アルゴリズム統治の緊急性：AIがもたらす社会変革と倫理的課題

2023年には世界のAI市場規模が5,000億ドルを超え、2030年には1兆8,000億ドルに達すると予測される中、アルゴリズムが社会に与える影響はかつてないほど巨大化しています。この技術進化の陰で、AIによる差別、プライバシー侵害、誤情報の拡散といった倫理的・社会的問題が深刻化しており、そのガバナンスの確立は喫緊の課題となっています。特に、自動運転、医療診断、金融取引、そして雇用判断といった高リスク領域でのAIの採用が加速するにつれて、これらの問題は個人の生活、社会の安定、そして民主主義の根幹を揺るがしかねないレベルに達しています。

我々は今、単なる技術的進歩の享受者としてではなく、その影響を深く理解し、倫理的なガイドラインと法的枠組みを積極的に構築する責任を負っています。アルゴリズムの力が拡大するにつれて、その設計、開発、展開、そして利用のあらゆる段階において、人間の尊厳と社会の公正さを守るための明確な原則が求められています。本稿では、「アルゴリズム統治：倫理的AIフレームワークを求める緊急の探求」と題し、この複雑な課題の多角的な側面を深く掘り下げ、その解決に向けた具体的なアプローチと未来への展望を考察します。

アルゴリズム統治の緊急性：AIがもたらす社会変革と倫理的課題

人工知能はもはやSFの世界の話ではなく、私たちの日常生活に深く浸透し、社会のあらゆる側面に変革をもたらしています。スマートフォンの音声アシスタントから、個別化されたニュースフィード、そして複雑な金融アルゴリズムに至るまで、AIは私たちの意思決定プロセスを支援し、あるいは直接的に影響を与えています。

しかし、この強力なテクノロジーには、潜在的なリスクが伴います。例えば、顔認識技術が悪用されればプライバシー侵害や監視社会の強化につながりかねません。また、採用プロセスにおけるAIが特定の属性を持つ候補者を無意識のうちに排除するバイアスを生み出す可能性も指摘されています。このような課題に対処するため、アルゴリズムを統治し、その倫理的な利用を確保するための枠組みが不可欠となっています。

AIの普及と倫理的リスクの顕在化

AIの普及は、医療診断の精度向上、交通システムの最適化、気候変動対策への貢献など、多くのポジティブな側面を持っています。しかし、その裏側で、倫理的な問題が急速に顕在化しています。最も懸念されるのは、AIシステムが人間の偏見や差別を学習し、それを増幅させる「アルゴリズムバイアス」です。

例えば、過去のデータに基づいて訓練されたAIが、特定のジェンダーや人種に対して不公平な判断を下すケースが報告されています。これは、過去の社会に存在した差別がデータセットに反映され、AIがそれを「正しい」ものとして学習してしまうために起こります。このようなバイアスは、信用スコア、刑事司法、雇用などの重要な領域で、個人の生活に深刻な影響を与える可能性があります。

また、AIの意思決定プロセスが不透明である「ブラックボックス問題」も深刻です。なぜAIが特定の結果を導き出したのか、その理由が人間には理解できないことが多く、問題が発生した際の責任の所在が不明確になるという課題があります。この透明性の欠如は、AIシステムへの信頼を損ない、社会的な受容を妨げる大きな要因となります。

さらに、AIが自律的に行動する能力を持つようになると、予期せぬ結果や制御不能な状況を生み出すリスクも高まります。自動運転車の事故、自律型兵器システム（LAWS）の開発など、AIの自律性がもたらす倫理的ジレンマは、国際社会全体で議論されています。

なぜ今、倫理的枠組みが不可欠なのか

これらの問題に対処するためには、技術の進歩に倫理的考察が追いつく必要があります。単に技術を開発するだけでなく、それが社会に与える影響を予測し、責任を持って管理するためのガイドラインや法的枠組みを構築することが不可欠です。

倫理的AIフレームワークは、AIの開発者、導入者、そして利用者すべてに対し、共通の理解と行動規範を提供します。これにより、AIが社会にとって有益なツールとして機能し続けることを保証し、同時に潜在的なリスクから個人と社会を保護することができます。信頼性の高いAIシステムを構築することは、技術革新を継続させ、AIの恩恵を最大限に享受するためにも不可欠な要素と言えるでしょう。

