Azure認定資格 WEB問題集＆徹底解説

会員登録/ログイン

A. 包摂性（Inclusiveness）

包摂性（Inclusiveness）は、年齢・障がい・言語・地域などにかかわらず、あらゆる人が AI の恩恵を受けられるようにする原則です。
本問で性能が落ちている原因は撮影装置に起因する画質という「入力条件」であって、特定の利用者集団が排除されているという構図ではありません。
人の属性ではなく動作条件の問題なので、最も直接的な原則とは言えません。

B. プライバシーとセキュリティ（Privacy and Security）

プライバシーとセキュリティは、患者の医療画像や個人情報を保護し、安全に保管・利用するための原則です。
医療 AI では極めて重要ですが、本問の課題はデータの守り方ではなくモデルの検出精度が条件によって不安定になることです。
改善策（低画質画像を含めた学習・評価）とも直接結びつかないため誤りです。

C. 説明責任（Accountability）

説明責任（アカウンタビリティ、Accountability）は、AI システムの結果に人と組織が責任を持ち、ガバナンスと人間による監督を機能させる原則です。
「誤検出時に誰が責任を負うか」「最終診断は医師が行う」といった体制論であり、モデル自体の性能ばらつきを技術的に改善する話ではありません。
本問が問うている「最も直接的に取り組むべき原則」からはずれます。

正解

D. 信頼性と安全性（Reliability and Safety）

正解です。信頼性と安全性（Reliability and Safety）は、AI システムが想定される多様な条件下でも一貫して安全に動作することを求める原則です。
老朽化した装置による低画質・ノイズの多い画像という実運用で現実に起こる条件で見落としや誤検出が増えるのは、この原則が満たされていない状態です。
対策も原則に沿って明確で、低画質画像を含む多様な条件での厳密なテストと学習データの拡充、入力画質の事前チェック、しきい値を下回る画像は人間の読影へ回すフォールバックを設計します。

正解への思考ルート

問題文から要件を抽出し、選択肢の適否を判断するのがポイントです。

要件	判断ポイント
通常条件では高精度だが特定条件で性能が崩れる	条件によって挙動が不安定＝信頼性の欠如。多様な条件下での一貫した動作を求めるのが信頼性と安全性 →選択肢（D）が正解
見落とし（偽陰性）が人命に直結する医療用途	危害を生まない挙動と安全側フォールバック（人間の読影へ回す）の設計が求められる →選択肢（D）が正解
問題の原因は「人の属性」ではなく「入力条件」	包摂性は利用者の多様性への配慮。撮影装置の画質差は利用者集団の排除とは別軸 →選択肢（A）を消す
データ保護の不備は問われていない	プライバシーとセキュリティは情報の守り方。検出精度のばらつきの改善策にはならない →選択肢（B）を消す
体制・責任の所在は問われていない	説明責任（アカウンタビリティ）はガバナンスと監督の原則。モデル性能そのものを直接改善する原則ではない →選択肢（C）を消す

ひっかけポイント

• 「医療」「X 線画像」という語から反射的にプライバシーを選ばせる作りになっている。ここで問われているのは精度が条件によって崩れることで、データ保護の話は出ていない
• 「老朽化した装置しかない医療機関が不利益を被る」と読めば公平性・包摂性にも見えるが、問われているのは「最も直接的」な原則。原因が入力条件である以上、まず信頼性と安全性
• 「通常条件では高精度」という記述が伏線。平均精度が高いだけでは信頼できるとは言えず、最悪条件での挙動を評価するのが信頼性と安全性の考え方
• 誤検出（偽陽性）と見落とし（偽陰性）はどちらも安全性の問題だが、医療では見落としの方が被害が大きい。評価指標として再現率（Recall）を重視する話につながる

出題バリエーション

同じ知識が本番では条件を変えて出題されます。

問題文がこう変わったら	正解はこう変わる
「特定の人種・性別の患者で精度が低いことが判明した」	公平性（Fairness）が正解軸に。原因が人の属性に紐づく点が違い。
「AI の判定根拠となった陰影の位置をヒートマップで提示したい」	透明性（Transparency）が正解軸に。
「AI の判定を医師が最終確認し、誤診時の責任分担を規程化する」	説明責任（アカウンタビリティ）が正解軸に。
「患者の画像データを匿名化して学習に利用する手順を定める」	プライバシーとセキュリティが正解軸に。
「視覚に障がいのある技師でも操作できる UI にしたい」	包摂性（Inclusiveness）が正解軸に。

リファレンス

この問題を解くために必要な知識を扱う公式ドキュメントです。

知識項目	公式ドキュメント
責任ある AI の 6 原則（信頼性と安全性は予期しない状況や学習データでまれな入力条件でも一貫して安全に動作すること）	責任ある AI とは? - Azure Machine Learning