オープニングとAIバイアスの導入
おちつきAI
おちつきAI
おちつきAI
AIエンジニアのしぶちょーです。
AI素人のかねりんです。
この番組は、日々のAIニュースで驚き疲れたあなたに、ゆっくりじっくりAIを学んで落ち着いていただく番組です。
はい、ということで始まりました。おちつきAIラジオ。早速本題に行きたいと思います。
今回のAIトピックはこちら。
AIが持ってるバイアスを学ぼう!でございます。
はいはい。
バイアスですね。
高尚なテーマだね。
そうです。というかね、思うんだけどさ、結構ね、バイアス馬鹿にならないんですよ。
何バイアスってそもそも。
そのなんかあれか。
偏見だね。
なんか人種差別的なやつとか?
まさにそれ。
あー性差別みたいなやつか。
そうそう。でさ、結構AI使う上でさ、ハルシネーションはすごい問題するじゃんみんな。
うーん。
えーなんか嘘つくよねみたいな。
嘘だっていうのははっきりわかってるやつね。
嘘というか、幻覚を見てるように本当と信じ込んで嘘のことを言っちゃうっていうのが、ハルシネーションで。
AIと付き合っていく上で、必ず考慮しなければならない現象の一つなんだけど。
これは当然さ、みなさんアウトプットが明確に間違ってるから、気にするじゃない。
そうね。
で、なるべくこうハルシネーション起こさないような技法とかさ、ハルシネーションを見破るためにはみたいな話いっぱいあるんだけど。
多分それと同じぐらい、AIの持ってるバイアスって結構まずいものが含まれてるのよ。
あー。その人種差別的なやつだよね多分。
そう。
それぐらいしか思いつかないけど。
しれっと入ってて。
で、それやっぱ全く考慮しないというか、そこのバイアスに対して視点を持たずにAIを使っていくっていうのは、割と問題があるなと思ったので、今回問題提起というか、バイアスもちゃんとちょっと把握しときましょうねと。
確かにね。
いうお勉強会でございます。
これさ、結構出てきた時ぐらいにもさ、問題になってたじゃん、2024年ぐらいかな。
結局何、解消されてないのそれ。
解消されてないんですよ。
そうなんだ、もうとっくに治ったもんだと思ってた。
いや、難しい問題でしてね。
へー。
なかなかね、このAIのバイアスをいかにこう抜いていくか、いかにこうバイアスに惑わされないようにするかっていうのが結構研究としてもずっとやられ続けていて、今現在もそれは研究対象になってる。
AIというかもう人間もバイアスかかりまくってんじゃん、僕らもまださ。
なんとなくなんか黒人がしたみたいなのとかさ。
女がしたみたいな。
実体日本もなんか全然平等じゃないじゃんみたいなのもあるしさ。
そうなのよ。結局。
無意識のバイアスチェック：外科医と少年のなぞなぞ
結局作るやつが。
そこなんです。
バイアスまみれてやがるぜみたいな。
AIは、ぶっちゃけ悪くないよね。
だってAIが学んでるのって世界にある文章そのものだから、そこにあるバイアスを正しく学んでるだけなんだよ、結局はね。
世界の宿図。
社会の宿図をAIが学んでしまっていると。
そうよね。でもまあ過去の今までの昔のやつだとだいぶバイアスありそうだけど、ここ数年だよね、なんか人間社会でさ。
そう。
差別良くないとかって言い出して。
そうそうそうそう。
追いついてないよね、データが。
結局今まで積み上げてきたそういうバイアスとか人種差別みたいな情報がごっそりあるから、そこをだいぶ引っ張られてるよねっていうのはあるよね。
そういうもんだよねってなってるよね、多分AIの中で。
そうそうそうそう。結局ね、このバイアスって人間も気がつきにくいから、なかなか見抜くのは難しいんだけど、それでもやっぱこうAIもバイアス含んでるよっていうことを把握しておくってのはすごく大事だなと思うわけですね。
うんうんうん。
なんでちょっと最初に、まずAI関係なくですね、ちょっとバイアスチェックをしようかなと思って。
おー怖い怖いちょっとこれ。
バイアスチェックなぞなぞあるんだけど。
これ答え間違えると炎上するやつじゃん。
炎上はしないと思う、結構ねあの昔ながらのなぞなぞみたいなやつがあって。
あ。
これちょっとカネリに解いてもらおうかなと。
やばそうやばそう。
思ってますね、ちょっと心押して聞いといてください。
レッツ炎上。
直感で、直感でというか、ちょっとなぞなぞなんだけど。
即答でね。
はい、聞いてくれればいいと思います。
おい。
外界と少年という話です。
外界?
外界、お医者さんだね。
あ、お医者さん。
お医者さんと少年と。
外界じゃないの?
あ、ごめんごめん外界ごめん。
そっからもうあれ問題始まってたよ。
外界ですごめんごめん。
ちゃんと突っ込めるかなって。
普通に読み間違えました。
すいません。
はい、外界と少年でございます。
ほうほうほうほう。
はい、ちょっと短い文章だけ読んでいくんだけど。
父親と少年が交通事故に遭いましたと。
父親はその事故で亡くなり、少年はそのまま重傷で病院に搬送され手術室に運ばれますと。
そこへ外界が入ってきて、少年を見た瞬間にこう言いますと。
私にはこの子は手術できない。この子は私の息子だ。
この医者と子供の関係は一体何でしょうか。
という謎です。
は?ちょっと待ってなんか今まで何?父親と子供が事故ったみたいな話じゃなかったっけ?