AI倫理の核心：公平性、透明性、説明責任の追求

AI倫理の議論において、最も中心的な概念となるのが、公平性、透明性、そして説明責任です。これらの原則は、AIシステムが社会に受け入れられ、信頼される基盤を築く上で不可欠な要素であり、倫理的AIフレームワークの柱となっています。

公平性とバイアス軽減：差別のないAI社会へ

AIシステムにおける公平性は、年齢、性別、人種、宗教、経済状況などに関わらず、すべての人々に公正な扱いと機会を提供することを意味します。しかし、AIシステムはデータに基づいて学習するため、もし訓練データに既存の社会的な偏見や差別が反映されていれば、AIはその偏見を学習し、さらに増幅させてしまう可能性があります。

例えば、過去の採用データが男性優位なものである場合、AIが女性候補者に対して不当に低い評価を下す可能性があります。このようなアルゴリズムバイアスは、融資の承認、医療診断の優先順位付け、あるいは刑事司法における再犯リスク評価など、人々の生活に直接的な影響を与える場面で特に深刻な問題となります。

バイアスを軽減するためには、まず多様で代表的なデータセットを使用することが重要です。また、アルゴリズムの設計段階で公平性に関する制約を組み込んだり、運用後にAIの出力を継続的に監視し、バイアスを検出・是正するメカニズムを導入したりする必要があります。差別のないAI社会を実現するためには、技術的な解決策だけでなく、データの収集からモデルの展開、監視に至るまで、AIライフサイクル全体を通じて人間の倫理的判断を組み込むことが不可欠です。

透明性と解釈可能性：ブラックボックスの解消に向けて

AIシステム、特に深層学習モデルは、その意思決定プロセスが非常に複雑で、人間が直感的に理解することが難しい「ブラックボックス」と化していることが多々あります。AIがなぜ特定の推奨や判断を下したのか、その理由が不明瞭である場合、ユーザーはその結果を信頼することができませんし、間違いがあった場合に責任を追及することも困難になります。

透明性とは、AIシステムがどのように機能し、どのようなデータに基づいて判断を下しているのかを、関係者が理解できる形で開示することです。解釈可能性（Explainable AI: XAI）は、この透明性を実現するための技術的アプローチであり、AIの内部動作を人間が理解しやすい形式で説明することを目指します。例えば、医療診断AIが「なぜこの患者を特定の疾患と診断したのか」について、関連する画像の特徴や患者の病歴との相関関係を示すことができれば、医師はその診断をより信頼し、適切に利用することができます。

透明性と解釈可能性を高めることは、AIシステムの誤りや不正を発見しやすくするだけでなく、開発者や利用者が必要に応じてAIの行動を修正・改善するための洞察を提供します。これにより、AIシステムへの信頼が構築され、より広範な社会での受容につながります。

説明責任と監査可能性：責任の所在を明確に

AIシステムが誤った判断を下したり、損害を引き起こしたりした場合、誰がその責任を負うべきかという問題は、AI倫理における最も困難な課題の一つです。開発者、導入企業、運用者、あるいはAIシステム自体か？この「責任の所在」を明確にするのが説明責任の原則です。

説明責任を確立するためには、AIシステムの設計、開発、運用において、関連するすべてのプロセスが文書化され、監査可能であることが求められます。これは、AIの意思決定プロセス、使用されたデータ、テスト結果、そして運用中のパフォーマンスログなどを記録し、必要に応じて第三者が検証できるようにすることを意味します。

監査可能性は、AIシステムが倫理ガイドラインや法的要件に準拠しているかを検証するための重要な手段です。定期的な監査を通じて、AIが意図しないバイアスを生み出していないか、プライバシー保護の措置が適切に講じられているかなどを確認することができます。また、人による監視と介入のメカニズムを設けることも重要です。特に高リスクなAIアプリケーションにおいては、AIの最終的な判断を人間に委ねる「Human-in-the-Loop」アプローチが推奨されており、これによりAIの自律性と人間の責任を両立させることが可能になります。

世界各地のAI規制動向：EU、米国、そして日本

AIの急速な発展とそれに伴う倫理的課題の顕在化を受け、世界各国・地域ではAIのガバナンスを確立するための規制やフレームワークの策定が急ピッチで進められています。そのアプローチは多様であり、それぞれの地域が独自の歴史的・文化的背景、そして経済的・政治的優先事項に基づいて策定を進めています。

