、は、「『計算（）』という概念と『コンピュータ（）』という道具を用いて『知能』を研究する計算機科学（）の一分野」を指す語。「言語の理解や推論、問題解決などの知的行動を人間に代わってコンピュータに行わせる技術」、または、「計算機（コンピュータ）による知的な情報処理システムの設計や実現に関する研究分野」ともされる。命名者はジョン・マッカーシー。『日本大百科全書（ニッポニカ）』で情報工学者の佐藤理史は次のように説明した。
AIの研究開発は「人工知能学」とも呼ばれる。
概要 「人工知能」の定義・解説 出典 定義・解説 日本語辞典『広辞苑』 百科事典『ブリタニカ百科事典』 人工知能学会記事「教養知識としてのAI」 学術論文「深層学習と人工知能」 学術論文「人工知能社会のあるべき姿を求めて」 人間の知的能力をコンピュータ上で実現する、様々な技術・ソフトウェア群・コンピュータシステム、アルゴリズムとも言われる講談社（2017）「人工知能」『IT用語がわかる辞典』、朝日新聞社・VOYAGE GROUP。人工知能の例は、 人間の日常的な言語を扱う自然言語処理（機械翻訳・かな漢字変換・構文解析講談社（2017）「自然言語処理」『IT用語がわかる辞典』、朝日新聞社・VOYAGE GROUP・大規模言語モデル等） 専門家の推論や判断を模倣するエキスパートシステム 画像パターンの検出や抽出を行う画像認識 等がある。
アメリカ合衆国では、連邦政府において「Artificial Intelligence（AI）」の代わりに「Super Intelligence（SI）」という用語を使わなければならないとする大統領令が2026年9月に発表されている。
研究開発概要 学部・学科など AIに関する大学での研究や教育は「電気工学・コンピュータ科学部 人工知能・意思決定論科」、情報工学科や情報理工学科コンピュータ科学専攻などで行われている。
産業界における動向 Stanford Institute for Human-Centered Artificial Intelligence（Stanford HAI。スタンフォード大学人間中心AI研究所）の2026年の報告書では、「2025年において著名な最前線モデルの90%以上を産業界が生産した（Industry produced over 90% of notable frontier models in 2025）」とある。そして、このような企業が生産したAIモデルは、2025年現在で、すでに博士（PhD）水準の科学問題やマルチモーダル推論、数学競技を与えると人間同等あるいは人間を凌駕する水準の回答をできるようになっている。同時に「最上位モデルがアナログ時計を正しく読む確率はたった50.1%である（the top model reads analog clocks correctly just 50.1% of the time）」とされており、研究者らはAIの能力のバラつきを指摘している。
そして人工知能の機能を提供しその成長を支えるうえで、データセンターが重要インフラとなっている。なお、米国内には（主に民間企業が設置した）データセンターが、2025年のデータで、すでに5,427箇所建造されているとされ、これは世界で1位であり、2位はドイツ529箇所前後、3位はイギリス523箇所前後である。
概史
ある種の観点では、人工知能の70年以上の歴史とは、概念が入れ子状に派生してきた過程である。
1950年代から始まった初期の人工知能は、人間がルールを与える「探索と推論」（第1次ブーム）と「知識表現」（第2次ブーム）が中心だったが限界に至り、1980年代にはデータから学ぶ「機械学習」へ移行。2010年代にはその発展形である「ディープラーニング（深層学習）」が画像認識や囲碁で人間を凌駕し、第3次ブームが生じた。2020年代以降は、文章や画像を自ら創り出す「生成AI」が社会に普及し、これは第4次ブームとも呼ばれ得る。そして汎用人工知能（AGI）の実現を目指す研究・開発も行われている。
研究開発 組織的・国家的プロジェクト Google Googleは2011年以降、AIの基礎研究を行う「Google Brain」と呼ばれる専門組織を社内に立ち上げ、彼らが主導する形でカナダで創業したDNN Researchを買収したり、英国DeepMindを買収するなど国際人材獲得に熱い投資を開始している。2015年には「TensorFlow」といった機械学習ライブラリをオープンソースで公開。 GPUやクラウド上も含め人工神経回路網の重み学習工程を計算グラフとして処理できるようにした。翻訳や検索、音声認識、写真分類といったアプリケーション構築にTensorFlowが使用された。