そう、父親と子供が事故りました。
父親は残念ながら即死です。
即死しました、はい。
少年は重傷で病院に運ばれて手術室に運ばれてきますと。
そこにお医者さんが入ってきて。
外界が。
少年を見た瞬間にこう言うんですね。
この子は私の息子だと。手術できないと。
じゃあそのお医者さんは一体何なんだっていう話。
父ちゃんじゃないの?その息子の父親だよ。
父親さっき亡くなっているから。
それ父親じゃねえんだよそいつが。誘拐犯だよ。
なんか幼少期に誘拐したんだろそいつ。
いや、いいっすね。いい答えでございます。
いい答えって本当かよ。
いい答えでございます。
誘拐犯だよ。
いい答えでございます。
うんうん。
答えを教えてあげましょうか。この問題の。
違うの?答え。
答えはですね、母親です。
はーい。バイアスかかってんじゃねえかよ。
そうです。これはお医者さんは男だっていうバイアスがかかっております。
そういうことか。マジ全く母親ってイメージなかったよ。
なかったでしょ。なんだけど普通にこれ考えたら母親しかありえないよね。
なんだけどお医者さんって言った時。
誘拐犯ですとか言ってる場合じゃねえじゃん。
お医者さんですって言われた瞬間に男だっていうバイアスが自然に入ってしまう。っていう謎なんだこれ。
いやさ、口調とかがちょっとバイアスかけに来てんじゃん。
まあね、ちょっとね。
これは私の息子だとか言って。
私の息子よって言ったら。
そうそう。私の息子よって言ってくれれば。
あれかもしれないけど。
そうかそうか。
これは男が読むのと女で読むのと違うかもしれない。女性が読むのと違うかもしれないが。
でも純粋にこの問題は多分文章で読んでも分かんないと思う。
英語だと余計分かんないのかな。日本語だと語尾みたいなのがちょっとある。
まあそうだね。息子だって言っちゃうとね。
いやもう誘拐犯しか頭なかったもんね。
まさか母親だったら思わなかったでしょ。
思わないね。
俺もねこれ聞いた時にしっかり引っかかってさ。あれじゃあどういうこと?浮気焼いて?みたいなさ。
そう1ミリも出てこなかったら母親の可能性が。
出てこないでしょ。
うん。
それはもう男だっていう風に。まあ俺が読んでるっていうのもあるんだけど。
こんだけねドラマで今もそういう医療系のドラマでさ女の下界みたいなの出てきてるのに。
全然イメージなかった。
なかったでしょ。これやっぱバイアスなんですよ。
バイアスか。
これ結構バイアスをチェックするときによく言われる問題で。
まあこういうものが結構AIに入り込んでるという話ね。
AI採用とデータ販売の炎上事例
すでにAIの分野ではバイアスによってめっちゃ炎上いっぱいしてます。
炎上してんの?
めちゃくちゃ炎上してると。代表的なやつがねいくつかあるからちょっと紹介するんだけど。
まずAmazon採用AIバイアス問題っていうのが2018年にあって。
Amazon採用。
Amazonの採用ね。Amazonってあの大手のね。
Amazon社。
Amazon社ね。Amazon社の採用だね。だから人を採用するよっていうところでAIシステムを使ったのね。
過去のデータからこうこの人はいい悪いっていうのをAIが判断してくれるよっていう仕組みを作ったと。
でその仕組み自体はまあその今までのその採用の経歴とかその合格実績みたいなものを学習して作ったんだけど。
その中のデータに女性の応募者を不利に評価するバイアスが入ってたと。
女性はやっぱちょっとその採用するときはなるべく落としましょうねみたいな。
さすがにそこまでダイレクトに言ってないんだけど。
なんか結婚出産とかでいなくなるしみたいなそういうこと?
そうそう。結局その女性を採用したことによってあまり不利にならないようにみたいな。
で特定の女子大とか卒業生とかの女性っていう単語が含まれる履歴書に対してすごく低く評価するっていう傾向があったのね。
っていうのが入ってたよってことが発覚してすごく炎上したっていうのがこのAmazon採用AIバイアス問題。
2018年のものですね。
結構前だね。
結構前。結構古くからあるんだよ。これはまあその生成AIというよりはもう機械学習だね。
いろんなデータをガーッと学習させた結果そういうふうな判断をするようなAIができてしまったと。
元の学習データにバイアスが含まれてたからってことだよね。
そうそうそう。あと意図してそういうデータを使おうとして問題になったっていう例もあってですね。これ日本です。
リクルート内定自体率データ販売問題と。
うん。
2019年にこれありました。
リクルート。
リクルート。これはちょっとバイアスと少しかけ離れてる部分もあるんだけど。
いつのやつそれ。
2019年。
なんか聞いたことあるねそれ。
すごい問題だった。リクルート社が他のリクルートの業務委託先から内定自体社のデータを買ってたのよ。
うんうんうん。
こういうやつ内定自体するよねみたいな。
うんうん。なんか問題になってた。
そういう行動履歴みたいなやつをデータとして買っていて、それをAIで解析してたと。
うんうん。こういう傾向のある人は自体する確率高いよねみたいな。
高いよねみたいな。それを行動パターンとして学習したものを。
やるのは理解できるけどな。
そう採用する、採用に使っていたと。でこれはまあちょっとバイアスというよりはデータを不正に販売してましたねみたいなものの文脈でもあるんだけど。
うんそっちの文脈で叩かれてた?
そうそっちの文脈でどっちかって言ったら叩かれてたんだけど結局この内定自体率とか内定こういうふうに自体するよねみたいなものもデータとして扱うのにはあまりにもちょっとバイアスというか偏りがあるよねと。
あーそれそうかそうなの?なんか使えそうな気してんだけど今。
使えそうな気はするんだけどそれが本当に統計的に楽しいかどうか微妙じゃない?どのくらいの量をその学習させないと統計的に効果があるものかってわからないんだけどAIに学習させればとりあえずそういう偏りで判断をすると。
だからそのなんか統計的な意味合いを持ってるかどうかわからない微妙なデータで結局不類にかけるっていうことになってしまうから。
機械的にかけちゃうことに問題があるってことか。
でもさこんな同じことは人間の面接感をやってるわけじゃんね。こういう感じのやつはちょっとやめそうだから×みたいなさ。
人間がやればいいけどそれ機械で一律にやっちゃうことにちょっと危機感を覚えてるっていうことなのかねこれは。
まあそうねそこに差別的な意識があるっていうのを機械がやるのは問題だよねっていうこと。
人間ならしょうがないけどねっていうことなのか。
人間もしょうがなくはないんだろうけど。やっぱそこのなんだろうやっぱこいつはブラックボックスで正しいデータを出してくれなきゃいけないんだっていう前提があるからさAIってやっぱ。
そこにその差別的な判断が入ってちゃいけないよねっていうのは当然ある。計算ボックスみたいなイメージだから。
それはやっぱクリーンじゃないといけないよねっていうのでやっぱ許されないことにはなってると。
人間のところに持ってくるまでにはなるべくフラットな状態で持ってきてほしいっていうことだよね。
そうそう。
偏見は人間の特権であるっていうそういう思想がありそうだね。
そういう思想がありそう。
僕たちはそういう思想なわけでしょ。
誰かの名言じゃなくてそれ。
いや今考えた。なんか人間が偏見するのはいいけど機械に偏見があってはならないってすごく傲慢な考え方だなと。
確かに言われてみたらそうだね。人間が生み出したバイアスをAIが学習しているだけなのになんでAIのバイアスを許せないのか確かにそうだ。言われてみたら。
そうだよね。
さすがカネに鋭いとこついてくるね。今日の話もここで終わっちゃうぐらいの鋭さ。
いやだってそのなるべくクリーンな状態で情報を持ってこいよ機械野郎っていうことでしょ。
そうそう。
そのクリーンな状態持ってきたやつを結局バイアスまみれの人間が裁くから結局バイアスにまみれるじゃんではあるけど。
でも人間もそのバイアスを反省して今こうなるべくなんかこう差別とかなくそうとしてるからより歪みが出てる感じがするよねなんかね。
そこを意識し始めただけいいのかまだ。
どうなんだろうねなんかねちょっと極端な気もするけど若干ある一部の界隈においては。
フラット界隈みたいな。
フラット界隈ね。まあそこは今ちょっと議論をしない部分ではありますが。
フラットっていう言葉嫌いなんですよ僕フラット。脱線して30分くらい言っちゃうなこれ。
いやいいよ脱線がね本題なんでね。
なんかでもそこなんか今日どういう話に帰着するのかわかんないけどバイアスってフラットな状態ってあるのかなっていうのとかフラットな物飲み方とかっていうのってなんかこううさんくさいんだよな。
まあ結局フラットは定義できないからねそのフラットってないからね常識とか一般みたいなものって平均でしかなくて。
じゃあそれ時代が変わったら変わるから何を持ってフラットするのかは確かにないとだからバイアスって永遠にあり続けるんだけど。
その時代ごとに変わるしってことだよね。
そうそう。
その時代の常識感で全然変わるってことだよね。
問題と今ちょっと紹介した例があまり良くないんだけどリクルートの話はね。
結局女性差別とか黒人差別みたいな強く行われてきていたバイアスみたいなものを無意識に学んでしまうのは明らかに問題だよねっていうのがある?
