを一度定めて終わりにせず、目標・ルール・運用を継続的に評価し見直し続ける統治の考え方はどれか。
正解は「アジャイル・ガバナンス」である。技術や社会環境の変化に応じ、目標・ルール・運用を一度定めて終わりにせず、継続的に評価して見直す統治の考え方がアジャイル・ガバナンスである。AI事業者ガイドラインはAIを扱う事業者向けの指針という文書、プライバシー・バイ・デザインは設計段階からプライバシー保護を組み込む考え方である。リスクベースアプローチはリスクの大きさに応じて対応の強さを変える。設問の焦点は保護を組み込む時期やリスクの大小ではなく、環境変化に合わせて統治の仕組みを反復更新する点にある。
同じ章で確認したい用語
到達チェック
- データバイアス／アルゴリズムバイアスを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、データバイアス／アルゴリズムバイアスに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）