EU AI Act：世界初の包括的AI規制

欧州連合（EU）は、AIに関する最も包括的かつ先駆的な法案である「EU AI Act（人工知能法）」の策定を進めてきました。この法案は、AIシステムをそのリスクレベルに応じて分類し、高リスクAIに対しては厳格な要件を課す「リスクベースアプローチ」を採用している点が最大の特徴です。

高リスクAIには、医療機器、交通、教育、雇用、法執行、移民管理など、人々の安全性や基本的権利に重大な影響を与える可能性のあるシステムが含まれます。これらのシステムには、高品質なデータセットの使用、堅牢なセキュリティ対策、人間の監督、高い透明性、そして継続的な監視といった厳格な義務が課せられます。違反した場合には、企業の年間売上高の最大7%に相当する巨額の罰金が科される可能性もあります。

EU AI Actは、その域外適用原則（ブリュッセル効果）により、EU市場で事業を展開する世界中の企業に影響を与えることが予想されます。これにより、EUはAI規制のグローバルスタンダードを確立しようとしており、その動向は世界中のAI開発者や企業にとって非常に重要です。

米国の動向：自主規制と連邦政府の指針

米国では、EUのような包括的な単一法案ではなく、セクター別の規制や自主規制、そして連邦政府による指針が中心となっています。国家標準技術研究所（NIST）が策定した「AIリスク管理フレームワーク（AI RMF）」は、組織がAIに関連するリスクを特定、評価、管理するための voluntary（自発的）なガイドラインとして広く利用されています。AI RMFは、ガバナンス、マップ、測定、管理の4つの機能を軸に、AIのライフサイクル全体を通じてリスクを管理する手法を提示しています。

また、バイデン政権は、AIの開発と利用に関する大統領令を発出し、連邦政府機関に対してAIの安全性とセキュリティ、イノベーション促進、公平性保護に関する基準を設定するよう指示しました。これにより、連邦政府レベルでのAIガイドラインの策定が進められています。米国のアプローチは、イノベーションを阻害しないよう、柔軟性と業界主導の自主規制を重視する傾向があります。

日本のAI戦略：人間中心主義と国際連携

日本は、内閣府が策定した「AI戦略2022」などを通じて、AIガバナンスに関する独自の方向性を示しています。日本のAI戦略は、「人間中心」という哲学を基盤とし、AIが人間の尊厳を尊重し、社会全体の幸福に貢献することを目指しています。

具体的な取り組みとしては、政府のAI戦略会議やAI倫理会議などを通じて、AIの利用原則やガイドラインの策定が進められています。特に、OECDが提唱するAI原則（包摂的成長、持続可能な開発及びウェルビーイング、人間中心の価値と公平性、透明性と説明責任、堅牢性・安全性及びセキュリティなど）を積極的に支持し、国際的な協調と標準化に貢献することを目指しています。

日本は、AIの社会的受容性を高めるため、技術開発と並行して倫理的側面への配慮を重視しており、国際的なAIガバナンスの議論においても積極的な役割を果たそうとしています。

実践的アプローチと技術的課題：倫理的AI開発の現場

倫理的AIフレームワークの策定は重要ですが、それを実際にAIシステムの設計、開発、導入、運用に落とし込むことは、多くの技術的、組織的な課題を伴います。理論的な原則を具体的な実践へと結びつけるためには、多角的なアプローチと継続的な努力が必要です。

倫理ガイドラインの実装の難しさ

多くの組織がAI倫理ガイドラインや原則を策定していますが、それらが実際に開発現場でどのように適用されるべきか、具体的な実装方法が不明確であるという課題があります。抽象的な倫理原則を、コードレベルの決定やデータセットの選定、モデルの評価指標へと具体化することは容易ではありません。

例えば、「公平性」という原則一つをとっても、それが特定のバイアス指標を最小化することなのか、あるいは異なるサブグループ間でのパフォーマンス格差を解消することなのか、その定義や測定方法は文脈によって異なります。また、「透明性」に関しても、AIの意思決定プロセスをどこまで、誰に対して、どのような形式で開示すべきか、技術的な実現可能性と情報の複雑さのバランスを取る必要があります。

