|
授業概要
|
|
|
Generative AIの登場で、様々な分野や社会にそのAI技術が広く活用され将来期待できるが、残念ながらその技術を使う側の人間の方が、未だにその準備ができていない。昔から、人間は最新技術に慣れていないため、今まで様々な社会問題を引き起こしてきている。それは、最新技術を生み出した人間が悪いのではなく、その技術を使う側の人間が悪いのである。最新技術そのものに、罪過は全くない。倫理とは、人々が社会の中で何らかの行為をするときに、「これは善いことか、正しいことか」と判断する際の根拠で、人々がそれによって善悪を判断し、正しく行為するための規範になる。人工知能(AI)社会の情報倫理では、Generative AIの本質・特徴を知ることによって、近い将来起こりうる、人間が引き起こす功罪を予測し、未然にそれらの罪過を防ぐために、我々が今何をすべきかなど、安心安全な社会構築のための基礎講座となる。
|
|
|
|
知識・専門性の到達目標
|
|
自ら教養・基礎学力を修得し、データサイエンスにおけるリテラシー、プログラミング環境・方法論を身につける。【基礎力・データサイエンスの専門性】
|
|
|
関心・態度・人格の到達目標
|
|
|
|
|
思考力・判断力の到達目標
|
|
自らグローカルな視野でデータサイエンスに関する諸問題を発見することができる。【課題発見力】
|
|
|
交感力・発信力の到達目標
|
|
データ分析結果に基づき、可視化したデータを用いて発表できる。【表現力】
チームで同じ問題意識を持ち、協力して物事を進めることができる。【チームワーク】
|
|
|
「響学スパイラル」取り組み方法
|
|
|
「問う」こととして，各授業回のはじめに授業目標を確認する．その上で，授業の中でグループやクラスの意見を聞きつつ「考え・行動する」ことで理解を深め，具体的に評価可能なものを「カタチにする」．その後，授業後の振り返りをとおして自身の成果を「見つめ直し」，次の学習に向けて再び「問う」ことを行う．
|
|
|
|
授業における「アクティブな知」の要素
|
|
| |
|
授業形態
|
対象
|
|
|
A：課題解決型学習（PBL）企業、自治体等との連携あり
|
-
|
|
|
|
|
B：課題解決型学習（PBL）連携なし
|
○
|
|
|
|
|
C：反転授業（知識習得を授業外で行い、知識確認等の要素を教室で行う授業形態）
|
-
|
|
|
|
|
D：討議（ディスカッション、ディベート等）
|
○
|
|
|
|
|
E：グループワーク
|
○
|
|
|
|
|
F：発表（プレゼンテーション）
|
○
|
|
|
|
|
G：実習、フィールドワーク
|
‐
|
|
|
|
|
H：双方向授業（ICT活用なし：対話型、リアクションペーパー等）
|
‐
|
|
|
|
|
Ｉ：双方向授業（ICT活用あり：クリッカー、タブレット、スマートフォン等）
|
○
|
|
|
|
|
Ｊ：講義のみ
|
‐
|
|
|
|
|
|
‐
|
|
|
|
|
授業における「ICTの活用」について
|
|
| |
|
授業形態
|
対象
|
|
|
A：ノートPC必携
|
○
|
|
|
|
|
B：講義資料や授業教材のオンライン配信
|
○
|
|
|
|
|
C：レポート課題等のオンライン提出
|
○
|
|
|
|
D：質問やレポート課題等へのフィードバックにおける学修管理システムの活用
（学修支援システム(Course Power)、Google Classroom、Teams等）
|
○
|
|
|
|
E：オンラインメディアの活用
（e-Learning、edX、Coursera、JMOOC等のOpen Educational Resources）
|
○
|
|
|
|
|
F：Zoom、Google Meet等のミーティングツールの活用
|
○
|
|
|
|
|
|
-
|
|
|
|
予習
（事前学修）
|
|
| |
|
各授業
|
・指定された資料や動画を利用，または指定されたテーマについて調査することで課題を実施し，その成果をほかの人に説明できるように準備する．
・各グループで決めたプロジェクト活動に関する分担作業を行う．
|
|
|
|
［
平均200
］分
|
|
|
|
復習
（事後学修）
|
|
| |
|
各授業
|
・授業資料や授業中に紹介された資料を参照し，その時間の授業内容について理解を深める．
・授業での成果を自己評価するとともに，授業での活動と学習の内容をミニレポートにまとめる．
|
|
|
|
［
平均60
］分
|
|
|
|
|
成績評価
|
|
| |
|
評価項目
|
評価項目の詳細内容
|
割合
|
|
|
課題提出（レポート）
|
グループ課題，個人レポート
|
60
%
|
|
|
|
|
|
小テスト
|
|
0
%
|
|
|
|
|
|
試験
|
|
0
%
|
|
|
|
|
|
実習・学外学修活動
|
|
0
%
|
|
|
|
|
|
その他
|
各授業回中の提出物（ワークシート，活動の週次報告書，振り返りミニレポート，授業での成果物など）
|
40
%
|
|
|
|
|
授業計画
|
|
| |
|
授業回
|
内容
|
|
|
1.
