DeepMind、世界初の二重盲検AI評価を開始

英Google DeepMind（Google傘下の先進人工知能研究機関）は2026年8月27日、商用フロンティアクラスAIモデルを対象とした世界初の「二重盲検（Double-Blind）評価」パイロットプログラムを開始したと発表しました。テスト問題の事前漏洩によるスコア水増し（ベンチマーク汚染）とモデル知的財産の流出を同時に防ぎ、第三者機関が安全かつ厳格にAIの性能を検証できる枠組みを構築します。

従来の妥協を排する暗号学的エンクレーブの仕組み

高度なAIモデルの外部評価では従来、「評価機関がテストプロンプトをモデル提供元に渡す（事前学習での漏洩リスク）」か「モデル提供元がモデル重みを外部に引き渡す（知的財産流出リスク）」のいずれかの妥協が必要でした。

今回のパイロットでは、Google Cloud（Googleのクラウド基盤サービス）のConfidential Space（暗号化されたメモリ上でデータを保護しつつ処理する機密コンピューティング環境）を活用し、両者が互いの内部データを一切閲覧できない安全なGPUエンクレーブ内で推論と採点を実行します。

パートナーシップとパイロット構成

本プログラムは国際的な安全機関および研究コミュニティとの協調によって推進されます。

参画組織	主な役割
Google DeepMind	検証対象モデル「Gemini Flash Lite」の提供およびConfidential Computing基盤の構築
​シンガポールAI安全研究所（Singapore AISI）​	国家機関としての機密安全基準および評価シナリオの策定
MLCommons	信頼性・性能評価ベンチマーク仕様の提供
OpenMined / AVERI	プライバシー保護型評価技術の設計・監査支援

独自価値要素：ベンチマーク汚染防止の意義と限界

AI開発において、公開データセットがモデルの学習データに混入するデータ汚染（評価用の問題がモデルの事前学習データに含まれてしまう現象）は、ベンチマークスコアの信頼性を損なう深刻な問題となっています。従来の非ログ契約（ゼロログ規約）による運用的保護に対し、本パイロットは暗号学的ハードウェア分離という技術的保証を持ち込んだ点に大きな進展があります。

ただし、本評価手法にも留意すべき点があります。

• ​計算コストと環境制約​: Confidential Space対応GPUインスタンスが必要となるため、大規模評価時のインフラコストや実行スループットへの影響について詳細な数値は公表されていません。
• ​適用対象​: パイロット段階ではGemini Flash Liteに限定されており、超巨大モデルへの全面適用は今後の技術レポートでの検証結果を待つ必要があります。

分析と今後の展望

政府機関やサイバーセキュリティ分野など、極めて機密性の高い評価データを取り扱う場面において、モデル重みも評価データも開示せずに独立検証を行える枠組みは、今後のAI規制や第三者監査のデファクトスタンダードになる可能性があります。AIの安全性評価が「信頼」から「検証可能性」へとシフトする象徴的な取り組みといえます。

引用元：Google DeepMind