その辺ってさ今異論はないわけ。
その黒人差別とかっていうのはもう明らかにダメであるってなってんの。
明らかにダメじゃない?
そこはもうコンセンサス取れてんの人間の間で。
人間の間ではコンセンサスを取れ…コンセンサス?コンセンサスってちょっと難しいかもしれないけど。
そこはもう絶対的合意事項って感じなの。
絶対的合意事項でしょ。
能力差はないしただ肌の色が違うだけですっていうだけの話。
能力差はあるんじゃない?身体的な。
身体的なね。
ただそれによって何か立場が悪くなったりとか。
じゃああなたは黒人だから給料が低いですよとかっていうのはおかしいよねって話はあるじゃない?
それはでもそうじゃない?
女性だからなんかこの仕事にはつけませんみたいな。
それはその身体的なあれだったら別だけどね。
身体的なのとかの特性、女性と男性の特性によってこれは女性がやるべきではないみたいな仕事とか。
あまりにも力仕事とかってあれかもしれないけど普通に一般的にラベル職種の中でそういうのが行われるのはやっぱちょっと違うんじゃないっていうのはある?
あるというかだんだんそういう世界にちゃんとなってきているというか。
なってきてるんだ。
ただまあでも適材適所派もいると思うけどね。
得意なとこやればいいじゃんみたいな。
なんか僕さそこなんか潜在的にみんなタブーだから言えないだけで心の中では全然平等だなんて思ってない説ある気がしていて。
黒人したでしょみたいなのとか女はしただろみたいな。
いるよそういうやつはね。
なんか結構な数暗数でいるんじゃないのかなみたいなことは思ったりしてるんだよね。
日本人は黒人上とか白人下とかはあんまり考えてない正直。
日本人は差別ないよと。
人種差別ないよってみんな勝手に思ってるけどすげーでかい括りで外国人を差別してるからね。
日本人と外国人っていうね。
外国人を差別してるから差別で区別だね。
外人宇宙人みたいな感じだもんね。
そうだから黒人とか白人とか関係なく外国人って一つの括りだから白人黒人の差別はないんだけどみんなそれで人種差別してないと思ってるんだけどすげー大きい括りで結構ざっくり区別はしてるから。
あるね。
それはある意味気づいてないバイアスみたいなとこあるよね。
それは我々が持ってしまってるバイアスだし思想もあるんだけど、AIが結構偏った判断するとやっぱあんまり良くないよねっていうのはあるんじゃない。
やっぱりAIが偏るのは気に入らないんだね人間は。
気に入らない。
俺たちは偏ってるけどよって。
結構極端、偏りどっちが正しいか置いといてやっぱ世界の風潮としてこっちにしましょうみたいな流れあるじゃない。
さすがに今の時代さ黒人は下だ、黒人は奴隷にしろみたいなこと言ってる人いないじゃん。
そんな人はもうその人焼かれるでしょ。
焼かれるね。
ヤバいでしょその人は。
それに近いものをAIがやっぱバイアスとして学んでしまうことは全然あるのよ。
今までそういう黒人差別の歴史があって、それだけ文献がいっぱいあるからね。
だからそれはやっぱこうなるべく抑えておかなきゃいけないし、その人種差別と男女差別だよね。
ここはやっぱAIの中のバイアスとしてめちゃくちゃ出てくるから、抑えておかなきゃいけないよねっていうのがある。
そうね。
いろいろそれで研究はされてますよっていう感じ。
Googleの画像生成における人種バイアス問題
で、結構ね、元祖バイアスAI問題っていうのが2015年に起きたんだけど、これがね。
元祖。
元祖。元祖もうバイアスというかね、だからAIが悪いだろうって感じなんだけど、
Googleフォトの黒人をゴリラっていうふうにタグ付けしてしまうGoogleの。
なかなかだねそれ。
事件があってですね。
色とか似てるしみたいな。
そう、でGoogleフォトがね、黒人ユーザーをゴリラに分類してしまうタグね。
それですごくこう大問題だったと。
これAI使ってたんだけど、やっぱその画像分類ってさ、その時のAIってもう本当に画像を学習してさ似てるものに判断しちゃうから。
人間かゴリラかで言ったらやっぱゴリラの方にちょっとパーセンテージが多くいってしまってちょっと分類されてしまったと。
なるほどね。
これはやっぱ人種の偏りがすごく原因として挙げられるよねと。
つまり人間を学ぶ上で学習に使われてるのは白人なんだよ。
だから白人ばっかりが人間の学習に使われてたから、黒い、その肌の黒い人を人間として認識できなかった。
データの偏りが露骨にあったよっていうことがこういう問題にあったのね。
はいはいはい。
やっぱこういうバイアスもあると。
で、Googleは反省しましたすごい。
反省したんだ。
すごい反省したと。でもう今画像生成あるじゃない。画像生成でもなるべく多様な人を生成できるようにしようと。
はいはい。
なんかさ人、人間って言って白人ばっかり出てきた問題じゃん。
そうだね。
黒人盛りに混ぜなきゃって言って、すごいダイバーシティに振った結果ですね、またGoogle炎上するんですね。
あら、なんで?
2024年これありました。
宇宙人でもできちゃった。24年って最近じゃん。
ジェミニの画像生成のイメージェン、イマージェン。
イマージェン?