これらの課題に対処するためには、倫理原則を技術的な要件へと変換するための専門知識と、開発者、データサイエンティスト、法務、倫理専門家など、多様なステークホルダー間の密接な連携が不可欠です。

倫理的AI開発のためのツールと手法

倫理的なAI開発を支援するための技術的ツールや手法も進化しています。例えば、公平性テストツールは、AIモデルが特定の人口統計学的グループに対して不当なバイアスを持っていないかを検出するのに役立ちます。また、XAI（説明可能なAI）ツールは、モデルの意思決定プロセスを視覚化し、人間が理解しやすい形で説明を生成することができます。

さらに、「MLOps for Ethics」という概念も注目されています。これは、機械学習モデルのライフサイクル全体（データ収集、モデル構築、デプロイ、監視）を通じて倫理的側面を統合管理するものです。継続的な監視と評価を通じて、AIシステムが運用環境で予期せぬ倫理的課題を生み出していないかをチェックし、必要に応じて迅速に是正措置を講じることが可能になります。

倫理的AIを実践するためには、技術的なツールだけでなく、開発プロセスの透明性を高め、設計段階から倫理的リスクアセスメントを実施する「Ethics by Design」のアプローチが重要です。また、開発チーム全体でAI倫理に関する意識を高め、継続的な教育とトレーニングを行うことも不可欠となります。

セキュリティとプライバシー保護の重要性

倫理的AIフレームワークにおいて、セキュリティとプライバシー保護は不可欠な要素です。AIシステムが個人情報を扱う場合、データ保護法規（例：GDPR、日本の個人情報保護法）への準拠はもちろんのこと、より高い倫理的基準に基づいた取り扱いが求められます。

データプライバシーの確保には、匿名化、仮名化、差分プライバシーなどの技術が活用されます。AIモデルの訓練に使用されるデータが、個人の特定につながる情報を含まないように細心の注意を払う必要があります。また、AIシステム自体がサイバー攻撃に対して脆弱であってはならず、堅牢なセキュリティ対策が講じられていることが求められます。敵対的攻撃（Adversarial Attack）のように、AIの判断を意図的に誤らせる試みからシステムを保護することも重要な課題です。

データのライフサイクル全体を通じて、データ収集の透明性、適切な同意の取得、データ利用目的の明確化、そしてデータ削除の権利の保証など、包括的なプライバシー保護戦略を確立することが、倫理的AIシステムの構築には不可欠です。

産業界の取り組みと競争優位性：責任あるAIへの投資

政府や国際機関が倫理的AIフレームワークの策定を進める一方で、産業界もまた、責任あるAIの開発と導入に向けて積極的な取り組みを開始しています。これは単なる規制遵守のためだけでなく、倫理的AIへの投資が企業の競争優位性を高めるという認識が広まっているためです。

テックジャイアントの自主規制と倫理委員会

Google、Microsoft、IBM、Metaといったテクノロジーの巨人たちは、AI倫理に関する自社の原則を策定し、内部に倫理委員会や専門チームを設置しています。これらの企業は、AI製品の設計段階から倫理的側面を考慮する「Ethics by Design」のアプローチを取り入れ、バイアス検出ツールやXAIツールなどの開発にも投資しています。

例えば、Googleは「AIの利用原則」を公開し、有害なAIアプリケーション（例：武器としてのAI、監視技術の悪用）の開発を禁止する方針を明確にしています。Microsoftも「責任あるAI」というフレームワークを掲げ、公平性、信頼性と安全性、プライバシーとセキュリティ、包摂性、透明性、説明責任の6つの原則に基づいてAI開発を進めています。これらの取り組みは、企業イメージの向上だけでなく、顧客やパートナーからの信頼獲得にもつながっています。

スタートアップの挑戦と倫理的AI製品開発

倫理的AIへの関心は、大手企業に留まらず、スタートアップ企業にも広がっています。AI倫理に特化したコンサルティングやツールを提供するスタートアップも登場しており、AI倫理を新たなビジネスチャンスと捉える動きも活発です。これらのスタートアップは、AI監査、バイアス検出、説明可能なAI、倫理的データセットの構築など、特定の倫理的課題に焦点を当てたソリューションを提供しています。

また、既存のAIスタートアップも、創業当初から倫理的側面を考慮した製品開発を志向するケースが増えています。これは、将来的な規制への対応だけでなく、投資家や顧客が倫理的配慮を重視する傾向が強まっているためです。倫理的な側面を組み込んだAI製品は、市場での差別化要因となり、持続可能な成長のための基盤を築くことにも寄与します。