|
【第1週】
Generative AIと社会。武藤＋担当者全員
完璧なgenerative AIは可能か？
AIF360: バイアス検出・削減
データセットのfairnessの計算
バイアス検出:
データセットをReweighingしてfairnessの再計算
|
|
|
2.
|
【第1週】
Fairness, Accountability,Transparencyとは？
Fairnessの計算方法
https://github.com/ytakefuji/AIethics
提出レポート（問題を選び解答）：
レポート（pdf）は、y-take@musashino-u.ac.jpへ１０月２日23時５９分までに送る。
レポートには、学生番号、名前、問題記述とアプローチと解答、および感想。
(一ツ星問題１～３）から１つ選び、かつ（二ツ星問題４）を解答。
または、三ツ星問題５だけを解答。
|
|
|
3.
|
【第2週】
Generative AIの特徴とは何か？（その１） （担当 石橋、岩田）
- ニューラルネットワーク、深層学習の発展
- Generative AIとは何か
- Generative AIの事例
|
|
|
4.
|
【第2週】
Generative AIの特徴とは何か？（その２） （担当 石橋、岩田）
- Generative AIの応用と倫理的課題
・企画立案
・デジタルアート
・軍事
|
|
|
5.
|
【第3週】
予測されるGenerative AIの社会現象とは？（担当 Virach，清木）
Generative AIが引き起こす社会現象
|
|
|
6.
|
【第3週】（担当 Virach，清木）
代表的な Generative AIの成果には、OpenAIのChatGPT、GoogleのBARD、T5、および Google-CMUのXLNetなどの大規模言語モデル（LLM）が続々と発表された。モデル生成の仕組みを理解することで、それらの使用制約が明確になります。AIの成果を人道的行動 (Humanitarian action) に応用する際には、人々に ’Do no harm’「害を与えない」原則を考慮することが重要。
|
|
|
7.
|
【第4週】担当：Thatsanee，佐々木
Generative AIが引き起こす功罪とは？
功罪の詳細
In this lecture, we discuss advantage, disadvantage, challenges, limitations and ethical concers of AI (and Generative AI) by introducing multiple cases especially in the field of Medicine & Health Care and Art & Culture.
|
|
|
8.
|
【第4週】担当：Thatsanee，佐々木
Generative AIが引き起こす功罪とは？
功罪の詳細
In this lecture, we discuss advantage, disadvantage, challenges, limitations and ethical concers of AI (and Generative AI) by introducing multiple cases especially in the field of Medicine & Health Care and Art & Culture.
|
|
|
9.
|
【第5週】
AIが引き起こす罪過を未然に防ぐには、社会に何が必要か？（担当 中西，長谷川）
罪過を防ぐには
|
|
|
10.