Googleはアレン脳科学研究所と連携し脳スキャンによって生まれた大量のデータを処理するためのソフトウェアを開発している。2016年の時点で、Googleが管理しているBrainmapのデータ量は1ゼタバイトに達する。Googleは、ドイツのマックスプランク研究所と共同研究を始め、脳の電子顕微鏡写真から神経回路の再構成を研究している。脳の仕組みをAIに取り入れる方向性から、取り入れず工学的な発展アプローチまで幅広く基礎研究を進めている大企業である。また基礎だけでなく応用実装(バイオから核物理まで)も幅広い。
マイクロソフト マイクロソフトは「AI for Good Lab」（善きAI研究所）を設置し、eラーニングサービス「DeepLearning.AI」と提携している 。
中国 中国は2016年のからAIを国家プロジェクトに位置づけ、脳研究プロジェクトとしても立ち上げPoo, Mu-ming; Du, Jiu-lin; Ip, Nancy Y; Xiong, Zhi-Qi; Xu, Bo and Tan, Tieniu (2016), ‘China Brain Project: Basic Neuroscience, Brain Diseases, and Brain-Inspired Computing’, Neuron, 92 (3), 591-96.、官民一体でAIの研究開発を推進している。中国の教育機関では18歳以下の天才児を集めて公然とAI兵器の開発に投じられてもいる。マサチューセッツ工科大学（MIT）の教授やなどによれば、中国ではプライバシー意識の強い欧米と比較してAIの研究や新技術の実験をしやすい環境にあるとされている。日本でスーパーコンピュータの研究開発を推進している齊藤元章も、AIの開発において中国がリードする可能性を指摘している。世界のディープラーニング用計算機の4分の3は中国が占めてるとされる。米国政府によれば、2013年からディープラーニングに関する論文数では中国が米国を超えて世界一となっている。やImageNetなどAIの世界的な大会でも中国勢が上位を独占している。大手AI企業Google、マイクロソフト、Appleなどの幹部でもあった台湾系アメリカ人科学者の李開復は中国がAIで覇権を握りつつあるとする『』を著してアメリカの政界やメディアなどが取り上げ、第二次冷戦の延長として米中のAI技術競争はとも呼ばれ、中国はロシアなどと世界AI協力機構（WAICO）を結成した。
フランス フランス大統領エマニュエル・マクロンはAI分野の開発支援に向け5年で15億ドルを支出すると宣言し、AI研究所をパリに開き、フェイスブック、グーグル、サムスン、DeepMind、富士通などを招致した。イギリスともAI研究における長期的な連携も決定されている。EU全体としてもdf=ja|、「Horizon 2020」計画を通じて、215億ユーロが投じられる方向。韓国は、20億ドルを2022年までに投資をする。6つのAI機関を設立し褒賞制度も作られた。目標は2022年までにAIの世界トップ4。
日本 日経新聞調べによると、2017年時点で国別のAI研究論文数は1位米国、2位中国、3位インド、日本は7位だった。東京大学をはじめ工科大学、その他NTTデータや富士通といった民間企業が特化型AIの技術開発を進めてきた。ニューラルネットの基礎研究ではかつて先陣を切っていたものの、その後の米国発の深層学習再興には乗り遅れた。
ソフトバンクグループ（SBG） 2025年1月、ソフトバンクグループ（SBG）の孫正義は、アメリカのOpenAIと共同会社「スターゲート」を設立し孫がその会長に就任し、当初1千億ドル（約 15.5兆円）を投資し、アメリカのテキサス州にAI開発に使うデーターセンターの建設を予定と発表した。その後に他地域にも展開し、4年間で投資額を最大で5千億ドル（77.8兆円）に増やす見込みという。2025年2月、ソフトバンクグループとOpenAIは、企業向けAIのクリスタル・インテリジェンス（Cristal intelligence）の開発・販売に関するパートナーシップおよび、世界にさきがけ日本国内で提供してゆくことを発表した。
応用例
