

※1:ここでは生体データや心理データ、感情データなど、本人が容易に変更や撤回するのが難しく、差別や不利益に直結し得る高リスクな情報全般のことを指しています。
※2:三菱総合研究所では、個々人の心の応答をモデル化したHDTをTypeP、類型化された集団の心の応答をモデル化したHDTをTypeC、一般的な人の心の応答をモデル化したHDTをTypeGと分類しています。
ヒューマン・デジタルツインとは何か?「人の心」をサイバー空間に再現する革新技術 心とデジタルの融合(1)(3Xによる行動変容の未来2030 2025年7月10日)
※3:ここでの「持続するプロファイル」とは、氏名や年齢といった基本属性に加え、行動履歴などから推定される嗜好や傾向が、時間とともに更新されながら蓄積された情報のまとまりを指します。
※4:個人情報保護法で定められた処理(匿名化など)が施されていても、データが大規模に集約されている場合、それ自体が外部情報との照合対象となり得ます。実際、Netflix Prizeで公開された匿名加工済みの映画評価データセットについて、インターネット上の公開レビュー情報との突合から、特定のユーザーを高い確率で再識別できることが示されており(How To Break Anonymity of the Netflix Prize Dataset)、個々のレコードが限定的な情報しか含まない場合でも、大規模に集約されることで、再識別のリスクや攻撃対象としての価値が飛躍的に高まることが示唆されています。
Arvind Narayanan, Vitaly Shmatikov, “How To Break Anonymity of the Netflix Prize Dataset”
https://arxiv.org/abs/cs/0610105(閲覧日:2026年3月25日)
※5:感情や情動に関する推測データは、これもまた機微な情報として扱うべきです。
※6:OECDの資料や、情報政策リーダーシップセンター(CIPL)の資料などを参照すると、多くのプライバシー保護技術が存在することがわかります。
OECD “Emerging privacy-enhancing technologies”
https://www.oecd.org/content/dam/
CIPL, “Understanding the Role of PETs and PPTs in the Digital Age”
https://www.informationpolicycentre.com/
※7:連合学習(フェデレーテッドラーニング)と呼ばれる技術は、学習元のデータをほかに開示することなく機械学習を行うことを可能にします。しかし、学習結果からの推測リスクなどもあるため、追加の対策が必要になることもあります。
※8:一般に、設計後の変更は設計初期の変更よりコストが大きくなりやすいことが知られています。2002年のレポートですが、NISTは欠陥修正コストが発見時期に強く依存することを示しており、運用・保守段階での修正は要件定義段階での修正の470〜880倍、設計変更を伴う場合には約2900倍に達する可能性を報告しています。
G. Tassey, “The Economic Impacts of Inadequate Infrastructure for Software Testing,” Technical Report, NIST, 2002.
https://www.nist.gov/system/files/
※9:ここでは利用者、サービス提供者、データ管理者、行政機関、悪意ある第三者など、HDTに関わる可能性があるさまざまなエンティティを考慮する必要があります。
※10:中立的な主体の在り方については、何か一律のモデルを想定する必要はありません。業界団体が十分な知見と独立性を持つ場合はその団体が担えばよく、専門性と倫理性が高度に求められる高リスク領域では、専門家を中心とする外部団体が担うことも考えられます。重要なのは、分野ごとに適切な主体を定めつつ、リスク類型や判断材料を継続的に更新し、安全と利便性のバランスを最適な状態に保つことです。
※11:例えば電通のPeople Modelや、博報堂のバーチャル生活者など、国内の複数企業から人のデジタルツインを活用したサービスが出始めています。これらのサービスは社内での利用を前提として作られたものであり、本コラムで指摘するようなリスクを直接的に有するサービスではありません。
電通ウェブサイト「AI For Growth - Labs & Projects(ラボ&プロジェクト)」
https://www.dentsu.co.jp/labo/
博報堂ニュースリリース「博報堂、生成AIで生活者発想を支援するサービスプロトタイプを開発 自社の生活者調査データベースから7,000タイプのバーチャル生活者を生成—AIを生活者の声を聴くイマジネーション・パートナーへ—」(2024年3月22日)
https://www.hakuhodo.co.jp/news/
※12:アラヤのPersona Labなど。
https://lp.araya.org/neuroai/