ELSIとは？アノテーション・フィルターバブル・プライバシーを解説

どーも、りけーこっとんです。

「アノテーションって、具体的に何をする作業なの？」「フィルターバブルとエコーチェンバー、似ていて違いが分からない」

このような、G検定のAIの社会実装の範囲で迷っている方はいないでしょうか？
この記事では、AIを開発して社会で使うときに大切なことを解説します。

AIの倫理的・法的・社会的な課題をまとめたELSI、教師データを作るアノテーション、開発でよく使う道具（Python・Jupyter Notebook・Docker）、プライバシーを守る考え方、そしてAIが民主主義に与える影響（フィルターバブル・エコーチェンバー）まで整理しました。

（2026年10月更新：G検定の現行シラバス（2024年第6回から適用）に合わせて内容を見直しました。）

この記事の要点

• ELSIとは、新しい技術を社会で使うときに考えるべき、倫理的・法的・社会的な課題のこと
• アノテーションとは、データに正解のラベルなどの情報を付けて、教師データを作る作業のこと
• プライバシー・バイ・デザインは、システムを作る最初の段階からプライバシーの保護を組み込む考え方
• フィルターバブルは自分の好みの情報だけに囲まれること、エコーチェンバーは似た意見ばかりが響き合って強まること

手元に公式テキストが1冊あると、この記事で扱う用語をシラバスの言葉づかいのまま確かめられます。

この記事は、現行シラバスでは第7章「AIプロジェクトの進め方」「データの収集・加工・分析・学習」、第10章「プライバシー」「民主主義」の範囲です（シラバスはJDLAの公式ページで確認できます）。G検定の範囲全体を一覧で見たい方はG検定チートシートもどうぞ。

この記事では、文字の装飾を次の3段階にそろえています。試験直前は赤太字だけ拾い読みしても要点がつかめます。

• 赤太字（超重要）：試験で正解を決める決め手。年号・人物・数字・違いのポイント
• 青色マーカー＋太字（重要）：用語の定義。「〇〇とは」の一文
• 太字（覚えておきたい）：あわせて覚えたい関連用語や覚え方

ELSIとは

ELSIとは、AIのような新しい技術を研究・開発して社会で使うときに考えるべき、倫理的・法的・社会的な課題のことです。

Ethical（倫理的）、Legal（法的）、Social（社会的）、Issues（課題）の頭文字を取ったもので、「エルシー」と読みます。

新しい技術を社会で使うときは、技術そのものの課題だけでなく、次のような課題も考える必要があります。

課題	考えること	AIでの例
倫理的（Ethical）	人として守るべき考え方に反していないか	AIの判断が人を差別していないか
法的（Legal）	今の法律で対応できるか、新しいルールが必要か	AIが起こした事故の責任は誰にあるか
社会的（Social）	社会が受け入れてくれるか	AIによる監視に人々が不安を感じないか

もともとは、ヒトの遺伝子を調べる研究（ヒトゲノム計画）で使われるようになった考え方です。

技術的にはできても、社会に受け入れられなければ使われないので、開発の早い段階から考えておくことが大切なんですね。

AIの倫理やガバナンスについてはAIガバナンスの記事で詳しく解説しています。

アノテーションとは

アノテーションとは、データに正解のラベルなどの情報を注釈として付けて、AIの学習に使う教師データを作る作業のことです。

簡単に言うと「教師データ作り」ですね。言葉の説明だけでは分かりにくいので、具体例を見てみましょう。

分野	アノテーションの例
画像分類	画像1枚ずつに「猫」「犬」「車」などのラベルを付ける
物体検出	画像の中の物体を長方形で囲んで、「猫」「車」などの名前を付ける
セグメンテーション	画像の画素1つ1つに、どの物体かのラベルを付ける
文章	文章の感情（ポジティブ・ネガティブ）や、人名・地名などの単語に印を付ける
音声	音声に、話している内容の文字を付ける（書き起こし）