タンパク質の折り畳みの高精度予測 自然言語処理によるRNAコドン配列の解析 気象物理過程のパラメータ逆推定および気象モデルの最適統合 プレート境界の摩擦パラメータ推定、すべり量、発生サイクルを学習させることによる地震発生時期の予測 iPS細胞の生死などの状態、分化と未分化、がん化などの非標識判別 膨大な論文・公開特許から化合物の物性値や製法を抽出し知識ベース化できる化学検索エンジン 薬剤、分子探索、活性化合物構造の自動提案 宇宙の大規模構造の偏りをもたらした初期の物理パラメータを推定、宇宙全体の3Dシミュレーションの効率化 画像分類CNNを使用したマウス脳神経の自動分類、回路自動マッピング GANと回帰モデルによる複雑材料系(充填剤や添加剤)の特性予測 CAD設計手法の一つであるトポロジー最適化における、制約条件と解析結果の因果関係の抽出 第一原理計算(DFT計算)よりも10万倍以上高速な、55元素の任意の組み合わせの原子構造を高い精度で再現できる原子シミュレーターを用いた材料探索 流体力学の方程式を使わない、流体シミュレーション 医療診断用 視覚言語モデル ロボットの動作生成 科学的再現性の危機の解決、つまり科学論文に意図的に嘘、再現実験をしても再現しないことが書かれている場合にそれを見抜くための、論文の正確性と透明性の分析 コーディング（プログラミング）の自動化
医療・医用情報工学・メドテック 語源辞典によると、英語において「テック」(tech)は1956年までに、コンピュータ関連のテクノロジー(technology)の略語となった。
医療現場ではAIが多く活用されており、最も早く導入されたのは画像診断と言われている。レントゲンやMRI画像の異常部分を検知することで、病気の見逃し発見と早期発見に役立っている。また、AIがカルテの記載内容や患者の問診結果などを解析できるよう、自然言語処理技術の発展も進んでいる。今後はゲノム解析による疾病診断、レセプトの自動作成、新薬の開発などが行えるよう期待されている。
また、症例が少ない希少疾患の場合、患者の個人情報の保護が重要になるため、データを暗号化した状態で統計解析を行う秘密計算技術にAIを活用して、データの前処理、学習、推論を行えることを目指す研究が行われている。
計算神経科学や人工知能の産物である、ChatGPTと同様の大規模言語モデルは、逆に今、脳神経科学研究の理解に寄与している。
スマート農業・アグリテック AIを搭載した収穫ロボットを導入することで、重労働である農作業の負担を減らしたり、病害虫が発生している個所をAIでピンポイントで見つけだして、農薬散布量を必要最小限に抑えたりすることが可能になる。AIで事前に収穫量を正確に予測できれば、出荷量の調整にも役立つ。
Googleは農作物のスキャニングと成長記録を行う農業AIロボット「Don Roberto」を開発。苗ひとつひとつの個体識別を行い、各苗の成長記録をとり実験を繰り返すことで学習し、苗をひと眼見るだけで厳しい環境下でも耐えられる気候変動に強い種を瞬時に見つけ出せる。
世界的な関心や社会貢献の観点からも、人工知能は国連が推進する持続可能な開発目標（SDGs）の達成に貢献する。
人間の援助 2022年秋に大規模言語モデルによる生成AIのChatGPTが公開されて以来、人と会話して人を援助することが可能になった。生成AIは人間を模倣しようとするが、質の高い返答を生成させるには、質問する側の人間があらかじめ言葉で詳細な指示をすることが必要であり、その指示を作文する技術がプロンプトエンジニアリングは、生成AIが人間の期待どおりに機能するよう入力テキストを作文する技術であり、そこには創造性と試行錯誤することも含まれる。
2023年10月、『ネイチャー』誌で、ウィキペディアの信頼性が人工知能によってついに向上する可能性が示された。しかし同時に、信頼性の薄い文章や低品質な文章がWeb上にあふれ出す、「情報汚染」の問題が浮き彫りになりつつある。
児童のサポート 子どものネット上の安全に人工知能を入れることは、国連や欧州連合で継続的に注目されている。
2歳児の失読症の診断など、子どもの発達にも寄与している。
自動運転 米国アルファベット社傘下のウェイモは、2021年からカリフォルニア州サンフランシスコで24時間365日営業の自動運転タクシーを運行しており、同じくカリフォルニア州で2023年4月には一般向け自動運転シャトルバスのプロジェクトの運行をすでに開始していた。2019年は60社近くの開発企業が自動運転車の試験許可を保有していた状態だったが、ウェイモなど数社の企業が巨額の資金調達に成功して他社を突き放しその上で実験段階も完了したことで、2024年にはすでに実験走行は激減し、すでに自動運転車開発・運用企業の統合や分別の時代に入っている。日本は遅れぎみだが、2023年4月に自動車のレベル4の自動運転（一定条件下で完全に自動化した公道での走行）が一部で解禁され、福井県永平寺町では実証実験に成功した 。
