Autodesk AI 透明性カード

カードの上部の「AI 透明性カード」という文言の下に、オートデスク製品の名前と AI 機能の名前が表示されます。

• オートデスク製品名（例：Autodesk Forma）
• 製品の AI 機能（例：エンボディド カーボン解析）

カードの説明には、AI 機能が製品内で使用された場合に実行すると予想されるアクションがまとめられています。

フィーチャー機能とは、AI や機械学習（ML）テクノロジーの機能を指し、次の3つのうちの 1 つを使用して AI 機能を強化します。

• 自動化：Autodesk AI は、従来は手作業や多大な間接費が必要だったステップを自動化することで、反復作業を削減し、エラーを最小限に抑えます。これにより、多くの時間をクリエイティブな作業やイノベーションに割くことができます。
• 分析：Autodesk AI は、膨大な量の複雑なデータに直面したエンド ユーザーに実用的なインサイトを提供し、最もスマートなソリューションを作成するために何が最も重要かをリアルタイムで理解できるようにサポートします。
• 拡張：Autodesk AI は、コンテキストの理解によって思考のスピード、質、幅を向上させることで、創造的な探求と問題解決を強化します。  

モデル ソースは、AI 機能を強化するためにモデルが開発されたソース タイプを記述します。

• 独自仕様：AI/ML モデルはオートデスクが社内で開発したものです。
• オープン ソース：オートデスクは、第三者によって開発され、一般に公開された AI/ML モデルを使用しています。
• ライセンス：オートデスクは、第三者が開発した AI/ML モデルを使用するライセンスを所有しています。
• 組み合わせ：AI/ML モデルの一部はオートデスクが社内で開発し、他の部分は第三者（オープン ソースまたはライセンス）によって開発されました。

各 AI 機能の背後にあるモデルは、方法、アプローチ、手法を使用して、データから学習し、パターンを見つけ、タスクを実行し、結果を生成します。私たちは、お客様のために製品の品質と価値を向上させる手法を使用しています。手法は常に進化しており、場合によっては複数の手法が使用されていますが、その一部はここに表示されていない可能性があります。このフィールドでは、AI 機能の開発に使用される主な手法について説明します。

• トランスフォーマー：データを処理および理解して、言語翻訳などのシーケンシャル タスクをより効率的に実行するように設計された機械学習手法。
• エンコーディング：機械学習モデルで効率的に処理できる特定の形式にデータを変換するプロセス。
• 分類：定義済みのカテゴリに項目を割り当て、履歴データに基づいて新しい観測値のカテゴリを予測する教師あり学習手法。
• フィード フォワード ニューラル ネットワーク（NN）：サイクルやループを介さずに、情報が入力から出力まで一方向に流れるディープ ラーニング手法。
• 予測：データから学習して、過去のデータやパターンに基づいて将来のイベントや結果について情報に基づいた予測を行い、予測結果、意思決定、インサイトの提供などを行う AI 手法。
• 遺伝的アルゴリズム：自然淘汰の概念に基づいた、制約付きおよび制約なしの両方の最適化問題を解くための手法。
  • 制約付き最適化問題では、問題の解で考慮しなければならない論理限界または条件を使用します。これらは、生産能力、在庫、利用可能なスペースなどに関する実際の制約を反映しています。
  • 制約のない最適化問題は、解で考慮すべき制限や条件が事前定義されていない状況を扱います。
• トランスフォーマーの拡散：データにノイズを徐々に追加することによって拡散プロセスを逆転させ、データを作成するトランスフォーマー手法（前述のトランスフォーマーを参照）。

「はい」または「いいえ」の指定で示され、最終的なアクションを実行する前に、生成された出力をユーザーが確認したり、さらに更新したりできるかどうかを示します。これは「ヒューマン イン ザ ループ」とも呼ばれます。

このセクションでは、この機能の開発に使用されるトレーニング、テスト、または検証データセットに個人データが存在するかどうかを示します。 

カードにリストされているデータ ソース指定によって、この機能の開発に使用されるデータ ソースのタイプが識別されます。これには、AI 機能を強化するモデルのトレーニングに使用されたデータが含まれます。ソースの種類は、次のように分類されます。

• オープン ソース：オープン ライセンスの下で自由に使用、変更、配布できるデータ。
• お客様コンテンツ：オートデスクの利用規約で「お客様のコンテンツ」として定義されているとおり、お客様またはその認証ユーザーが製品に送信またはアップロードするデータ。
• 合成データ：実際のデータの構造や統計的特性を模倣し、類似させることができるシステムまたはモデルによって生成されたデータ。
• 商用：制限付きライセンスに基づき第三者から購入または取得されたデータ。
• 混合：複数のデータ ソース カテゴリが使用されています。
• お客様がトレーニングを実施：お客様が独自のデータを使用しトレーニングを実施しました。

選択肢の形式は、「オプトイン/オプトアウト」、「いいえ」、または「該当なし」と表示されます。これらのラベルは、AI 機能の開発/改善にデータが使用される際に、お客様やそのユーザーが利用できる選択形式を識別するものです。

• オプトイン/オプトアウト：お客様は、機能開発/改善のためのデータの使用をオプトインするかしないかを選択できます。
• いいえ：選択肢は提供されていません。
• 該当なし：お客様のコンテンツは機能開発/改善に使用されないため、選択は適用されません。

保存中の暗号化と転送中の暗号化の 2 種類の暗号化に関する情報を提供します。これらは両方とも「はい」または「いいえ」と表示されます。

• 保存時の暗号化：データが保持されているデータベースでデータが暗号化されているかどうかを示します。保存時のすべての暗号化では、Advanced Encryption Standard（AES）の 256 ビットのキー長（AES-256）が使用されます。
• 転送中の暗号化：データがあるポイントから別のポイントに送信されるときにデータが暗号化されるかどうかを示します。オートデスクは、転送中に HTTPS 標準暗号化、AES-256 を使用した RSA（最低でも TLS 1.2 を使用）による暗号化を適用します。

カードのこのセクションには、当社の標準的なセキュリティ メカニズムに加えて、データの機密性と保護を維持するために採用されている他の注目すべきメカニズムが適宜示されています。これらの保護措置は、個人データと企業データの両方に適用されます。

• トークン化：データ内の一連の情報は、「トークン」と呼ばれる小さな単位に分割されます。
• 非識別化：識別子はデータから削除され、プレースホルダー値に置き換えられます。
• 匿名化：データセットには個人を特定できる情報は含まれておらず、その情報を個人を特定できる情報に結び付ける方法もありません。