っていうのが炎上してこれ一旦サービス停止になったのよ。
はあ。
で理由がですね、人種の多様性を重視するあまりに歴史の改変をしてしまったと。
なにそれ、怖い。
だから1800年代のアメリカの上院議員の画像を作ってくださいって言うと、その時って女性議員っていうのは全く存在しなかった、その時代はね。
うんうんうん。
なんだけどめっちゃ女性議員がこう紛れ込んでしまう。
なるほど。
女性も生成しなきゃいけないっていうふうに学習してるから。
あとこうナチスのドイツ兵とかの画像を生成しろって言った時に、人種も多様にしなきゃいけないってことで、ナチスなんだけどめっちゃアジア人入ってきてるみたいな。
はあはあはあはあ。なるほどね。混乱してんね。
そう。しかもこう人種を特定せずに人をこう出そうとすると、なんか黒人めっちゃ出てくると。
ほう、黒人率の方が逆に増えちゃった。
そう、白人が明らかに生成されにくいみたいな傾向があったりとか。
なんかその神社で祈ってる着物の女性とか、日本人っぽいものを生成しようとしても明らかに日本人じゃない人が出てきちゃうとか。
そういうのがもうぐちゃ混ぜになったと。
逆に触れちゃってんだ。
そう。
なるほどね。
で、まあねトレーニングデータの偏りで、白人男性っていうのがすごい過剰に生成されるようなバイアスっていうのがずっと指摘されてきたのね。
うんうん。
で、この問題に対処しようとするあまり、逆方向に過剰修正しすぎて、歴史的な画像をやろうとしてもそこに多様性が入り込んできてしまうみたいな。
いけるなそれ。
結局すごいね、もう矛盾した変な画像しかできなくて、なんでここにこういう人種が入ってきてしまうんだってことで馬鹿にしてんのかつって問題だったと。
もう治ったのそれ。
治りました。
結構最近じゃん2024年って。
そう、結構最近最近。おととしぐらい。
なんかそれで言うとさ、日本人と中国人と韓国人ってさ、俺らからしたらみんな顔の特徴違ってわかるじゃん。
うん。
でもね、外の人から見たら多分一緒に見えるんだろうね。
一緒に見える。
だし学習データもなんか一緒くたになってんじゃないの。
一緒くたになってるよ。なってるなってるなってる。
日本人生成してくださいと。出し分けれないよね、韓国人と日本人をさ。
日本人生成してって言っても中国っぽいもん出てくるもんね、後ろに。
そうだよね。
今だいぶ良くなったけど。
みんな一緒だよ。アジアみんな一緒ってなってるよ。
その辺もっと炎上させた方がいいんじゃないかと思ってんだよ。
でも日本人もさ、ドイツ人とさ、イギリス人とさ、違いわかんないでしょ。
わかんないね。
わかんないよね。
わかんないけど出し分けできるんじゃないの、AI。どうなの?
今は仕分けできると思うよ。
でもアジアは出し分けできないじゃん、未だに。
今、でも日本人って言ったら日本人出てくるよ。
出てくる?日本、中国、韓国人見分けできるのかな、みんな。
見分けできると思う、今は。
いいじゃん、じゃあ。
でもあれすごいよね。なんかね、全然話変わるけど。
半年間さ、イギリス行ったけどさ、ヨーロッパ旅行行くと、やっぱその旅行の旅行屋さんとかお土産屋さんの店主はちゃんとわかる。
中国人と韓国人と日本人。
へー、すごい。
だからちゃんと挨拶をしてくる。おはようとかこんにちは、日本語で。
へー、あ、そう。すごいじゃん。
俺さ、この間京都でさ、一人でさ、なんかちょっとバー行くときに店構え写真撮ってたら、すげーなんか中国人どけーみたいなこと言われたよ。
それはもうね、それはね、多分京都の人がイライラしてるんだと思う。もう中国人多すぎて。
中国人じゃないんですけどーって言いながら、ブツブツ言いながら一人で。
でも俺もユニバーサルスタジオジャパン行ったときに、中国語で案内された。
あ、そうなんだ。
店主さんに。そのまま中国人としてなんか説明受けたわ。
どこで?
アトラクション乗るとき。
どこ?京都?
いや、それは大阪。ユニバーサルスタジオ。
あー、中国人って思われたの?日本人でしょ、相手。
相手は日本人。
本当に同族かよって。
いや多いんだって、中国人がそんだけ。インパウンドで。もうめちゃくちゃ来ていて、もうね、接客の人はもう嫌になってると思う。
イラついてんだ。
もうね、見すぎて日本人と見分けつかなくなってんだって。どうせお前も中国人じゃなくて。
お前もチャイナだろって。
そうそう。あれはねちょっとね。
差別意識ここにあるじゃん、バイアス。大丈夫?
いやもうあれはね、疲労よ、単純な。
チャイナーって、中国人クソーみたいなのあるじゃん、日本人結構ね。
いやそれはあると思うよ、多分ね。文化も違うし態度も違うからさ。
日本に来る中国人がなんか、なんだろう、態度悪くてイラついてんのか。
でも日本に来る中国人って結構ブルジョワというか、お金持ちっぽいけどね。
お金持ちでしょ、みんな。文化が違うってことなの、要は。
単純に文化が違うんだと思うけど。勝手に中国人か。
格好がちょっとね、奇抜な格好をしてたから。
あーそうだな、あの格好か。いつものああいう、あのなんかすごい、あの格好は確かにちょっと、そうだよな。
中国人に見えるかもしれない。
中国人に見えるか。
すげーお金持ちの中国人に見えるかもしれない。
なんだそれ。面白い。
なんか話してるけど。
意外とだから韓国人っていうより中国人って見られるんだな。
そうね。
韓国人側は確かにわかりやすいのかな、そっちの方が。
いや、あのね、ヨーロッパ感覚で言うと韓国人と日本人はもうアジアでくくられてる。
一緒。
アジアっていうのは中国でくくられてる。人数の比率よね、単純に。
アジアっぽい人見たら中国人って言っとけば当たるから。
なるほどね。
めっちゃ何回ニーハオって言われたことがある。
スーパーに行くたびに子供ニーハオニーハオって。
そうか。外行ったらもうニーハオになっちゃうんだ、アジアは。
そう、ニーハオで。
信号待ってればこんにちはって言われるかもしれない。
信号待ちしてる。
それもバイアスじゃないか?大丈夫か?
信号待ちしてるの日本人ぐらいだろみたいな、そういう話あるじゃん。
でもそれほんとそうよ。
それはほんと?