日常サービス 2023年現在、人工知能を用いたサービスが日常生活に浸透してきている。PCやスマートフォンの画像認識による生体認証や音声認識によるアシスタント機能はすでに普通のサービスとなっている。AIスピーカーも普及してきている。 人工知能は、台風被害の予測、地震被災者の支援、健康のための大気汚染の把握などにも応用されている。しかし導入された単純なAIアルゴリズムは後にAIと呼ばれなくなる傾向がある。これを”AI効果”と呼ぶこともある。
文化・芸術
音楽分野は、既存の曲を学習することで、特定の作曲家の作風を真似て作曲する自動作曲ソフトが登場している。リズムゲームに使われるタッチ位置を示した譜面を楽曲から自動生成するなど分野に特化したシステムも開発されている。特定の音声を学習させて、声優の仕事を代替したり、特定のキャラクターや歌手などの声で歌わせたりなどが行われており、規制やルール作りなどの必要性が議論されている。前述した音声学習を用いて1つのトラックから特定の楽器や歌声を取り出す「デミックス」と呼ばれる技術も登場し、ビーチ・ボーイズやビートルズなどはこれを活用してトラック数の少ない時代の楽曲をリミックスして新たなステレオ・ミックスを作成したり、セッション・テープが破棄されたりマルチ・テープの音源に欠落がありモノラルしか存在しなかった楽曲のステレオ化をするなどしている。2023年にビートルズが発表したシングル『ナウ・アンド・ゼン』ではジョン・レノンが1970年代に録音したカセットテープからボーカルを抽出するのに使われた。
画像生成の技術としては、VAE、GAN、拡散モデルといった大きく分けて三種類が存在する。絵画分野においては、コンセプトアート用背景やアニメーションの中割の自動生成、モノクロ漫画の自動彩色など、人間の作業を補助するAIが実現している。AIに自然言語で指定したイラスト生成させるサービス（Stable Diffusionなど）も登場している。このような人工知能を利用して制作された絵画は「人工知能アート (Artificial intelligence art)」と呼ばれているが、教師データとして利用された著作物の知的財産権などを巡り、深刻な懸念が広がっている。
人工知能は、絶滅危惧言語や生物多様性の保護にも応用されている。学術的に構造化された文献レビューとして通常質の高い証拠とされる統計的な文献分析や、学術的な風土のために発表できなかった研究などの問題を考慮した体系的な見方を提供することに加え、人工知能や自然言語処理機能を用いた厳密で透明性の高い分析を行うことで、科学的な再現性の危機をある程度解決しようと試みている。
将棋AIは人間同士・AI同士の対局から学習して新しい戦法を生み出しているが、プロ棋士（人間）の感覚では不可解ながら実際に指すと有用であるという。
スポーツの分野では、AIは選手の怪我のリスクやチームのパフォーマンスを予測するのに役立つ。
メタ分析によれば、AIが政治的な意思決定を行うことも、2020年時点では学術界ではまだ注目されておらず、AIと政治に関するトピックは、学術界ではビッグデータやソーシャルメディアにおける政治的問題に関する研究が中心となっていた。人工知能による人類絶滅の危険を懸念する声が存在するがビル・ゲイツ氏も、人工知能の脅威に懸念、一方で平和を促進するための文化的な応用も存在する。系統的レビューの中には、人工知能の人間を理解する能力を借りてこそ、テクノロジーは人類に真の貢献ができると分析するものもある。
一般業務と経済活動 2000年代は統計的機械学習によって、数値予測や故障診断などといったアプリケーションが企業に導入され、2013年以降は深層学習を中核とした画像認識アルゴリズムが監視業務、分類業務に導入されていった。
現在まで最も顕著に確認され既に成熟した業務への導入事例は以下のようになっている（ここでは大規模言語モデル登場以前のシンプルなAI事例を簡潔に列挙する）。しかし以下を見て気づくように、殆どが頭脳労働であり、介護や土木建築などの細やかな手作業やコミュニケーションが要求されるブルーカラー業務への導入事例は少ない。
