公平性・プライバシー・安全性・透明性などの論点と、AIガバナンスの組織的な取り組みを理解できるようになります
なぜAIに倫理が必要かをつかみ、法律のような強い決まりと、指針のようなゆるやかな決まりの違い、リスクの大きさに応じて対応を変える考え方を身近な例で理解します。深掘り層では、各国のガイドラインが共通して大切にする価値と、EU AI法などの最新の動きまで説明できるようになります。
AI倫理とガイドラインのレッスンの続きとして、世界のAI規制の中心にあるEU AI法（EU AI Act）を掘り下げます。リスクの高さで規制を変えるリスクベースアプローチ、禁止・高リスク・透明性・最小という4つの区分、汎用AIモデルへの規制、段階的に適用される時期、EU域外にもおよぶ効き方、そして日本のソフトローとの対比までを扱います。規制は動いているため、2026年時点の理解として述べ、最終的な確認は一次資料に委ねます。
考え方としての倫理を組織の日々の行動へ落とし込むための具体的なしくみを学びます。方針づくり、事前の評価、運用中の見張り、記録の残し方、人の関わりといった実践の柱を身近な例でつかみ、深掘り層では第三者による監査やレッドチーミングまで説明できるようになります。
AIがあつかう個人の情報をどう守るか、そしてAIの判断がなぜ不公平になりうるかを学びます。設計の段階からプライバシーを守る考え方や、カメラを使うAIの注意点をつかみ、深掘り層ではかたよりが生まれる原因と、公平性の技術的な指標や差分プライバシーまで説明できるようになります。
プライバシーと公平性のレッスンの続きとして、公平さやプライバシーを技術としてどう扱うのかを掘り下げます。公平さを数で表す複数の見方、それらが同時には満たせないことがあるという難しさ、そして個人を守りながらデータを役立てる差分プライバシーの考え方までを実装のコードや数式は最小限にとどめ、なぜ一つの正解に決まらないのかに絞って説明します。
AIをねらう攻撃と、AIそのものを悪用する行為を学びます。AIをだます攻撃や、設計から守る考え方、本物そっくりの偽物をつくる悪用をつかみ、深掘り層ではデータやモデルをねらう攻撃の種類と、プロンプトインジェクションやハルシネーション対策まで説明できるようになります。
安全性・セキュリティと悪用のレッスンの続きとして、AIをだます攻撃と、生成AIに固有の安全性の問題を掘り下げます。わずかな細工で誤らせる敵対的サンプルのしくみ、大規模言語モデルに指示を紛れ込ませるプロンプトインジェクション、制限を外そうとするジェイルブレイク、学習データを汚すデータ汚染までを整理し、なぜ完全には防ぎきれないのか、そして多重の守りという考え方までを実装のコードや攻撃の手口は扱わず、守る側の考え方に絞って説明します。
AIの判断が見えにくいことの何が問題かを学び、判断の理由を示す考え方や、データの由来をたどる大切さをつかみます。深掘り層では、AIが情報のかたよりを通じて社会や民主主義に与える影響と、生成AIによる偽情報の広がりまで説明できるようになります。
AIが環境や雇用、そして人としての尊厳や自律にまで広く影響することを学びます。学習に使う電力の問題や、AIと人の働き方の変化をつかみ、深掘り層では軍事利用や死者への敬意、人間の自律性といった価値と、電力や雇用をめぐる最新の議論まで説明できるようになります。