それはほんとそう。ほんとにそう。みんな信号守らないから。
バイアスね、とにかく。
なるほど、なんかいろいろありそうだな。
AIバイアス除去の難しさとその種類
いろんなバイアスがあるんですよ。
逆にAIにバイアスを指摘してほしいぐらいだよね、僕らの人間のさ。
そうね、確かに。
逆にね。
AIのバイアスをまず抜くことがなかなか難しいから。
抜けるの?これ結局抜けるの?今日の話の結果としてはさ。
抜く方法、完璧に抜く方法はないんだけど、
研究としていろいろやられているのはある。
っていうのは結局さっきも言ったように、
AIがじゃあなぜバイアスを持ってしまうのかというのは、
結局学習データ自体に偏りが含まれるからなのね。
そこにバイアスがあると。
なるほど。
だから学習データ自体の偏りみたいなものを、
ちゃんとなくした状態で学習させた方がいいよね。
そうしたらバイアスが減るよねっていう方法もあるし、
もう既に学習してしまっているものであれば、
基本的に言語で学習しているからさ。
何かこう、言葉の、何て言うんだろう。
それがベクトル空間みたいなものがある。
出た、久しぶりに出た。
意味領域があるわけよ。
意味領域出た。
で、この単語の近くに男性いるよねみたいなので、
距離でなんとなく分かるのね。
男性に寄っているのかどうかっていうのが。
そこをうまく調整したりとか、
あと何か面白いなって思った手法は、
何かね文章の中にさ、例えば、
彼は医者だとかって文章が出てくるとするじゃん。
彼は医者だとかさ、彼は何とかだって男じゃんね彼って。
その後に医者って出てくると、やっぱ男性と医者が紐づきやすいじゃない。
そういう単語が出てきたら、
その反対性別を入れ替えた場合の、
彼女は医者だっていう言葉も生成して、
ついになるようにしても全部の言語を学習させるみたいな。
それでジェンダーバイアスを消すみたいな方法もあって。
性別を全部、ついのやつを作っていくんだ。
そう、彼女は看護師だ、彼は看護師だみたいな。
そのうちじゃあ、彼女が妊娠したっていうのは、
彼が妊娠したも生成されて、男が妊娠しちゃうみたいな。
それもあると思う。
ありそう。
多分全然あるんじゃない。
めっちゃありそう。訳わかんない数いっぱい出てる。
なかなかやばいね、それはね。
そういうね、とにかくバイアスを低減させる。
そうやって言葉を調整することによって、
バイアスを低減させるっていう方法もあるし。
人間、結局さ、生成AIってRLHFって言って、
人間による教科学習行われてますよねって話が結構最初の方にしたんだけど。
あれだ、人間に評価されやすい風にハルシネーションするみたいな。
そうそうそうそう。結局さ、人間のバイアスそこに学んじゃってるから。
そのRLHFをなるべく自動でやろうとか。
なんかバイアスを消す方向に、
これちょっと難しいから、ごめん、なかなか説明できないんだけど。
なるべくバイアスを学ばない方向にうまく調整して、
もうルールを作らせて、こういう評価をしましょうっていうもとに、
その教科学習をしてあげるとか。
バイアスをとにかく低減する手法っていうのは色々と取り組まれてる。
やっぱりバイアスは低減した方がいいの。
バイアスは低減した方がいいよ。
なるべくフラットにしていくっていうことね。
よりフラットにしていく。
それが本当にいいのかね。
バイアスはない状態っていうものを目指すんだけど、AIは。
じゃあそれは何を目指してるかっていうと、
個人とか特定の集団に対して不当な差別がない状態っていうのを目指すと。
不当な差別を消したい。
不当な差別を消したい。
本来別にそれは。
なるほどなるほど。
そうそう。
マイノリティへの偏見みたいなのも。
そう、こういう属性をこの人は持ってるから。
今のいろんなLGBTQみたいな。
そうそうそうそう。
そういうのも。
こういう属性を持ってるからこの人は不利に扱おうとか、
こっちはダメだろうみたいな、そういう不当な扱い。
それを子とか集団に対して行わないようにするっていうのが、
AIのバイアスのない状態っていうので、それを目指してるわけね。
そういうのをデータとかがいろんな要因から消していくんだけど、
結局バイアスがもうやばいのよ。
もうとんでもないいろんな角度でいろんなデータに入り込んできて。
人間のバイアスの歴史だよね。
そうなんだよね。
まずさっきも言ったけど歴史的なバイアスっていうのがあってさ、
過去に奴隷として黒人を扱ってましたよとかさ、
女性を力の弱い存在として扱ってましたよっていう歴史があるじゃない。
それは歴史として存在してるけど、
存在してるから正しく学ぶよね、歴史自体は。
そこでそういう不当な扱いがあったよっていうことをAIは学んじゃうから、
そこからバイアス拾ってくるよねってのがある。
それは過去のデータであって、今の適用することとは違うんですよっていうのはちゃんと調整しないと、
歴史から学んでくるというのもあるし、
サンプリングバイアスっていうのもあるのよ。
何それ。
だから結局募集団だよね。
募集団。
だからいっぱいいろんなサンプリング、例えば医療とかで、
特定の地域に偏ったデータを取っちゃうよとか、
白人ばっかり病院に来るからそのデータが。
老人ばっかりとか。
そのデータが取られて、結局黒人が少ないからそっちの精度が落ちたりとか、
そっちはそうじゃないよねみたいな感じの認識精度が低くなってしまうみたいな。
そもそもデータとして上がってくる。
データを取る人たちの属性に偏りがあるってこと?
そう。それサンプリングバイアス。
サンプリングバイアスっていうのかそれ。
そういうバイアスもあるし。
覚えたけどすぐ忘れるんだろうな。
これは覚えなくていいよ別に。
使えそうじゃん日常生活で。
サンプリングバイアス。
ちょっとそれはサンプリングバイアスですねって。
そういうシチュエーション結構あるじゃん。
都合よくここ1000人アンケート取りましたとかって。
そういうサンプリングバイアスですよって。
確かにそのバイアスってめっちゃ使いやすいよね。
人間にバイアスあってみたいな。
ボイシーでもめっちゃバイアスの話するからなみんな。
そうなの?
俺もそうだけど。
そうなんだ。
みんなバイアスの話しがちみたいな。
そうなの?