LSTMを使用した株価推移予測、電力需要予測、交通量予測 畳み込みニューラルネットを使用した監視業務の自動化、画像の特徴別分類、紙文書のデジタル化（OCR）、産業ロボットにおけるピッキング 自然言語処理技術、構文予測技術を応用したコールセンター業務の支援、迷惑電話の検知 RPA（業務自動化ソフト）と特化型AIを連結させた事務作業の効率化、営業計画の作成 検索エンジンや論文のランキングアルゴリズム 電子商取引や動画サイトにおける個々人に最適化した推薦アルゴリズム エキスパートシステムによる専門家の知識条件判断自動化、人事評価 気象業務における数値予報からガイダンスの作成と外れ値のフィルタリング 物流や運輸におけるルート最適化と、荷積み最適化 写真や音楽のノイズ除去 犯罪捜査や軍事計画の策定
文化人類学と考古学 そのほか、古代遺跡や古代文明の文化そのものを分析し解読する作業にも特化型AIが用いられてきた。
ナスカの地上絵の自動検知とカタログ化 古代文字と文章の解読
歴史
リスク 人工知能には潜在的な利点と潜在的なリスクがある。人工知能は科学を進歩させ、深刻な問題の解決策に繋がる可能性がある。しかし、人工知能の使用が広まるにつれて、いくつかの意図しない結果とリスクの存在が明らかになった。実運用のシステムにおいては人工知能の訓練過程において、倫理とバイアスが考慮されないことがある。特に深層学習の分野で人工知能のアルゴリズムが本質的に説明可能でない場合に当てはまる。
第1次ブームで登場した「探索と推論」や第2次ブームで登場した「知識表現」というパラダイムに基づくAIは各々現実世界と比して単純な問題しか扱えなかったため社会的には大きな影響力を持つことはなかったが、第3次以降のブームでは高性能なAIが登場してから、AI脅威論やAIとの共生方法等も議論されるようになった。
スチュアート・ラッセルらの計算機科学書『エージェントアプローチ人工知能』（2022年版）は人工知能の主なリスクとして、、、、、を挙げている。またラッセルらは『ネイチャー』で、人工知能による生物の繁栄と自滅の可能性や倫理的課題についても論じている。
プライバシー・個人データ保護・プロファイリング 機械学習には大量のデータが必要である。このデータを取得するために使用される手法は、プライバシー、監視に関する懸念を引き起こしている。
テクノロジー企業は、オンラインアクティビティ、位置情報データ、動画、音声など、ユーザーから幅広いデータを収集している。たとえば、音声認識アルゴリズムを構築するために、Amazonは何百万ものプライベートな会話を録音し、一時雇用の労働者にその内容を書き起こすことを許可した。この広範な監視に対する意見は、必要悪と見なす人から、明らかに非倫理的でプライバシー権の侵害であると考える者まで分かれている。
AI開発者は、この手法が価値のあるアプリケーションを提供する唯一の方法であると主張している。そして、、、など、データを取得しながらプライバシーを保護するいくつかの手法が開発された。2016年以降、などの一部のプライバシー専門家は、プライバシーを公平性の観点から見始めている。は、専門家は「『何を知っているか』という問題から『それを使って何をしているか』という問題に軸足を移した」と書いている。
ChatGPTのようなチャットボットにユーザーが個人的な生活や悩みを吐露することの危険性も指摘されている。今までもテック企業はユーザーの個人情報を収集して悪質なターゲティング広告に利用した前科があり、さらに詳細なユーザーの追跡が可能になる生成AIは、有害なコンテンツの最適化に繋がりかねず、AIとの交流に没頭して自殺に至った事例がある。
2026年7月、マイクロソフトのサティア・ナデラは、生成AIを利用する企業が利用料金に加えて、強みである「独自の知識」をAI事業者に取得されるリスクを警告した。AIを使うほど、AI事業者はユーザーの情報を学習するが、ユーザーはAI事業者が何を得ているのかを知ることができず、非対称性は広がる一方であると指摘し、組織のデータやログを同意なく外部へ流出させない境界を築く必要性を訴えた。
政府機関でのAI利用に対しては、国家機密の流出やその他のリスクが指摘されている。送信されたデータは事業者のサーバに保存されるが、敵対国の工作員が企業に潜入する可能性は否定できず、データを盗み取るスパイ行為や、出力結果を操作して政府の政策等に悪影響を及ぼすリスクがある。
2026年の日本の個人情報保護法改正によるAIプロファイリングのリスク 2026年、自民党、日本維新の会、チームみらいなどの賛成多数で、病歴や犯罪歴、思想信条といった要配慮個人情報を、AI開発等を名目にすることで本人の同意なくして企業や個人事業主などの第三者に提供したり、SNSから取得することを広く容認する個人情報保護法改正案が成立した。「統計情報の作成にのみ利用される」ことを担保するため、提出元と提出先の名称や統計情報の作成内容の公表、目的外の利用と第三者提供の禁止などを規定し、詳細は規則やガイドラインで定めるが、生のデータが第三者に無断で提供されるため、大きなリスクが指摘されている。
