ストラテジ系 2025年度 問8 ★★☆☆☆ Easy
AIの機械学習で利用するデータの取扱いに関する記述のうち，バイアスの低減やデータの品質を確保するために求められる対策として，適切なものだけを全て挙げたものはどれか。
a 学習の公正さのために，新たなデータであることを確認する。
b 偏ったデータから生成元・作成原者を確認する。
c データのアノテーションの作付は第三者に合わせて実施する。
d 人間の目では気付きにくい画像等のデータは取り込まない。
English
Of the following regarding data handling in AI machine learning, which includes ONLY the appropriate measures to reduce bias and ensure data quality?
a Confirm that data is new for fairness of learning.
b Verify the origin and creator from biased data.
c Data annotation should be carried out in alignment with third parties.
d Do not incorporate image or similar data that is hard for humans to notice.
မြန်မာ
AI စက်သင်ယူမှုတွင် အသုံးပြုသော ဒေတာ ကိုင်တွယ်မှုနှင့်ပတ်သက်ပြီး အလွှဲပြောင်းမှု လျော့ချကာ ဒေတာ အရည်အသွေး သေချာစေရန် သင့်လျော်သည့် အစီအမံများကိုသာ ရွေးချယ်ပါ။
a သင်ယူမှု မျှတမှုအတွက် ဒေတာသစ်ဖြစ်ကြောင်း အတည်ပြုပါ။
b သွေဖည်သောဒေတာမှ မူလရင်းမြစ်နှင့် ဖန်တီးသူကို စစ်ဆေးပါ။
c ဒေတာ annotation ကို တတိယပုဂ္ဂိုလ်နှင့် ညှိနှိုင်းလုပ်ဆောင်ပါ။
d လူ၏မျက်လုံးဖြင့် ရှာဖွေရခက်သော ပုံများနှင့် ဒေတာများကို မထည့်ပါနှင့်။
Correct answer: ア — a, d
AIの機械学習においてバイアスを低減するためには，学習データの公正性を確認すること（a）と，人間の目では品質確認が困難な画像等のデータは取り込まないこと（d）が適切な対策である。bのデータ生成元確認やcのアノテーション方法は，バイアス低減に直接つながる適切な対策とは言えない。
English
To reduce bias and ensure data quality in machine learning, verifying that training data is new and unbiased (a) and avoiding image data that is difficult to visually inspect for quality (d) are appropriate measures. Checking the source of biased data (b) and adjusting annotations to match third parties (c) are not the most direct countermeasures for reducing bias and ensuring data quality.
မြန်မာ
AI စက်သင်ယူမှုတွင် ဘောင်ချွတ်မှုလျှော့ချရန်နှင့် ဒေတာအရည်အသွေး သေချာစေရန် လေ့ကျင့်ဒေတာသည် မ치ဘ ဖြစ်ပြီး ဘောင်ချွတ်မှုကင်းကြောင်း စစ်ဆေးခြင်း (a) နှင့် မျက်ဝန်းဖြင့် အရည်အသွေးစစ်ဆေးရခက်သော ဓာတ်ပုံဒေတာ မထည့်ခြင်း (d) တို့သည် သင့်တော်သော ကြိုတင်ကာကွယ်မှုများဖြစ်သည်။ b နှင့် c တို့သည် ဘောင်ချွတ်မှု တိုက်ရိုက်လျှော့ချရေးနှင့် ဆက်နွှယ်မှုနည်းသောကြောင့် မသင့်တော်ပေ။