|
【第5週】
AIME(approximate inverse model explanations)で眺めるBiasと求められるFairness, Accountability,Transparency （担当 中西，長谷川）
AI、機械学習に潜在的に含まれるBiasを明確化し、取り除くことは非常に重要である。本授業では、XAI技術の一つであるAIMEをもちいて実際にテキストデータから学習されたモデルに含まれるBiasを導出することを試みる。
さらに、G20(20カ国財務大臣・中央銀行総裁会議)で承認された「人間中心のAI社会原則」における「公平性、説明責任及び透明性の原則」において、Fairness(公平性)、Accountability(説明責任)、Transparency(透明性)の重要性が合意されている。これらの原則とビジネス、そして、ユーザとしてどのようにXAI技術を用いて担保していくべきかを論じていく。
本授業では、Google ColaboratoryでのプログラムによってAIMEとGenerative AIのモデルの動作をみていくことで、AIが引き起こす罪過を未然に防ぐ一つの手法であるXAIの世界を述べていくこととする。
|
|
|
11.
|
【第6週】 情報倫理と生命工学・医学医療 担当：林，浦木
脳死と臓器移植，遺伝子操作，クローン技術，不妊治療、AI診断など，近年，生命工学、情報工学、医学・医療に関する技術が急速に発達しており，深刻な倫理的、哲学的問題が生じてきている。
これらの技術は医療的には望ましいことであっても，さまざまな角度から見て，倫理的，哲学的に検討しなければならない問題を多く含んでいる。
またインフォームド・コンセントやリビング・ウィル，コロナパンデミック下におけるワクチン接種や診療体制などの問題も依然として十分な論議はされていない。
本コマでは、情報分野の視点からこれら医学哲学・倫理における課題・議論を一つ取り上げて、患者や高齢者、障害者の権利を行使したり、擁護（アドボカシー）したりするための基本的な考え方、具体的な方法について論ずる。
|
|
|
12.
|
担当：浦木，林
知識ベース，マルチメディアによって実装されるシステムに伴う倫理的・社会的課題
|
|
|
13.
|
【第7週】
学生発表会
|
|
|
14.
|
学生発表会
|
|
|
|
|
留意事項
|
|
・「授業計画」に記載の内容は，受講者数および受講者の習熟・関心などにより内容や順序を変更する可能性があります．変更が発生する場合は，MUSCATの「講義連絡」や授業で配布する資料にてお知らせしますので，確認してください．
・本科目は，同時双方向型授業として実施する予定です．ただし，一部の授業をオンデマンド型授業へ変更することが必要となった際には，MUSCATの「講義連絡」でお知らせしますので，確認してください．
・同時双方向型授業では出席をとります．必ず授業時間に出席してください．
・正当な理由なしに3週以上欠席した場合，成績評価は「Ｘ（出席不足）」となります．なお，欠席した週の課題は，授業資料等を確認して期日までに提出することで採点対象とします．
・授業ではPCを利用してディスカッションをします．PCを利用できる環境（スマートフォンやタブレットのみは不可）を用意して授業に参加してください．またマイクやスピーカーを利用して音声で議論が出来るように準備してください．
|
|
|
教科書
（購入必要）
|
|
|
|
参考図書
（任意購入）
|
|
|
|
その他
（配布教材等により購入不要）
|
|
|
|
|
参考URL
|
|
| |
|
1.
|
|
|
|
|
webサイト名
|
AIethics
|
|
|
|
URL
|
|
|
|
|
参考URLに関する履修学生への連絡事項
|
AIの計算倫理（Computational Ethics)
|
|
|
|
実務経験のある教員等による授業科目
（実践的教育を行う授業科目）
|
|
| |
実践的教育を行う授業科目の種別
|
対象
|
|
|
a．実務経験を有する担当教員による実践的な授業科目
|
-
|
|
|
|
|
担当教員の実務経験（経歴・資格等）
|
|
|
|
|
|
|
|
|
|
授業内容との関連性
|
|
|
|
|
|
|
|
|
|
b．企業や自治体等、学外から実務経験を有する講師を招いて行う授業科目
|
-
|
|
|
|
|
学外講師の経歴・資格等
|
|
|
|
|
|
|
|
|
|
授業内容との関連性
|
|
|
|
|
|
|
|
|
|
c．企業や自治体等との連携により、学外でのインターンシップや実習、研修を行う授業科目
|
-
|
|
|
|
|
実習先・実習の目的
|
|
|
|
|
|
|
|
|
|
備考
|
|
|