デジタル大臣の松本尚は、CTスキャンやカルテの生データを氏名付きで第三者に提供することを想定していると解説し、諸外国で一般的な匿名化処理も事業者の負担になるとして、義務化していないと説明している。
AI開発は統計処理であり、個人が特定される恐れはないとする政府の説明についても、過学習などにより、個人情報が出力されるリスクがある。つまり、「個人情報ではなくなった」と言われている段階でも、技術的には個人情報が復元されうると指摘されている。
個人情報がAIを利用した「プロファイリング」に悪用されるリスクが指摘されている。日弁連は「新たな差別やプライバシー侵害を引き起こす恐れは否定できない」との意見書を公表し、特別委で参考人として出席した森亮二（弁護士）は、「特定の属性とネガティブな結果を結び付ける推論が多数生成される可能性がある」と危険性を指摘した。AI関連法に詳しい羽深宏樹（京都大学大学院法学研究科特任教授）も「大量の個人情報の学習でAIは精緻さを増す。だがAIを使ったプロファイリング自体を抑止する国内ルールは特にない」と指摘している。
佐藤一郎（国立情報学研究所教授）は、個人情報保護法改正案によって、医療機関は患者名付きの病歴やレントゲン写真を、製薬会社や生命保険会社に提供できるようになり、個人の同意を到底得られないような個人情報の目的外利用を可能にすると説明している。統計特例では、データの提供先が名寄せをすることを可能にし、個人の氏名付きウェブ閲覧履歴、購買履歴、SNS投稿、診療記録、与信スコアなどを集約することを可能にする一方で、監督体制は不十分で、悪用の余地が大きいと指摘している。さらに具体的な害がなくても、人々が将来の不利益を恐れ、自己検閲や萎縮に陥りかねず、「日本の個人をパノプティコンに閉じ込める」制度になり得るとしている。AIに学習データとして氏名付きの医療情報を入力した場合に、個人は特定されないという政府の説明についても、「三つくらいの情報を合わせれば、1人に特定できるという相場観だ。希少疾患など比較的集団が少ない情報であれば、おそらく共通するのは1人か2人に特定できる」として、想定の甘さを指摘している。
小泉秀人（一橋大学イノベーション研究センター専任講師）は、改正によって、AIを通じて、クレジットカード会社やSNSプラットフォーム、病院が持つデータ、犯罪歴などを横断的に組み合わせ、病気の傾向や商品の需要、犯罪傾向を分析することができると説明している。データが、氏名を軸に横断的に結び付けられる「名寄せ」が行われることによって、個人がより大きなリスクに晒されると警告している。
消費者団体の主婦連合会は、個人情報保護法改正案の問題点を多く指摘している。つまり、令和6年の個人情報保護委員会報告書が示した「デジタル社会における個人の権利保障」という基本方向から大きく後退しており、課徴金制度・差止請求制度・集団的救済制度という権利保護の基盤的仕組みが弱体化または消滅し、本人同意制度や要配慮個人情報の扱いにおいても緩和が進んでいることが指摘されている。AIを利用したプロファイリングに関連する現代的な権利侵害への対応も不十分であり、データの利活用に関する本人同意の原則が弱められ、個人情報が第三者の業者に勝手に利用され、オプトアウトも困難である問題が指摘された。例として、スーパーのセルフレジに顔を撮影するカメラが設置されているにもかかわらず、顔データの取得有無を事業者に尋ねても回答を拒否された事例を挙げ、取得の有無を回答する義務、生体情報の厳格な規律、AI利用時の説明義務、差止請求制度の導入などが不可欠であると指摘した【意見書】個人情報保護法改正案への意見
石井夏生利（中央大学教授）は、個人情報保護法改正は、欧州連合で2025年に提出されたEU一般データ保護規則（GDPR）改正案が、AI開発・運用のために個人データを扱う際に、機微データの取り扱いを原則禁止する方針を打ち出したのとは対象的としている。GDPRはデータソースの選定やAIの学習・テスト段階におけるデータ最小化、残存データの開示防止、データ主体への透明性確保、無条件での異議申し立て権の提供を求めている。その上で改正案の問題点として、事業者内で違反行為をしても外部からの発見は容易でない点、自身の情報が予想外に利用されることを個人が判別することが難しいなどの問題点を指摘し、個人情報保護が大幅に後退する恐れがあるとしている。
著作権・知的財産権