解説：AI倫理・法律

このページでは「AI倫理・法律・社会実装」（シラバス法律倫理分野全18項目、技術分野35〜36）を解説します。近年出題比率が増えている重要分野です。

⚖️ AIに関する主要な法律

法律・制度	ポイント
個人情報保護法	個人を識別できる情報の取扱いを規制。仮名加工情報・匿名加工情報の区別が重要。AI学習データへの適用も注目。GDPRはEUの個人情報保護規則
著作権法	AI生成物の著作権帰属が問題に。AI学習目的のデータ利用は一定条件下で認められる（著作権法30条の4）
特許法	AI発明の特許取得可能性、職務発明の扱いが重要。新規性・進歩性が審査基準
不正競争防止法	営業秘密・限定提供データの保護。AIが生成したデータの保護に関連
独占禁止法	AIを使ったデータの寡占・競争阻害行為への規制
AI開発受託契約	精度保証・NDA・PoC契約など。準委任契約と請負契約の違いが重要

ガイドライン	説明
AIガバナンス	AIの開発・利用を適切に管理・監督する枠組み
価値原則（AI原則）	各国・企業が定めるAI開発・利用の基本原則。透明性・公平性・安全性など
ハードロー vs ソフトロー	法的拘束力のある規制（ハード）と、自主的ガイドライン（ソフト）の対比
リスクベースアプローチ	AIのリスクレベルに応じた規制を行う考え方。EUのAI Actが採用
AIポリシー	組織内のAI利用ルールを定めた文書

テーマ	説明	キーワード
公平性	AIの判断に差別・偏りが生じないようにする	アルゴリズムバイアス、サンプリングバイアス、センシティブ属性
プライバシー	個人データの収集・利用における権利保護	プライバシー・バイ・デザイン、カメラ画像利活用ガイドブック
透明性・説明可能性	AIの判断根拠を人間が理解できるようにする	ブラックボックス、データの来歴、説明可能AI
安全性・セキュリティ	AIへの攻撃や誤動作からの保護	Adversarial Attack、データ汚染、モデル汚染
悪用	AIの不正使用や有害コンテンツの生成	ディープフェイク、フェイクニュース
民主主義への影響	AIによる情報操作・世論誘導のリスク	エコーチェンバー、フィルターバブル
環境への影響	大規模モデルの学習に伴う電力消費・CO2排出	気候変動、モデルの電力消費
労働・雇用	AIによる仕事の代替と新たな雇用創出のバランス	AIとの協働、スキルの喪失、労働力不足
インクルージョン	障害者・少数者への配慮、AIの恩恵を公平に享受する社会	ダイバーシティ、軍事利用

用語	説明
CRISP-DM	データ分析・AI開発の標準的なプロセスモデル。業務理解→データ理解→準備→モデリング→評価→展開
MLOps	機械学習モデルの開発・運用・監視を継続的に改善するDevOpsのAI版
PoC（概念実証）	AIシステムを本格導入前に小規模で試験する段階
アジャイル開発	短いサイクルで繰り返し改善する開発手法
アノテーション	AIの学習データに正解ラベルを付与する作業
データリーケージ	学習データにテストデータの情報が混入し、評価が過大になる問題

AIの普及に伴い、法律や規制の整備が進んでいます。G検定では日本の法律だけでなく、国際的な動向も問われます。

法律・規制	概要
個人情報保護法	個人情報の適切な取扱いを定めた法律。AIが学習データとして個人情報を使う場合に適用
著作権法	AIが生成したコンテンツや、学習データとして著作物を使う際の権利関係を規定
不正競争防止法	営業秘密の保護などを定めた法律。データの不正取得・利用に関わる
EU AI法	EUが制定したAI規制法。リスクレベルに応じてAIシステムを分類・規制する
AI原則（OECD）	OECDが提唱するAI開発・利用の国際的な指針。透明性・公平性・説明責任などを定める

AIを社会に適切に導入・運用するための仕組みをAIガバナンスと呼びます。G検定では「責任あるAI（Responsible AI）」の考え方が頻出です。

AI倫理・法律分野は近年の試験で比重が増えています。個人情報保護法・著作権法・OECD AI原則・AIガバナンス・バイアスといったキーワードを中心に、それぞれの概念と具体的な事例をセットで理解しておきましょう。