教師あり学習のAIの性能は、教師データの質で大きく変わります。

ラベルが間違っていたり、人によって付け方がバラバラだったりすると、AIもおかしな学習をしてしまうんですね。

そのため、ラベルの付け方のルールを最初に決めて、複数の人でチェックすることが大切です。

大量のデータを扱うときは、外部の会社に頼んだり、クラウドソーシングで多くの人に分担してもらったりします。

開発環境｜Python・Jupyter Notebook・Docker

AIやデータ分析の開発では、次のような道具がよく使われます。

Pythonとは

Python（パイソン）とは、データ分析やAIの開発で最もよく使われているプログラミング言語です。

文法がシンプルで読みやすく、初心者でも学びやすいのが特徴です。

何より、機械学習やデータ分析のためのライブラリ（よく使う機能を、誰でも呼び出して使えるようにまとめたもの）が豊富なのが、AIの開発で選ばれる一番の理由ですね。

代表的なライブラリには次のようなものがあります。

ライブラリ	用途
NumPy・pandas	数値の計算、表のデータの処理
Matplotlib	グラフを描く
scikit-learn	機械学習（決定木、SVMなど）
TensorFlow	ディープラーニング（Googleが開発）
PyTorch	ディープラーニング（Facebook（現Meta）が開発）

ライブラリを使えば、機械学習のプログラムをゼロから書かなくても、数行で使えるようになります。

りけーこっとんも、Pythonを使う時にライブラリは欠かせないですね。

Jupyter Notebookとは

Jupyter Notebook（ジュピターノートブック）とは、ブラウザ上でPythonなどのプログラムを書いて、その場ですぐに実行結果を確かめられる開発環境です。

プログラムは、もともと「コマンドプロンプト」や「ターミナル」と呼ばれる黒い画面で動かすことが多く、初心者には少しハードルが高いものでした。

Jupyter Notebookでは、ノートに文章を書くような感覚でプログラムを書けます。

プログラムを少しずつ実行して、結果やグラフをその場で確認しながら進められるので、データ分析ととても相性が良いんですね。

りけーこっとんも自己研鑽やら仕事やらでよく使います。

Dockerとは

Docker（ドッカー）とは、アプリケーションと、それを動かすのに必要なライブラリや設定を「コンテナ」という箱にまとめて、どのコンピュータでも同じように動かせるようにする仕組みです。

AIの開発では、いろいろなライブラリを、決まったバージョンでそろえる必要があります。

でも、別の人のパソコンや本番のサーバーで動かそうとすると、「自分のパソコンでは動いたのに、ほかでは動かない」ということがよく起きるんですね。（これが本当によく起こる…）

Dockerを使えば、開発環境をコンテナごと配ることができるので、誰のパソコンでも同じ環境を再現できます。

複数人で開発するときや、作ったAIを本番の環境に移すときにとても便利です。

AIはもう大人だけのものではありません。お子さんと一緒に、生成AIの正しい使い方から学べる講座もあります。

プライバシー

AIの開発では、個人の情報を含むデータを扱うことも多いので、プライバシーを守る考え方が欠かせません。個人情報保護法の内容は個人情報保護法の記事で解説しています。

プライバシー・バイ・デザインとは

プライバシー・バイ・デザインとは、システムを作るときに、企画や設計の最初の段階からプライバシーの保護を組み込んでおく考え方のことです。

1990年代に、カナダのアン・カブキアン博士が提唱しました。

問題が起きてから対策するのではなく、最初から予防するという考え方ですね。

技術の面（データを暗号化する、必要以上のデータを集めない）、運用の面（アクセスできる人を限る）、設計の面など、あらゆる面から保護を作り込みます。

7つの原則からなり、EUのGDPRにも取り入れられています。

カメラ画像利活用ガイドブックとは

カメラ画像利活用ガイドブックとは、店舗や街中のカメラで撮った画像を、ビジネスに使うときに配慮すべきことをまとめたガイドブックです。

経済産業省・総務省・IoT推進コンソーシアムがまとめたもので、2017年に最初の版が作られ、2022年に第3版が公表されています。

防犯カメラの画像をAIで分析して、来店客の年齢層を調べたり、人の流れを分析したりする使い方が増えていますよね。

一方で、撮られる側の人は「勝手に分析されていないか」と不安に感じます。

このガイドブックでは、カメラで撮っていることを店頭で分かりやすく知らせることや、目的以外に使わないことなど、撮られる人の不安に配慮するための具体的な方法がまとめられています。

民主主義とAI｜フィルターバブルとエコーチェンバー

AIのおすすめ機能（レコメンド）が便利になる一方で、社会全体への影響も心配されています。

フィルターバブルとは

フィルターバブルとは、ネット上のおすすめ機能などによって、自分の好みや考えに合った情報ばかりが表示され、まるで泡の中に閉じ込められたように、それ以外の情報に触れにくくなる状態のことです。

