アリス・シャンは、弁護士、統計学者であり、ソニーグループ株式会社のAIガバナンスグローバルヘッド兼リードリサーチサイエンティストである。彼女の仕事は、法律、統計学、人工知能の交差点、特にAIシステムにおける公平性、透明性、説明責任の問題に焦点を当てている。2026年には、ネイチャー誌が彼女を注目すべき10人の科学者の一人に選び、AIデータの倫理的ベンチマーク開発への貢献を認めた。また、多様性、バイアス軽減、同意に明確に配慮して収集された1万枚以上の画像からなるデータセットであるFair Human-Centric Image Benchmark（FHIBE）の作成を主導したことでも知られている。
シャンのキャリアは、学界、産業界、非営利研究にまたがる。ソニーに入社する前は、Partnership on AIで働き、公平性、透明性、説明責任の研究を統括していた。彼女の学術的訓練には、ハーバード大学、オックスフォード大学、イェール・ロー・スクールでの学位が含まれており、新興技術のガバナンスに応用する学際的な視点を彼女に与えている。彼女は、肌の色のバイアス、倫理的なデータキュレーション、アルゴリズム的公平性の法的・技術的課題などのトピックについて、影響力のある論文やオピニオン記事を執筆してきた。
教育と初期のキャリア
シャンは、イェール・ロー・スクールで法務博士号、オックスフォード大学で開発経済学の修士号、ハーバード大学で経済学の学士号と統計学の修士号を取得した。この法的・量的訓練の組み合わせは、彼女のAI倫理へのアプローチの中心であり、技術的なモデル開発と規制枠組みの間のギャップを埋めることを可能にしている。
キャリアの初期に、シャンはPartnership on AIで働いた。これは、OpenAI、Google DeepMind、Apple、Amazon Web Servicesを含む主要テクノロジー企業によって設立された非営利団体である。Partnership on AIでは、公平性、透明性、説明責任の研究の責任者を務め、AIシステムをより公平にする方法と、その決定をユーザーに説明する方法を検討するプロジェクトを主導した。また、北京の清華大学で客員研究員のポストも務め、AIガバナンスに関する国際的な視野をさらに広げた。
ソニーでのリーダーシップ
シャンは、ソニーグループ株式会社にAIガバナンスグローバルヘッド兼リードリサーチサイエンティストとして入社した。この役割で、彼女は同社のAI製品と研究が倫理的原則を遵守するための戦略を監督している。ソニーのAIイニシアチブは、家電からエンターテインメント、ゲームまで幅広いアプリケーションに及び、シャンの仕事は、これらの多様な領域に適用できるガバナンス枠組みの開発を伴う。
彼女のリーダーシップの下で、ソニーは倫理的なデータ収集とキュレーションの重要性を強調してきた。シャンは、AIシステムの品質と公平性は、その訓練に使用されるデータに大きく依存すると主張し、同意、多様性、知的財産保護を優先する業界全体の基準を提唱してきた。ソニーでの彼女の仕事は、特に生成AIと大規模言語モデルの文脈において、責任あるAI開発のリーダーとして同社を位置づけている。
Fair Human-Centric Image Benchmark（FHIBE）
シャンの最も重要な貢献の一つは、1万枚以上の人間の画像からなるデータセットであるFair Human-Centric Image Benchmark（FHIBE）の開発である。このデータセットは、多様性を反映し、バイアスを軽減し、知的財産権を保護し、撮影された個人からの同意を含めるという明確な目標を持って作成された。これは、多くの既存の画像データセットが、明示的な許可なしにインターネットからスクレイピングされ、特定の人口統計グループを過小評価することが多いのとは対照的である。
FHIBEは、2025年11月にネイチャー誌に掲載された論文で発表され、ジェローン・T・A・アンドリュース、レベッカ・L・バークらと共同執筆された。このデータセットは、異なる人口統計グループ間でのAIモデルのパフォーマンスを評価するためのベンチマークとして機能することを意図しており、研究者が機械学習システムのバイアスを特定し修正するのに役立つ。2026年には、FHIBEはファスト・カンパニーのワールド・チェンジング・アイデアの一つに選ばれ、AIトレーニングデータの調達と使用の方法を再形成する可能性が強調された。
公平性と透明性に関する研究
シャンは、AIにおける公平性を確保する課題について広範に出版している。彼女の仕事は、バイアス軽減への技術的アプローチと、AIシステムが動作する法的・社会的文脈との間の緊張にしばしば対処している。2020年にテネシー・ロー・レビューに掲載された論文「Reconciling legal and technical approaches to algorithmic bias」では、差別に関する法的基準がより公平なアルゴリズムの設計にどのように情報を提供できるか、またその逆について探求した。