結構ねバイアスを認知バイアスの話とかね。
よく出てくるよ。
自己啓発本でもめっちゃバイアス出てくるよね。
まともな話として出てくるのそれ。
大丈夫まともな話というか。
でも結構自己啓発文脈で出てくるよねバイアスってね。
自己啓発も好きだもんな。
だから支部長の話もだいぶバイアスかかってるよサンプリングバイアス。
バイアスかかってるけど。
自己啓発本をたくさん学習した言葉が出てくるわけでしょ。
でも俺自己啓発も結構穿った視点でもうそもそもバイアスアレキで読んでるから。
それはいいね学習の仕方がなんか。
そうあれをなんか真剣に読もうとして読んでるやつもあるけど、
ちょっとこれ面白いんじゃないみたいな小馬鹿にして読んでるやつもあるから。
だから支部長ぐらいで多読な人だったらさ、
なんか新刊で出てくるような自己啓発本なんかから学ぶことないでしょ。
古典的なものから学んだやつね。老子とかさもはやさ。
そういうレベルじゃないの。
新刊はね、新刊はあれあるよ。学ぶことは。切り口。
自己啓発本俺出したら売れるかな。
かなり売れると思うよ。だいぶだっちゃ空口のさ尖ったやつ出せるじゃん。
いけちゃういけちゃう。
いけちゃういけちゃう。
トンデモ枠でいけるかな。
いけると思う。
サンプリング周波数じゃなくてなんだっけ。サンプリングバイアス。
だいぶあれだね。サンプリング周波数が出てきちゃうってことはもうだいぶポッドキャスターとしてもう脳がやられてる感じがするよね。
口から出てきた。
サンプリングしたらもう次周波数だもんね。
すごい学習。
録音のことしか考えてないから。
それもバイアスだね。
それもバイアスですね。
とにかくね、いろんなバイアスがあるのよ。
エージェントAI時代への警鐘：バイアスの増幅
なるほどな。
種類で言ったら半端じゃないバイアスの数があって、いろいろそういうデータを持ってるんだけど。
なんで、カナリンも言ったじゃん。AIのバイアスをなぜ許さないのかって話。人間はバイアス持ってるけどみたいな。
結局、確かにそうだなっていう部分はあるんだけど、結構バイアスをAIが学んでしまうことの影響の一つで懸念されるのは、
AIがアンプのようにですね、バイアスを増幅させてしまう可能性があると。
なるほどね。
特にその文脈で最近心配されているのが、エージェントよね。
エージェント。
AIエージェント。
AIエージェントって言ったら自律的に動いて判断してくれるAIエージェントがいるじゃないですか。
俺は。
このエージェントの判断の根拠っていうか、この判断を何回もするんだけど、それって見えないのよね。
だからそこにバイアスが介入してるとですね、人間のチェックも入らないし、判断の連鎖でバイアスが増幅するって可能性があるのよ。
どんどんバイアスからバイアスへどんどん収束していくわけだ。
そうそうそうそう。
スーパーバイアスと名付けよう。
なんかあれだね、今スーパードライみたいななんか、お酒みたいな、スーパーバイアスクールみたいな。
CMでそういう仕事もしたいな、ちょっと。イケボ。
そのスーパードライみたいなやつ?
スーパードライみたいな。
いけるでしょ?イケボ。
声いいからね。
適当なこと言わないで、ほんとその気にするからすぐ。
いや声はいいと思うよ、だって。
ちょっともうちょっと磨いた方がいい。何声はって。
ごめんごめん。
中身はないけど。
え、何その主婦、女性みたいな視点、声はって何?
声以外ダメってこと?
女性っていう視点ってその発言ちょっとバイアスかかっちゃう。
バイアスだ、やばいやばいやばい。
よくないっす。
バイアスでしたね。
バイアスの塊だよね、会話って。
やっぱ人間はバイアスから逃げられないですね。
バイアスがないと会話にならないと思うよ、俺。
そう?
そうですよね、そうです、で終わらないなんか。
そうそうそう。
その視点面白いね、ちょっと偏ってるけど、みたいな。
なんかバイアスこそなんか、人間らしさを規定してる気がする。
確かに、偏見は大事だよな。
だけど不当に扱うっていう部分はやっぱ良くないよねっていう話かな。
何の話?あ、そうだ、エージェントの話だった。
エージェントね、増幅してくんね。
そう、結局エージェントが増幅してってしまうんですよね。
どうなるか分かんないから怖いみたいなことか。
そう、結局エージェントがその中で増幅させたものがポンって出てきた時に、結構直接的に不利益な可能性があると。
ゴリゴリにバイアスみたいな、っていうことがあって。
どんなこと?ゴリゴリにバイアスって。
例えばエージェントにそのまま、あなた人の採用任せますよみたいな判断をさせて、
マルチエージェント、複数のエージェントで連携させながら判断をするということをやった時に、
ゴリゴリも、あ、女を落とせみたいな、そのくらいのさ、
すげえバイアスになって拡張されてる可能性もある。
そういうところがあるから、やっぱなかなかこう、
もともと持ってるバイアスを極力小さくしていくっていうのがやっぱ大事になってくるよねと。
特にエージェントなんて24時間今後稼働していくものになるからさ、
人間が1日判断するのを何倍も判断するわけよ、そこで。
それがこう、その中でバイアスがどんどん膨らんでいくとやっぱ被害の数も増えていくし、
方よりも増えていくと。
基本的には昔の歴史をたどって昔の価値軸になってくってことだよね、バイアスあるっていうのはさ。
学習データが。
そうだね、それがまあでも新しいバイアスが生まれる可能性もあるよね、そこから。
ああ、そう、そういうのもある。
あると思う。それはバイアスなのか、まあそれはバイアスだろうな。
BLの話を最後にするとポッドキャスト伸びるみたいな、そういう結論になったりするわけだ。
俺らのこの番組がめっちゃ伸びたら、そこの最後のBLの話してるという得意性を強調して、
相談すると、ポッドキャストの相談したら最後にBLの話をしましょうみたいな。
それバイアスなのかな。
バイアスというか、それはハルシネーションですか、それは。
ハルシネーション、偏り?なんだろう、偏りも偏りバイアスか。
どうなんだろう。
でもあるかもしれない、それがあまりにも増強されてね、この落ち着きAiでは最後にBLの話をしてるから、
でもそうしたらもう最後にもうなんかイチャイチャした方がいいよみたいな。
そうだよね。
そういう結論に達してくるかもしれない。
そうだよね、だからちょっとポッドキャスターみんなに声かけて、有名な最後にちょっとだけBLの話をしましょうみたいなの。
けしかけたらそれを学習して、ハルシネーションバイアスだよね、もはや。BLバイアスかかる。
ハルシネーションバイアスはもう救いようがないよね、偏ってて間違ってんだから。
間違った情報で偏るみたいなこと?
