本稿では、機械学習の予測・推論を融資判定のサービスに利用するケースを例に、予測・推論の偏りが融資判定の公平性に及ぼしうる影響（典型的には人種データの扱いに伴う問題）、技術的な対応方法、残されている課題を解説する。まず、融資判定の文脈での公平性に関するサービス要件を、原則・社会規範、サービス利用者などの期待に基づいて決定する方法を示す。次に、決定したサービス要件を前提に、公平性に配慮した機械学習利用システムの開発・運用方法や予測・推論の偏りを軽減する各種手法を、機械学習品質マネジメントガイドラインを参照しつつ解説する。最後に、技術的対応だけでは解決が難しい問題として、公平性に関するサービス要件の設定やそれを具体化する概念の選択に焦点を当て、サービス利用者との対話を通じて公平性のサービス要件を抽出する手法の研究など、最新の研究成果の概要と課題を解説する。
キーワード：ガバナンス・ガイドライン、機械学習、機械学習品質マネジメントガイドライン、公平性、融資判定
掲載論文等の内容や意見は、執筆者個人に属し、日本銀行あるいは金融研究所の公式見解を示すものではありません。