せつめいかのうな‐じんこうちのう【説明可能な人工知能】
読み方：せつめいかのうなじんこうちのう
説明可能なAI
(説明可能な人工知能 から転送)
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2023/12/29 08:08 UTC 版)
説明可能なAI[1]（せつめいかのうなエーアイ、英語: Explainable artificial intelligence、略称XAI）またはAIを説明するための技術[2]は、人工知能 (AI) が導き出した答えに対して、人間が納得できる根拠を示すための技術である[3]。特定の技術やツールを指し示す言葉ではなく、「AIを理解する」という目的のために研究・提案されている技術の総称である[4]。XAIという用語は2017年4月から始まったアメリカ合衆国DARPA主導による研究プロジェクト（XAIプロジェクト）を契機として広く浸透した[1]。
- ^ a b c d 一色政彦 (2020年1月27日). “XAI（Explainable AI：説明可能なAI）／解釈可能性（Interpretability）とは？”. atmarkIT. アイティメディア株式会社. 2022年6月30日閲覧。
- ^ “Explainable AI(XAI)を活用し、業務システムへのAIの適用や継続的な運用・改善を支援する「AI導入・運用支援サービス」を提供開始”. 日立製作所ニュースリリース. 株式会社日立製作所 (2020年1月27日). 2022年6月30日閲覧。
- ^ 大坪他 2021, p. 3
- ^ 大坪他 2021, p. 40
- ^ 大坪他 2021, p. 19
- ^ a b c 大坪他 2021, p. 20
- ^ デロイト 2020, p. 85
- ^ デロイト 2020, p. 94
- ^ 田辺 2020, p. 16
- ^ a b 大坪他 2021, p. 22
- ^ 田辺 2020, p. 18
- ^ a b c d 大坪他 2021, p. 23
- ^ 大坪他 2021, p. 25
- ^ a b 大坪他 2021, p. 37
- ^ 大坪他 2021, p. 46
- ^ 大坪他 2021, p. 48
- ^ “A New Stanford Index to Assess the Transparency of Leading AI Models” (英語). A New Stanford Index to Assess the Transparency of Leading AI Models (2023年11月1日). 2023年12月1日閲覧。
- ^ ロイター編集部 (2022年4月9日). “アングル：「理由を説明するＡＩ」実用化、ビジネス激変の可能性”. REUTEAS. ロイター. 2022年7月1日閲覧。
- ^ a b “AIのビジネス適用を後押しする「説明可能なAI技術」”. DATA INSIGHT. 株式会社NTTデータ (2019年7月1日). 2022年7月1日閲覧。
- ^ “トレンドデータ活用とAIの予測根拠の提示により、納得感のある潜在ニーズ発掘や打ち手の立案を支援”. 日立製作所ニュースリリース. 株式会社日立製作所 (2021年9月9日). 2022年7月1日閲覧。
- ^ IT Leaders編集部 (2021年10月26日). “TBSテレビ、開票特別番組の当落速報で“説明可能なAI”を活用、予測の根拠を提示”. IT Leaders. 株式会社インプレス. 2022年7月1日閲覧。
- ^ a b 大坪他 2021, p. 66
- ^ “"Why Should I Trust You?": Explaining the Predictions of Any Classifier”. Accessible arXiv. 2022年7月1日閲覧。
- ^ 大坪他 2021, p. 73
- ^ 川越雄介 (2021年4月14日). “SHAPを用いて機械学習モデルを説明する”. DataRobotデータサイエンス. DataRobot. 2022年7月1日閲覧。
- ^ 大坪他 2021, p. 82
- ^ “All Models are Wrong, but Many are Useful: Learning a Variable's Importance by Studying an Entire Class of Prediction Models Simultaneously”. Accessible arXiv. 2022年7月1日閲覧。
- ^ 緒方良輔 (2019年6月13日). “Permutation Importanceを使ってモデルがどの特徴量から学習したかを定量化する”. DataRobotデータサイエンス. DataRobot. 2022年7月1日閲覧。
- ^ 大坪他 2021, p. 91
- ^ 大坪他 2021, pp. 92–93
- ^ 大坪他 2021, p. 97
- ^ 大坪他 2021, p. 99
- ^ a b 大坪他 2021, p. 104
- ^ 大坪他 2021, p. 109
- ^ 大坪他 2021, p. 42
- ^ Janssen, Femke M.; Aben, Katja K. H.; Heesterman, Berdine L.; Voorham, Quirinus J. M.; Seegers, Paul A.; Moncada-Torres, Arturo (February 2022). “Using Explainable Machine Learning to Explore the Impact of Synoptic Reporting on Prostate Cancer” (英語). Algorithms 15 (2): 49. doi:10.3390/a15020049. ISSN 1999-4893.
- ^ 大坪他 2021, p. 45
[続きの解説]
「説明可能なAI」の続きの解説一覧
- 1 説明可能なAIとは
- 2 説明可能なAIの概要
- 3 ビジネスへの転用
- 4 関連項目
- 説明可能な人工知能のページへのリンク