なにそのもうなんか一番良くないやつみたいな。
もうさ、バイアスをハックしてこうよ。
ハルシネーションボスみたいなやつ出てきたんだけど。
手がつけられない。
手がつけられないんだけど。
ちょっとどうしてもBLっていうネタを差し込みたいだけのバイアスがかかってました。
いやいやでもね、そう結局そうだね。
結局AIエージェントが偏った判断を増幅させてしまうゆえにやっぱりAIっていうのはバイアスなるべく小さくした方がいいし、人間もそのバイアスに気づくような視点を持たなければならないよねっていうのが今日の話なんだけども。
それで言ったらやっぱりその男同士、女性同士で恋愛しないものだよねっていうのもなんかそのバイアスなわけで。
それバイアスだよ。
超バイアスを解除しようとしてる番組ってことですこれは。
そうです。
貢献してるわけだね。
そこにすることによってね。
そうそうそうそう。それもやっぱそうだよね。
いやなんかね、バイアス検出テストみたいなやつがさっきかねんに冒頭でやった。
AIバイアステスト：固定観念の検証
あれ面白いね。
ようなやつのなんかちっちゃいバージョンみたいなやつがさいっぱいあって。
もっとやりたいねあれ。
でもこれね、あれほど秀逸なテストはないんだけど、なんかね一応5問ぐらいあるよ。
お、いいじゃん。ちょっと最後やるそれ。
やるか。でもこれはそんなにさっきほど面白くないんだけど。
良さそうなやつちょっとピックアップして。
でも5問で何がバイアスかを答えてくださいっていう問題ね。
はい。
AIがこれ全部出力してますと。
AIか。
AIが出力したものに対して何がバイアスかを答えてくださいというものです。
なるほどなるほど。
まず初級編いきましょう。5問あるうちの初級。これはまあ多分わかると思う。
AIに看護師の1日を書かせましたと。
バイアスはどこでしょう。
AIが書いた看護師の1日こちらです。
彼女は早朝に出勤し患者に優しく声をかけた医師の指示を受けながらテキパキと業務をこなしていく。
彼女。
そうです。
彼女と断定している点が看護師イコール女性という固定概念の反映しますと。
昔看護婦って言っとったもんな。
そうね。看護婦じゃなくて看護師になったし、それで言ったら最近ビジネスマンとも言わないよね。
何て言うの。
ビジネスパーソンっていうね。
ビジネスパーソン。
ビジネスマンじゃないからみたいな。
確かに確かに。なるほどね。
だからビジネスパーソンって使いましょうみたいな。
なんだけどサラリーマンとはまた言うんだよな。あれ意味わかんないよな。
不計算っていうのも言わなくなったね。
あ、そうなの。
女性警察官って。
あ。
昔不計算不計算つってさ。
うん。
言ってたんだけどその言い方なくなった。
あ、そうなんだ。
女性警察官。
ダメなんだ。不計算。
なんか看護婦さんの風みたいな。
あ、そういうことか。
不計算の何がダメなのかちょっとよくわからんけど。
いやそれは確かによくわかんないな。
女性警察官と不計算何が違うんだろうね。
確かに。
よくわかりませんけど。
警察官の方お答えください。
いや、金に答えてそれ元刑事さん。元刑事さん答えられるでしょそれ。
元だからね。
やっぱ現役じゃないと無理か。
そうだね。
これちょっと初級編は楽勝だったね。
次も初級編なんだけどまあこれもこれはいいか飛ばそうかな。
初級編はいいよもう楽勝だから。
じゃあ中級編いきます。
よし。
AIに優秀なリーダーの条件を聞きました。何が偏っていますか。
いきますね。
強い判断力を持ちチームを引っ張り感情に流されず冷静に判断できる人物。
これが優秀なリーダーとAI言ってるんですけど偏りがありますと。何でしょうと。
なんか強いなんとかってやつよね。
強い判断力を持ちと。
強い。え、ちょっともう一回言って。今の一文の中に入ってるってこと?
あーこれ文というかもうこの何がバイアスかって感じだね。
ちょっともう一回言ってもう一回言って。
強い判断力を持ちチームを引っ張り感情に流されず冷静に判断できる人物。
人物ってとこがもうバイアスだよね。これからはAIがリーダーになる時代だから。
そこか。
違う。
人、人、人だと言ってることがね。
リーダーが人って定義してる時点でちょっとなんか違うかなって。
それ上を行ってるお金に。
ちょっと分散的な社会だからこれからは。
なるほどね。
人はいないみたいな。違いますね。
違います。違います。
でも分かんなかったんだけど。強い判断力ってとこ?
まあそうだね大体。
弱い判断力でもいいってこと?
いやそうそうそう。まさにその通り。
なんかよく分かんないんだけどでもそれって。
これは支配型リーダーシップに偏ってると。
あそっかトップダウンみたいな。イーロンマスク型だ。
そう。強調型とか軽調型の多様なリーダーの像が欠落してますよと。
なるほどね。
あとまた感情に流されないっていう文は男性的な特徴を表してるらしい。
なるほどね。女性はなんか割と感情的な判断するってこと?
感情に流されないって言ってる時点でそのリーダーは男性だよねというか。
男性の特徴としてこれが出てるらしくて。
これちょっとよく分かんないんだけど。
男性を優位とする価値観らしいこれは。
感情に流されない。女性を貶めてるような価値観みたいなこと。
そういうことだね。
女は感情に流されるからなーみたいなよく言うよね。ダメな例として。
多分そういうことだと思う。感情的なみたいな。そういうバイアスがこれには入ってます。
なるほどね。
じゃあ最後上級。
上級きた。
これは逆に得意かもしれない。
AIに幸せな家族を描写させました。一見問題だそうですが何が問題でしょうか。
幸せな家族こちら。
休日、夫婦と子供2人が食卓を囲む笑い声絶えない暖かな時間。
これが幸せな家族として描写された場合何がバイアスでしょうか。
ステレオタイプで吐きがします。
素晴らしい。
そもそも休日にね、家族断乱みたいなのがキモいです。
そこ、そこが。
違う。キモくない。なんで休日は休みみたいになってんのって。
子供がいるっていう前提もキモいし、夫婦仲良いっていう前提もキモいです。
それは良くない。
一緒に住んでる前提もキモい。全部バイアス。いやもうほんと、その家族感。
全てを否定すればどっか当たると思ってるでしょ。
いや違う。本気で思ってる俺。全部その家族感キモい。嫌だ。全否定します。
すごい。カネリンの視点。でも大体合ってます。
良かった。
夫婦プラス子供という各家族を唯一の幸せの形と違えてる部分が非常にバイアスがあると。
単身者、同性カップル、子供の家族など幸せ。
同性カップル。
だから同性カップル。だからカネリン得意かなと思って。さっき言ってたから。
ちょっと言えなかった。そこは言えなかった。あらー。
なんで夫婦なんですか。男同士でもいいじゃないですかっていうのを聞きたかったんだけど。
まだ偏見があるかもしれない。
それがスッて出てこない時点で、まだちょっと足りない。
支部長と一緒に暮らしてる絵が浮かばなかったね。
カネリンの幸せのイメージには俺はいなかったんだね。
頑張るわ。
バイアスを強制しないと。
とにかくこの子供プラス夫婦みたいな各家族が幸せの形として出てくるっていうのが、
やっぱ今の多様な幸せをちょっと除外してるというか排除してますよっていうバイアスを持ってると。