アメリカの活動家イーライ・パリサーが2011年に著書で名付けました。

例えば、動画サイトやSNSは、あなたがよく見る内容に似たものをAIがおすすめしてくれますよね。

便利ですが、続けていると、自分の好きな情報や賛成できる意見ばかりが目に入るようになります。

すると、反対の意見や知らない情報に気づきにくくなり、偏った見方になってしまうおそれがあるんですね。

エコーチェンバーとは

エコーチェンバーとは、SNSなどで自分と似た意見を持つ人とばかりつながることで、同じ意見が何度も響き合い、その意見が正しいと強く思い込んでいく現象のことです。

エコーチェンバーは「反響室」という意味です。

比べるところ	フィルターバブル	エコーチェンバー
原因	AIのおすすめ機能などが情報を選ぶ	自分と似た人とばかりつながる
起きること	好みの情報ばかりに囲まれる	同じ意見が響き合って強まる
イメージ	泡の中に閉じ込められる	反響する部屋で同じ声が大きくなる

どちらも、社会の意見が両極端に分かれる（分断）原因になると言われ、民主主義への影響が心配されています。

うその情報（フェイクニュース）が広がりやすくなることもあり、フェイクニュースとディープフェイクの記事で解説しています。

いろいろな立場の情報に、意識して触れるようにしたいですね。

G検定での問われ方｜プライバシーと民主主義の早見表

現行シラバスの「プライバシー」と「民主主義」のキーワードは、次の表で確認できます。

用語	一言でいうと	詳しい解説
カメラ画像利活用ガイドブック	店舗などでカメラ画像を使うときの配慮事項をまとめた国の指針	この記事
プライバシー・バイ・デザイン	企画・設計の段階からプライバシー保護を組み込んでおく考え方	この記事
エコーチェンバー	似た意見の人とばかりつながり、自分の意見が強化されていく現象	この記事
フィルターバブル	おすすめ機能によって、自分の好みに合う情報ばかりに囲まれてしまう現象	この記事
フェイクニュース	事実ではない情報が広がり、世論や選挙をゆがめるおそれがある	解説記事

よくある質問

Q. ELSIは何の略？

Ethical（倫理的）、Legal（法的）、Social（社会的）、Issues（課題）の頭文字です。新しい技術を社会で使うときに、技術面だけでなく、倫理・法律・社会の面からも課題を考えようという考え方です。

Q. アノテーションは誰がやる？

社内の担当者が行うこともあれば、専門の会社に頼んだり、クラウドソーシングで多くの人に分担してもらったりすることもあります。医療画像のように専門知識が必要なデータは、医師などの専門家が行います。

Q. フィルターバブルとエコーチェンバーの違いは？

フィルターバブルは、AIのおすすめ機能などによって、自分の好みの情報ばかりに囲まれる状態です。エコーチェンバーは、SNSなどで似た意見の人とばかりつながることで、同じ意見が響き合って強まる現象です。

よくある質問の内容までスラスラ答えられたら、次は問題形式で解いてみるのがおすすめです。選択肢を見比べると、どこで引っかけられるのかが分かってきます。

まとめ

• ELSI：新しい技術を社会で使うときの、倫理的・法的・社会的な課題
• アノテーション：データに正解のラベルを付けて教師データを作る作業。AIの性能は教師データの質で決まる
• Pythonはライブラリが豊富なAI開発の定番言語。Jupyter Notebookはその場で結果を確かめられ、Dockerは環境をコンテナにまとめる
• プライバシー・バイ・デザインは最初からプライバシー保護を組み込む考え方（アン・カブキアン）。カメラ画像利活用ガイドブックはカメラ画像の配慮事項
• フィルターバブルは好みの情報に囲まれること、エコーチェンバーは似た意見が響き合って強まること

次回は、AIやデータを守る法律として、不正競争防止法の営業秘密と限定提供データ、特許法、独占禁止法を営業秘密と特許法の記事で解説していきます。

G検定の試験範囲をまとめて見直したい方は、シラバスの全キーワードを一行でまとめたG検定チートシートをどうぞ。分野ごとに読み進めたい方はG検定の解説記事一覧からどうぞ。

G検定に合格したあと、その資格をどう使うかまで考えておくと勉強のモチベーションが続きます。AI・データ系の求人では、こうした基礎知識を持っていることが評価される場面も増えています。どんな求人があるのか眺めておくだけでも、学ぶ内容の優先順位が見えてきますよ。

20代で未経験からIT職を目指す方は、若手向けの就職・転職サービスを使うと、書類作成から面接まで相談できます。