企業の競争力としての倫理的AI

責任あるAIへの投資は、もはやコストではなく、企業の長期的な競争力を高める戦略的な要素として認識され始めています。倫理的なAIシステムは、顧客からの信頼を獲得し、ブランドイメージを向上させます。また、倫理的配慮が不十分なAIは、訴訟リスク、評判の失墜、規制当局からの罰則など、重大なビジネスリスクを招く可能性があります。

さらに、倫理的AIへの取り組みは、優秀な人材の獲得・維持にもつながります。現代の従業員、特に若い世代は、企業の社会的責任や倫理観を重視する傾向にあります。倫理的AIの開発に携わることは、エンジニアやデータサイエンティストにとって大きなモチベーションとなり、企業文化の醸成にも貢献します。

結果として、倫理的AIは、企業が社会からの信頼を得て、持続的に成長するための不可欠な要素となりつつあります。技術革新のフロンティアであると同時に、倫理的責任のフロンティアでもあるAI分野において、企業は両側面でリーダーシップを発揮することが求められています。

国際協力と標準化の必要性：グローバルなガバナンス構築へ

AIは国境を越える技術であり、その影響は地球規模に及びます。そのため、AI倫理とガバナンスの課題は、単一の国や地域だけでは解決できるものではありません。国際的な協力と標準化が、信頼できるグローバルなAIエコシステムを構築するために不可欠となっています。

グローバルな課題解決のための国際連携

AIの倫理的側面に関する国際的な議論は、G7、G20、OECD、UNESCO、国連などの様々な国際フォーラムで行われています。OECDは、人間中心の価値観、公平性、透明性、堅牢性などを柱とする「AIに関する勧告」を発表し、加盟国が責任あるAI開発・利用を促進するための共通原則を提供しています。

UNESCOは、AIの倫理に関する初のグローバルな規範文書「AI倫理勧告」を採択しました。これは、AIが教育、科学、文化、コミュニケーション、情報に与える影響を考慮し、多様な文化や価値観を尊重しつつ、共通の倫理的基盤を築くことを目指しています。

このような国際的な枠組みは、各国が異なるアプローチを取りながらも、AIがもたらす共通の課題に対して協調して取り組むための土台を提供します。特に、自律型兵器システム（LAWS）などのAI兵器に関する議論は、軍縮会議や国連を通じて緊急に進められています。

ISO/IECなどの技術標準の策定

国際標準化機構（ISO）と国際電気標準会議（IEC）は、AI技術に関する国際標準の策定に積極的に取り組んでいます。これには、AIシステムの信頼性、透明性、セキュリティ、データ品質、リスク管理などに関する技術仕様が含まれます。例えば、ISO/IEC 42001はAIマネジメントシステムに関する初の国際規格であり、組織が責任あるAIシステムを開発・運用するためのフレームワークを提供します。

技術標準は、規制とは異なり法的拘束力はありませんが、製品やサービスの品質と安全性を保証し、市場における信頼性を高める上で非常に重要な役割を果たします。グローバルな技術標準が整備されることで、異なる地域で開発されたAIシステム間での相互運用性が確保され、技術の普及とイノベーションが促進されます。

また、標準化プロセスは、開発者、研究者、政策立案者、倫理専門家など、多様なステークホルダーが議論し、合意を形成する場を提供します。これにより、技術的実現可能性と倫理的要請のバランスが取れた、実用的なソリューションが生まれることが期待されます。

地政学的競争と倫理的AIの推進

AI技術は、経済的、軍事的、そして政治的なパワーバランスを大きく左右する戦略的技術として認識されており、世界中で地政学的な競争が激化しています。この競争の中で、倫理的AIの推進は、単なる道徳的な義務にとどまらず、国家のソフトパワーや国際的なリーダーシップを確立するための重要な要素となっています。

例えば、EUがAI Actを通じて厳格な倫理基準を打ち出すことは、自らの価値観をグローバルスタンダードとして確立しようとする試みでもあります。日本もまた、人間中心主義という独自の哲学を打ち出すことで、国際社会における存在感を高めようとしています。

