第1章 AI安全性の基礎
1.1 AI安全性とは
1.2 AI安全性の社会的動向
1.3 まとめ
第2章 AIリスクの分類
2.1 不快表現を生成するリスク
2.2 情報漏洩リスク
2.3 誤情報リスク
2.4 悪用リスク
2.5 精神的依存リスク
2.6 その他の外部に潜むリスク
2.7 まとめ
第3章 AIの理想的な振る舞い
3.1 モデルスペックの構成
3.2 安全性ルール：制約の範囲を超えない
3.3 他組織のルール
3.4 まとめ
第4章 安全性評価技術：ベンチマーク
4.1 LLMを評価する安全性ベンチマーク
4.2 MLLMを評価する安全性ベンチマーク
4.3 まとめ
第5章 安全性評価技術：レッドチーミング
5.1 レッドチーミングの概要
5.2 攻撃手法の体系化
5.3 レッドチーミング実践
5.4 まとめ
第6章 安全性向上技術：モデルレベル
6.1 事前学習における安全性向上技術
6.2 SFTにおける安全性向上技術
6.3 RLHFにおける安全性向上技術
6.4 合成データアプローチ
6.5 推論フェーズにおける安全性制御
6.6 まとめ
第7章 安全性向上技術：システムレベル
7.1 ガードレール
7.2 ガードレールコンポーネント
7.3 ガードレールツールキット
7.4 まとめ
第8章 AI安全性の未来
8.1 対話から実行へ：エージェントAIのリスク
8.2 デジタルから物理世界へ：ロボティクスAIのリスク
8.3 人知を超えた知性へ：AGI/ASIのリスク
8.4 まとめ
付録A 実務クイックスタート