Google DeepMind、Gemini Flash Lite で世界初の二重盲検 AI 評価モデル検証を実施──暗号学的隔離でベンチマーク汚染を排除
Google Cloud Confidential Space の TEE を活用し、評価者とモデル提供者の双方に重みを隠したまま検証を行うことで、商用 AI 評価の信頼性を担保した。
リリース: 2026-08-27 · 読了 3 分記事の要約
1. 核心（What）
- Google DeepMind は、商用フロンティアモデル Gemini Flash Lite を対象に、評価者とモデル提供者の双方が情報を非公開のままテストを行う二重盲検評価のパイロットを実施した。
- 検証のインフラとして Google Cloud の Confidential Space およびハードウェアエンクレーブを使用し、モデルの重みとテストプロンプトの双方の機密性を維持した。
- Singapore AI Safety Institute や MLCommons などの外部機関が参画し、ベンチマーク汚染（contamination）を防ぐための新たな評価プロセスを実証した。
2. 影響（Why）
- ベンチマークスコアの信頼性回復: 事前学習データにテスト問題が混入する懸念がなくなるため、CTO や評価担当者は水増しされていない正確な性能データを根拠にモデル選定を行えるようになる。
- 国内ガバナンス評価への適用可能性: 機密データを外部に出せない国内の公共機関や規制対応組織（医療・金融系）は、モデル提供者に内部プロンプトやデータを渡さずに安全な安全性監査を実施できる道が開ける。
3. 根拠・詳細（How）
- Confidential Space による暗号学的隔離: Google Cloud の Confidential Computing スタックを利用し、GPU エンクレーブ上でモデルの重みとテストプロンプトを同時に密閉実行して結果のみを出力する。
- 暗号学的証明の生成: エンクレーブ内で事前に合意された評価コードのみが実行されたことを示す署名付き証明書（attestation）を発行し、検証プロセスの改ざんを防止する。
4. 展望・課題（Next）
- 他社フロンティアモデルへの展開: OpenAI や Anthropic、Meta などの主要ラボが同様のエンクレーブベースの評価を受け入れるかどうかが今後の業界標準化の鍵となる。