4.1標準
訓練データの再サンプリングでグループ間の再現率差を縮めた。
改善の副作用と実運用への影響を確認する。
検証として適切なものを2つ選べ。
× 不正解
公平性介入は複数のグループ別・全体指標と実際の影響を介入前後で比較し、運用後も再評価する。
詳細解説
誤り本番投入後は再評価をやめる
データや利用状況の変化で公平性が変わる可能性がある。
正しい法令、業務ルール、人手による異議申立ての結果を確認する
数値指標だけでは捉えにくい実際の影響と要求事項を確認できる。
正しい介入前後のグループ別指標と全体指標を比較する
一つの差だけでなく、別の指標や全体性能の変化も分かる。
誤り差が縮まった指標だけを報告する
別の誤りや不利益を隠すことになる。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWS公式AIF-C01 Domain 4.1の公平性評価と責任あるAI運用を確認する。
参考にした公式資料
確認できる内容
改善指標だけでなく副作用、法令、異議申立てを含めて検証できる。
理解のポイント
- 介入前後
- 副作用
- 継続評価
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
公平性介入
再サンプリング、重み付け、閾値などを変更してグループ間の影響差を改善する措置。
異議申立て
利用者がAIの判断を確認・訂正・人手レビューへ求める機会。
問題IDAWS-AIF-126
確認環境AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告