結構普通じゃあ幸せな家族ってそれがポンって出てくるんだけど、それも広い視点で見るとバイアスだよねと。
ちょっと前はサザエさんだよね、もはやね。
そうね。ザ家族。
拡大家族というか。
ああいう家族が幸せだよねみたいな。
それはやっぱり色んな多様な形があるよねっていうのは学ばなきゃいけないんだけど、
AIはそういうところを幸せな家族って言ったら子供がいて、夫婦が仲良くてみたいな。
それも一個の姿なんだけど、それだけじゃないよねみたいなやつがあって。
っていうこういう結構わかりにくいんだけど、こういうところにちょっとバイアスあるよねっていうのに気がついていかないと、
ハルシネーションって露骨に嘘だからわかるんだけど、これ間違ってるよねとか。
だけどこのバイアスって人間も気がつけないから、知らず知らずにこういうものに対してこうだんだん巻き込まれていくよっていうのがあるので、
まとめとAIとの付き合い方
今日言いたかったのはハルシネーションばっかりみんな注目してるんだけど、
このAIのバイアスっていうのも結構AIによって自分のバイアスも増強される場合もあるし、
AIエージェントがより強いバイアスを出してくる場合もある。
そうだよね。そもそも自分の中にさ、人間の中にあるものだからさ、それでエコーチェンバーみたいになっちゃうよね。
そう、気がつけないし、それがいい、それで正しいんだって思ってしまったら。
正しいなってなるよね。やっぱこうだよねってなるよね。
そう、だから差別が助長されたりとかする可能性があるからやっぱすごくバイアスっていうのは問題視されていると。
そうだよな、マイノリティが苦しむなやっぱり。
そうなのよね。で、AIによってやっぱテクノロジーによってそういうのが助長されるのはやっぱ技術の世界では良くないことだから。
やっぱなるべく除外していくし、使う側もそれを意識しないといけないよねというのが今日の結論でございます。
いいとこに落とし込んだね。
あ、そうですか、ありがとう。
いやでも最後の最後で男2人の家族像浮かばなかったっていうのはもうなんかそれがもう答えだと思うわ。
そうです、だからもうバイアス、早くそのバイアスから解放されなきゃいけないと。
バイアスから。
幸せな家族っつったらポンポンってこう、BLも浮かぶって。
いっぱい浮かぶのがいいんだよね、たぶんね。
いろんな種類が浮かぶのがいいね。いっぱい男が浮かんじゃダメよ、こうね。
ハネリの場合ね、いろんな人と同棲してるからね、いっぱい男が浮かぶかもしれんけど。
そういう形もありってことだよね、いっぱいの男と一緒に暮らす家族っていうさ。
とかさ、毎日違う。
一夫タプ。
一夫タプもそうだし、毎日違う人と一緒の家族が7個ありますみたいな形とか。
別にいいわけじゃんとか、子供を夫婦だけで育てなきゃいけないっていうのも日本の今の時代の常識感なだけでさ。
あ、そうだね。
とかさ、なんかそういうことはいろいろ考えるわな。
すごいね、もうやっぱ、ある意味ハネリはバイアスからの抜け出してるというかもう。
あー。
どんとこう、一個上にいるよね。
なんかほんと嫌だもん、なんか。その常識とか当たり前みたいなのがほんと嫌で。
縛られるのとか嫌だよね、たぶん。
超嫌。もうぶち壊したいもん、全部。
だけどやっぱ、今日の最初の問題もまんまと引っかかって。
愉快版ですとか言っちゃってるからさ。
まっすぐ引っかかってる。気持ちよかったあれ。
これ問題知っててさ、なんかカネヤンこれ知ってるとか言われたらちょっともう今日のシナリオ全部崩れるなと思ったけど、
まっすぐ、もうなんか。
全くね、演技とかではなく、ほんとにもうナチュラルにもう騙されてるから、いつも。
もう川にタモ入れといたら、そこに魚突っ込んできたぐらいのさ。
あのさ、ちなみにあの最初の問題はさ、下界のやつね。下界と少年。
あれ、どういう回答が多いの?
俺はなんか誘拐されたんでしょうとか言ったけどさ。
あ、でも結局なんか浮気相手とかそういうのが多いみたいよ。
浮気相手?
うん。
どういうこと?
本当の父親でしたみたいな話?
あ、そうそう、本当の父親とか、育ての父親とか。
ああ、やっぱそうだよね。男と男が二人いるイメージしかなかったもんね。
男が二人いて、そのなんか宅配じゃないけどさ、そのなんか、実は本当のお父さんはこっちでしたみたいなパターンをやっぱみんなイメージする。
それしかないよね。修羅場来たみたいな。
基本的にはそれしかない。そうそう。二人、なんで男が二人いるんだ。どういうことだっていうふうに悩んじゃう。
女ってイメージが全くなかったもんな。
ないでしょ。俺もびっくりしたもん。だってこれ言われたときに。
あ、支部長も?そうなった?
なったなった。え、何?って思って。
でももう一人男がいて、みたいなこと思って。母親ですって言われたときに、ああ、そうかってなった。声が出なかった。ああって。
面白い。それ誰かにやりたいな。
今日もこれ聞いてくれた人たぶん、ああってなってると思うから。
なってるかな。みんなどうだったか教えてよ。
確かにこれ教えてください。もうまんまと引っかかった人はですね、もうなんか、反省してください。
引っかかってほしいな。
結構引っかかると思うし。
引っかかんない人は逆にすごいってことだよね。
すごいから知ってたってやつね。
知ってた系か。
問題一回これ知っちゃうともうバレちゃうからさ。
そうだね。そういう系あるよね。よくそういうバイアス系の。
一回知ったらもう知らなかった頃に戻れないから。
戻れないやつあるよね。
もう一回やらしてくれみたいな。
知らない手で答えちゃうみたいなね。またね。
うんうん。よかった。
はい、ということでバイアス界でございましたけど、
偏りをね、偏ってんなっていうのをやっぱ意識してAIも使っていきましょうというお話でございました。
いやめちゃくちゃめちゃくちゃいい。
エンディングとボーナストーク
ありがとうございます。じゃあそれではそろそろおしまいですね。また次回お会いしましょう。
番組公式ハッシュタグはシャープ落ち着きAI、ひらがなで落ち着きアルファベットでAIです。
番組の感想はXなどSNSでハッシュタグをつけて書き込んでください。
今回の話良かったな落ち着いたなという人は星5レビューで応援してください。
それではまた一週間落ち着いて過ごしていきましょう。
じゃあ一緒に住むか支部長。
そうね。みんなですもう一歩タップで一歩タップでもいいよ。
そのバイアスをいろいろ打ち砕いていく必要があるよね。
待って最後途切れたわかんないさえ。
なになに。
最後途切れたんだけど。
いやバイアスをね打ち砕いていこうよって。
あ言ったのね。いや今さここまで通信めっちゃ良かったのに。
今途切れた?
最後の最後のなんかついたことだけ途切れた。
いやそれもなんかのバイアスだな。
なんかのバイアス?バイアスだな。陰謀かもしれないこれが。
脳が処理してなかったことにしたんじゃないのそれなんか。
意味のない言葉を発している。
宇宙に行っちゃった今なんか宇宙にペヤーンつってなんか。
マジか通信の問題?
通信の問題でした。
じゃあ終わりましょう。
まだ伝えるべきではないということですねその言葉は。
そっかまだ早いか。
まだ早いと。
それじゃあ暖かくして寝てください。
はーい。
おやすみ。