倫理的AIを推進することは、自由で開かれた社会におけるAIの健全な発展を保証し、権威主義的な国家によるAIの悪用に対抗するための重要な手段となり得ます。そのため、民主主義国家間での連携を強化し、共通の倫理的価値観に基づいたAIガバナンスを構築していくことが、今後の国際秩序を形成する上で極めて重要となるでしょう。

倫理的AIフレームワークの社会的影響：信頼されるAI社会の構築に向けて

倫理的AIフレームワークの構築は、単にAI技術の健全な発展を促すだけでなく、社会全体に広範な影響を及ぼします。それは、AIが私たちの生活に深く根差す未来において、信頼と共存を可能にする社会基盤を形成するものです。

信頼されるAI社会の構築

倫理的AIフレームワークの最も重要な成果の一つは、AIシステムに対する社会からの信頼を構築することです。人々がAIの公平性、透明性、安全性を信じることができれば、その技術はより広く受け入れられ、社会の様々な課題解決に貢献するでしょう。

信頼は、AI技術の普及とイノベーションを加速させるための基盤となります。例えば、医療現場でAI診断が普及するためには、その精度だけでなく、診断プロセスの透明性や責任の所在が明確であることが不可欠です。また、自動運転車が社会に受け入れられるためには、事故発生時のアルゴリズムの挙動が解明され、倫理的な判断がなされていることが求められます。

信頼されるAI社会を構築するためには、技術的な側面だけでなく、教育、法制度、市民参加など、多角的なアプローチが必要です。AIリテラシーの向上、AI倫理に関する公開討論の促進、そして市民がAIガバナンスプロセスに参加できる機会の提供は、AIと社会の健全な関係を築く上で不可欠な要素となります。

新たな雇用とスキルの必要性

倫理的AIフレームワークの導入は、新たな種類の雇用とスキルへの需要を生み出します。「AI倫理士」「AI監査人」「AIガバナンス専門家」といった職種は、既に一部で生まれ始めています。これらの専門家は、AIシステムのライフサイクル全体を通じて倫理的側面を評価し、ガイドラインへの準拠を確保する役割を担います。

また、既存の職種においても、AI倫理に関する知識やスキルが重要となります。AI開発者は、単に技術的な専門知識だけでなく、倫理的リスクアセスメントやバイアス軽減の手法を理解する必要があります。データサイエンティストは、データの公平性やプライバシー保護に関する深い洞察が求められます。法務やコンプライアンスの専門家は、進化するAI規制に対応し、企業が適切なガバナンス体制を構築できるよう支援する必要があります。

社会全体でAI倫理に関する意識を高め、必要なスキルを習得するための教育プログラムや研修機会を拡充することが、この変革期において重要となります。

市民社会との対話とエンゲージメント

AIガバナンスの構築において、市民社会との対話とエンゲージメントは極めて重要です。AI技術は、私たちの生活のあらゆる側面に影響を与えるため、その設計や利用に関する意思決定プロセスに、市民の視点や懸念が反映されるべきです。

政府や企業は、AI倫理に関する議論を専門家集団の内部に留めるのではなく、一般市民、消費者団体、人権団体、労働組合など、幅広いステークホルダーを巻き込む必要があります。公開協議、市民パネル、参加型デザインワークショップなどを通じて、AI技術がもたらす便益とリスク、そしてそれらをどのように管理すべきかについて、社会的な合意形成を図ることが重要です。

市民社会の参加は、AI規制やフレームワークが、机上の空論ではなく、現実社会のニーズや価値観に即した実効性のあるものとなるために不可欠です。また、これによりAIに対する社会的な受容性が高まり、AI技術が真に人類の幸福に貢献するツールとして発展していく道が開かれるでしょう。

アルゴリズム統治への探求は、終わりのない旅です。AI技術は進化し続け、新たな倫理的課題が常に生まれます。しかし、我々が人間中心の価値観を堅持し、継続的な対話と協力を通じて、倫理的AIフレームワークを柔軟に更新し続ける限り、AIは人類に計り知れない恩恵をもたらすことができるはずです。この複雑な課題に真摯に向き合うことが、私たちの未来を形作る上で最も重要なミッションの一つと言えるでしょう。

• 欧州連合、AI法案に合意し、世界で初めて包括的なAI規則を制定 - Reuters
• NIST AIリスク管理フレームワーク (AI RMF) - National Institute of Standards and Technology
• AI戦略2022 - 内閣府