もう一つの注目すべき貢献は、2021年の論文「What We Can't Measure, We Can't Understand: Challenges to Demographic Data Procurement in the Pursuit of Fairness」であり、マッケイン・アンドラス、エレナ・スピッツァー、ジェフリー・ブラウンと共同執筆された。この論文は、AIシステムをバイアスについて監査するために必要な人口統計データを収集する実際的な困難、プライバシーへの懸念や誤分類のリスクを含めて検討している。この仕事は、AIにおける公平性とプライバシーのバランスをどう取るかについての議論を形成する上で影響力を持っている。
シャンはまた、透明性の一形態としての不確実性の概念も調査している。2021年にAAAI/ACM AI、倫理、社会会議で発表された論文で、彼女と同僚は、AIシステムがユーザーに不確実性を伝え、より情報に基づいた意思決定を可能にすべきだと主張した。この視点は、AIの出力は常に高い信頼度で提示されるべきであるという一般的な前提に挑戦している。
音声生成器の倫理的害
2024年、シャンは「Not My Voice! A Taxonomy of Ethical and Safety Harms of Speech Generators」と題する論文を、ヴィーブケ（トゥーサン）フティリとオレステス・パパキリアコプロスと共同執筆した。この論文は、コンピュータ協会が主催する会議で発表され、AI生成音声から生じる害を分類するための包括的な枠組みを提供している。これには、個人情報の盗用、なりすまし、誤情報の拡散、および音声証拠への信頼の侵食などのあまり明白でない害が含まれる。
この分類法は、開発者と政策立案者が、深層学習とニューラルネットワークの出現によりますます洗練されてきた音声生成技術に関連するリスクを予測し軽減するのに役立つことを意図している。この分野でのシャンの仕事は、生成モデルが現実的なコンテンツを生成する能力を高めるにつれて、AIの社会的影響に対する彼女のより広い関心を反映している。
受賞と栄誉
シャンの貢献は広く認められている。2021年には、Women in AI Ethicsによる100 Brilliant Women in AI Ethicsリストに含まれた。2025年には、Future of Privacy Forumから、2024年にジャーナルDaedalusに掲載されたエッセイ「Mirror, Mirror, on the Wall, Who's the Fairest of Them All?」に対してPrivacy Papers for Policymakers Awardを受賞した。このエッセイは、コンピュータビジョンシステムが個人、特に疎外されたグループの人々を誤って見ることができる方法を検討し、プライバシーと可視性の両方を考慮した公平性のより微妙な理解を主張している。
2026年には、AI MagazineのTop 100 Women in AIの一人に選ばれ、ネイチャー誌は彼女を注目すべき10人の科学者のリストに含めた。これらの栄誉は、技術研究と政策開発の間の橋渡し役と見なされるAI倫理の分野での彼女の影響力の高まりを反映している。
主要な著作と出版物
シャンは、多数の影響力のある論文を執筆または共同執筆している。彼女の最も引用された作品の中には、2020年に発表された「Explainable machine learning in deployment」があり、現実世界のシステムで説明可能性技術を実装する実際的な課題を検討している。この論文は、ウマング・バットらと共同執筆され、解釈可能性に関する学術研究と実務家のニーズとの間のギャップを議論している。
彼女の出版物記録には、AIの法的側面に関する仕事も含まれており、2022年にハーバード・ジャーナル・オブ・ロー＆テクノロジーに掲載された「Being 'seen' versus 'mis-seen': Tensions between privacy and fairness in computer vision」などがある。この論文は、特に監視と顔認識技術において、プライバシー保護が公平性を確保する努力とどのように衝突し得るかを探求している。
学術論文に加えて、シャンはフォーチュン誌とタイム誌にオピニオン記事を執筆し、肌の色のバイアスと倫理的なデータキュレーションに関する研究をより広い聴衆に伝えてきた。複雑な技術的問題をアクセスしやすい言語に変換する彼女の能力は、AI倫理に関する求められるコメンテーターとなっている。
影響と遺産
シャンの仕事は、AIをそれに影響を受ける人々に対してより説明責任を持たせるためのより広い運動の一部である。データ収集から展開までのAIシステムのライフサイクル全体に焦点を当てることで、彼女は会話を純粋に技術的なパフォーマンスから社会的責任の問題へとシフトさせるのに貢献してきた。ソニーでの彼女のリーダーシップは、学術的貢献と組み合わさって、革新的かつ倫理的なAIを開発する進行中の努力における重要な人物として彼女を位置づけている。
AIが社会のあらゆる側面に浸透し続けるにつれて、シャンが開発した倫理的なデータキュレーションと公平性評価の枠組みはますます重要になる可能性が高い。特にデータ収集における同意と多様性への彼女の強調は、個人の権利を尊重しながら高いパフォーマンスを達成するAIシステムを企業が構築する方法のモデルを提供している。彼女の研究、提唱、リーダーシップを通じて、シャンは21世紀における責任あるAIがどのようなものかを定義するのに貢献している。