---
title: "AIとプライバシー・個人情報保護"
description: "AIとプライバシー・個人情報保護について、G検定で問われるAI倫理・法規分野の観点から、制度・リスク・社会実装で問われやすい判断基準と境界を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/privacy-data-protection/"
section: "gk"
---

## まず結論

**AI 活用では、性能向上のためにデータを集めすぎると、
プライバシーや個人情報保護の問題が生じます。**

G検定では、
👉 **「データ活用」と「個人情報保護」はトレードオフの関係にある**
ことを理解しているかが問われます。

---

## 直感的な説明

AI はデータが多いほど賢くなります。

* 顔画像
* 位置情報
* 購買履歴
* 行動ログ

しかし、

👉 **それらはすべて個人のプライバシーに関わる情報**

でもあります。

つまり、

* 学習データを増やしたい
* でも個人情報は守らなければならない

という **板挟み状態** が発生します。

---

## 定義・仕組み

### 個人情報

* 特定の個人を識別できる情報
* 氏名、住所、顔画像、ID、位置情報など

---

### プライバシー

* 個人が「知られたくない」と感じる情報
* 個人情報より **広い概念**

👉 個人情報でなくても、プライバシー侵害になる場合がある

---

## いつ問題になる？（G検定視点）

### 問題になりやすい分野

* 顔認証システム
* 監視カメラ
* 行動ログ分析
* 位置情報サービス

👉 日常生活に近いほど注意が必要

---

### 代表的な対策

* データの匿名化
* 利用目的の明確化
* 必要最小限のデータ利用

👉 **「集めすぎない」設計が重要**

---

## G検定ひっかけポイント

### ① 個人情報でなければ問題ない

❌ 不正解。

* 個人が特定できなくても
* プライバシー侵害になることがある

---

### ② AI の精度向上が最優先

❌ 不正解。

* プライバシー保護は無視できない
* 社会受容性が重要

---

### ③ 公平性・説明可能性との関係

* プライバシー保護
* 公平性（Fairness）
* 説明可能性（XAI）

👉 **すべて同時に満たすのは難しい**

---

## まとめ（試験直前用）

* AI は多くのデータを必要とする
* 個人情報・プライバシー保護は必須
* **データ活用とプライバシーはトレードオフ**

👉 G検定では

> **AI は社会とのバランスを考えて使う**

と覚えておく