Al の進化に伴う課題と現状の取組
第1節
| 図表 I-4-1-1 生成AIの課題 |
|||
| リスク | 事例 | ||
| 従来型AI から存在 するリスク |
バイアスのある結果及び差別的な結果の出力 | ●IT企業が自社で開発したAI人材採用システムが女性を差別するという機械学習面の欠陥を持 ち合わせていた |
|
| フィルターバブル及びエコーチェンバー現象 | ●SNS等によるレコメンドを通じた社会の分断が生じている | ||
| 多様性の喪失 | ●社会全体が同じモデルを、同じ温度感で使った場合、導かれる意見及び回答がLLMによって 収束してしまい、多様性が失われる可能性がある |
||
| 不適切な個人情報の取扱い | ●透明性を欠く個人情報の利用及び個人情報の政治利用も問題視されている | ||
| 生命、身体、財産の侵害 | ●Alが不適切な判断を下すことで、自動運転車が事故を引き起こし、生命や財産に深刻な損害 を与える可能性がある ●トリアージにおいては、Alが順位を決定する際に倫理的なバイアスを持つことで、公平性の 喪失等が生じる可能性がある |
||
| データ汚染攻撃 | ●AIの学習実施時及びサービス運用時には学習データへの不正データ混入、サービス運用時で はアプリケーション自体を狙ったサイバー攻撃等のリスクが存在する |
||
| ブラックボックス化、判断に関する説明の要求 | ● AIの判断のブラックボックス化に起因する問題も生じている ●AIの判断に関する透明性を求める動きも上がっている |
||
| エネルギー使用量及び環境の負荷 | ●AIの利用拡大により、計算リソースの需要も拡大しており、結果として、データセンターが 増大しエネルギー使用量の増加が懸念されている |
||
| 生成AIで 特に顕在化 したリスク |
悪用 | ● Alの詐欺目的での利用も問題視されている | |
| 機密情報の流出 | ●AIの利用においては、個人情報や機密情報がプロンプトとして入力され、そのAIからの出力 等を通じて流出してしまうリスクがある |
||
| ハルシネーション | ●生成Alが事実と異なることをもっともらしく回答する「ハルシネーション」に関してはAI開 発者·提供者への訴訟も起きている |
||
| 偽情報、誤情報を鵜呑みにすること | ●生成AIが生み出す誤情報を鵜呑みにすることがリスクとなりうる ●ディープフェイクは、各国で悪用例が相次いでいる |
||
| 著作権との関係 | ●知的財産権の取扱いへの議論が提起されている | ||
| 資格等との関係 | ●生成AIの活用を通じた業法免許や資格等の侵害リスクも考えうる | ||
| バイアスの再生成 | ●生成AIは既存の情報に基づいて回答を作るため既存の情報に含まれる偏見を増幅し、不公平 や差別的な出力が継続/拡大する可能性がある |
||
(出典)「AI事業者ガイドライン(第1.0版)」別添(概要)
生成AIの基盤となる大規模言語モデル(LLM) の開発では、マイクロソフトやグーグルなど米
国ビックテック企業などが先行している状況にある。
しかし、日本以外の企業·研究機関がクローズに研究開発を進めたLLM を活用するだけでは、
LLM構築の過程がブラックボックス化してしまい、LLMを活用する際の権利侵害や情報漏えいな
どの懸念を払拭できない。日本語に強いLLMの利活用のためには、構築の過程や用いるデータが
明らかな、透明性の高い安心して利活用できる国産のLLM構築が必要となる*3。すでに日本の企業
においても、独自にLLM開発に取り組んでおり、ここではその動向を紹介する。
ビッグテック企業が開発したLLMと比べると、日本では、中規模モデルのLLMが開発されてい
る傾向が見られる(図表1-4-1-2)。
*3 産業技術総合研究所プレスリリース「産総研の計算資源ABCIを用いて世界トップレベルの生成AIの開発を開始一産総研·東京工業大学·
LLM-jp (国立情報学研究所主宰)が協力ー」(2023年10月17日),<https://www.aist.go.jp/aist_j/news/pr20231017.html> (2024/3/
参照)
令和6年版 情報通信白書 第1部 47
デジタルテクノロジーの課題と現状の対応策
第4章