G検定（ジェネラリスト検定） AI倫理・AIガバナンス 練習問題 第34問: SureshとGuttagの論文（2021年に国際会議EAAMOで発表された版）は、機械学習のライフサイクルの中で害が入り込む源を7つのバイアスに分けている。そ

肢4が不適切です。SureshとGuttagの論文は、害の源を、歴史的・表現・測定・集約・学習・評価・運用（デプロイ）の7つのバイアスに分けています。

肢4の、代理の指標がグループによって異なる精度で測られる問題は、測定のバイアスです。運用のバイアスは、モデルが解くはずの問題と実際の使われ方がずれる場合で、人が判断に使う前提のモデルを単体で評価したり、想定外の用途に使ったりすることで生じます。

肢1・肢2・肢3は、それぞれ歴史的・表現・評価のバイアスの説明として正しい記述です。同論文は、標本抽出の方法が偏る場合（統計でいうサンプリングバイアス）を、表現のバイアスの生じ方の1つに挙げています。

データの収集から運用まで、どの段階で入り込む偏りかで名前が決まる、と整理しましょう。