⑧ AI倫理と社会的課題 ／ 10. 公平性
サンプリングバイアスとは
サンプリングバイアスとは、母集団を正しく代表しない偏ったデータを収集してしまうことで生じる偏りです。特定の年齢層・地域・性別のデータが過剰または不足すると、AIの予測結果に不公平が生じやすくなります。
この用語はG検定シラバスの「10. 公平性」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
集めたデータが全体を代表していないために生じる偏りのことです。
起こりやすい場面
- 収集の手段による偏り：Webアンケートはネットを使う層に偏る
- 地域による偏り：都市部のデータで学習したモデルが地方で機能しない
- 時期による偏り：特定の季節や状況のデータに偏る
集めやすいところから集めた結果として自然に発生する点が厄介なところです。
データの偏りとの違い
| 用語 | 原因 |
|---|---|
| サンプリングバイアス | 集め方が偏っている（代表性の問題） |
| データの偏り | 現実社会の偏見がデータに反映されている |
前者は集め直せば改善できるのに対し、後者は社会構造に根ざすためより難しい問題になります。
対策
データ収集の設計段階で母集団の構成を把握し、それに沿った比率で集めることが基本になります。
集め直しが難しい場合は、不足している層の重みを上げる、データを増やすといった補正も行われます。
いずれの場合も属性ごとに分けて性能を評価することで問題を早く発見できます。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| サンプリングバイアス | 集め方が偏っている |
| データの偏り | 現実社会の偏見が反映されている |
🎯 G検定での押さえどころ
- 母集団を代表しないデータによる偏り
- 特定の属性が過剰・不足すると不公平が生じる
- データ収集段階での代表性確保が対策
⚠️ よくある誤りの選択肢
- 「サンプリングバイアスは、データ量を増やせば必ず解消する」→ 誤り。集め方が偏ったままでは、量を増やしても偏りは残ります
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。