⑧ AI倫理と社会的課題 ／ 18. AIガバナンス
ダイバーシティとは
ダイバーシティとは、AIの開発チーム構成や学習データにおいて、性別・人種・文化・年齢などの多様性を確保する考え方です。単一の視点によるバイアスの発生を防ぎ、公平性と信頼性の高いAI構築につながります。
この用語はG検定シラバスの「18. AIガバナンス」に含まれます。 章全体の用語は用語解説⑧（全45語）にまとまっています。
一言でいうと
開発する人もデータも、偏りなく多様であるようにするという考え方です。
2つの側面
| 対象 | 意味 |
|---|---|
| 開発チーム | 多様な背景の人が関わることで見落としに気づける |
| 学習データ | 多様な集団を含むことで性能の偏りを減らせる |
両方が揃って初めて効果がある点が重要です。データだけ揃えても、評価する視点が偏っていれば問題は見過ごされます。
なぜ見落としが起きるのか
人は自分の経験の範囲で問題を想定します。似た背景の人だけで開発すると、想定の外側が共通して見えなくなります。
顔認識の性能が特定の肌の色で低かった、音声認識が特定の話し方で機能しなかった——こうした事例は誰も悪意なく生じます。
だからこそ体制として多様性を確保する必要があるのです。
インクルージョンとセットで
多様な人が在籍していても、意見が反映されなければ意味がありません。
そのためインクルージョンとセットで語られます。構成の多様性（ダイバーシティ）と参加の実質（インクルージョン）という対で押さえておきましょう。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| ダイバーシティ | 多様性があること（構成） |
| インクルージョン | 多様な人が活かされること（参加） |
🎯 G検定での押さえどころ
- 開発チーム構成と学習データの両方が対象
- 単一視点によるバイアスの発生を防ぐ
- インクルージョンとセットで語られる
⚠️ よくある誤りの選択肢
- 「ダイバーシティの確保が求められるのは学習データについてのみである」→ 誤り。開発チームの構成も対象です
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。