AWS認定資格 無料問題集解答・解説
第4問 透明性を重視した責任あるAIのガイドライン
ある企業は、自社開発のAIシステムにおける社会的リスクを軽減するために、透明性を重視した責任あるAIのガイドラインを策定しようとしています。開発チームは、AIシステムの意思決定プロセスが理解可能であり、監査や説明責任に耐えられる状態を実現する必要があります。ガイドラインに示すべき適切な指針を選択してください。（ 2つ選択してください。）
（問題ID：AIF301S004）
解答
正しい解答：Ａ. Ｃ.
- Ａ. モデルの決定プロセスを文書化して、説明可能な形で提供する。
- Ｃ. モデルの入力特徴量が予測に与える影響を可視化する仕組みを導入する。
△ 判定不能 URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
人工知能（AI：Artificial Intelligence）システムの透明性を重視した責任あるAIのガイドラインに示す指針としては、「モデルの決定プロセスを文書化して、説明可能な形で提供する」 ことや 「モデルの入力特徴量が予測に与える影響を可視化する仕組みを導入する」 ことを含めることが適切です。AIシステムの透明性を確保して、説明責任を果たすには、モデルがどのようなロジックや手順で判断しているかを文書化して、関係者が読んで理解できる形で提供することが重要です。これによって、システム監査の際には、意思決定のプロセスを追跡することができ、誤った判断やバイアスの有無を検証することができます。また、モデルの入力特徴量が予測結果にどの程度影響しているかを可視化するために、SHAPやLIME、ICEなどの手法を用いることで、AIがなぜその結果を出したのかを定量的に説明することができます。これらは責任あるAIの実践において、透明性と説明可能性を高める重要な指針です。
ちなみに...
SHAP（SHapley Additive exPlanations）は、ゲーム理論に基づいて各特徴量の貢献度を定量的に評価する手法です。また、ブラックボックスモデルの局所的な説明に有効な LIME（Local Interpretable Model-agnostic Explanations）は、個々の予測に対してモデルの近傍で線形モデルを近似的に構築して、その予測がどの特徴量によって説明されるかを示す手法です。そして、ICE（個別条件付き期待値プロット）は、特定のデータポイントに対して、ある特徴量を変化させたときに予測値がどのように変動するかを可視化する手法で、PDPs（部分依存プロット）の個別版に相当します。SHAPやLIMEと比べて、PDPs はモデル全体に対する特徴量の平均的影響を視覚化するため、広範で直感的な説明が可能です。
問題掲載日：2026-06-06
Sponsored Links
Information
What's New
- 2026/6/6 問題ID: AIF301S004 透明性を重視した責任あるAIのガイドラインに関する問題を追加しました。
- 2026/5/30 問題ID: AIF301S003 ファインチューニングにかかるコストの削減方法に関する問題を追加しました。
- 2026/5/30 問題ID: AIF301S002 通話データを活用した要約・改善提案アプリケーションに関する問題を追加しました。
- 2026/5/30 問題ID: AIF301S001 機械学習の適用が適切なユースケースに関する問題を追加しました。
- 2026/5/30 問題ID: AIF202C014 Amazon Bedrock のモデルカスタマイズ機能の利点に関する問題を加筆・修正しました。
Reference Books
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。
解答・解説
第4問 透明性を重視した責任あるAIのガイドライン
ある企業は、自社開発のAIシステムにおける社会的リスクを軽減するために、透明性を重視した責任あるAIのガイドラインを策定しようとしています。開発チームは、AIシステムの意思決定プロセスが理解可能であり、監査や説明責任に耐えられる状態を実現する必要があります。ガイドラインに示すべき適切な指針を選択してください。（ 2つ選択してください。）
（問題ID：AIF301S004）
解答
正しい解答：Ａ. Ｃ.
- Ａ. モデルの決定プロセスを文書化して、説明可能な形で提供する。
- Ｃ. モデルの入力特徴量が予測に与える影響を可視化する仕組みを導入する。
URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
人工知能（AI：Artificial Intelligence）システムの透明性を重視した責任あるAIのガイドラインに示す指針としては、「モデルの決定プロセスを文書化して、説明可能な形で提供する」 ことや 「モデルの入力特徴量が予測に与える影響を可視化する仕組みを導入する」 ことを含めることが適切です。AIシステムの透明性を確保して、説明責任を果たすには、モデルがどのようなロジックや手順で判断しているかを文書化して、関係者が読んで理解できる形で提供することが重要です。これによって、システム監査の際には、意思決定のプロセスを追跡することができ、誤った判断やバイアスの有無を検証することができます。また、モデルの入力特徴量が予測結果にどの程度影響しているかを可視化するために、SHAPやLIME、ICEなどの手法を用いることで、AIがなぜその結果を出したのかを定量的に説明することができます。これらは責任あるAIの実践において、透明性と説明可能性を高める重要な指針です。
ちなみに...
SHAP（SHapley Additive exPlanations）は、ゲーム理論に基づいて各特徴量の貢献度を定量的に評価する手法です。また、ブラックボックスモデルの局所的な説明に有効な LIME（Local Interpretable Model-agnostic Explanations）は、個々の予測に対してモデルの近傍で線形モデルを近似的に構築して、その予測がどの特徴量によって説明されるかを示す手法です。そして、ICE（個別条件付き期待値プロット）は、特定のデータポイントに対して、ある特徴量を変化させたときに予測値がどのように変動するかを可視化する手法で、PDPs（部分依存プロット）の個別版に相当します。SHAPやLIMEと比べて、PDPs はモデル全体に対する特徴量の平均的影響を視覚化するため、広範で直感的な説明が可能です。
問題掲載日：2026-06-06
Sponsored Links
Information
What's New
- 2026/6/6 問題ID: AIF301S004 透明性を重視した責任あるAIのガイドラインに関する問題を追加しました。
- 2026/5/30 問題ID: AIF301S003 ファインチューニングにかかるコストの削減方法に関する問題を追加しました。
- 2026/5/30 問題ID: AIF301S002 通話データを活用した要約・改善提案アプリケーションに関する問題を追加しました。
- 2026/5/30 問題ID: AIF301S001 機械学習の適用が適切なユースケースに関する問題を追加しました。
- 2026/5/30 問題ID: AIF202C014 Amazon Bedrock のモデルカスタマイズ機能の利点に関する問題を加筆・修正しました。
Reference Books
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。
AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。