出版社内容情報
◆AIの説明責任を果たす ◆
◆◆手法とツールを解説◆◆
AIが出した答について「なぜ？」「どうして、そうなるの？」と問われた開発者は、絶句するほかありません。そこを機械に任せるための機械学習なのですから、「黙って信じてください」と頼みますか？
この難問に対し、人間が納得できそうな理由や根拠を示す技術が「説明可能なAI」（eXplainable AI：XAI）です。本書では、実際にどのような「説明」が必要とされ、また、可能なのかを丁寧に解説。代表的なXAI技術の概要を紹介し、PythonのXAIライブラリLIMEやSHAP等の使いこなしを手引き。AIの業務適用で迫られる「公平性・説明責任・透明性」という3 つの要求に備えます。
目次
第１部 課題設定（ＡＩになぜ「説明」が必要か？）
第２部 基礎知識（「説明可能なＡＩ」の概要；ＸＡＩの活用方法 ほか）
第３部 実践指南（ＬＩＭＥによる表形式データの局所説明；ＬＩＭＥとＧｒａｄ‐ＣＡＭによる画像データの局所説明 ほか）
第４部 将来展望（業務で求められる説明力；これからのＸＡＩ）
付録：環境構築の手順
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
オザマチ
15
この分野がまとまった書籍はなかったから、とても参考になる。2021/11/04
Go Extreme
4
課題設定： AIになぜ説明が必要か 基礎知識： 説明可能なAIの概要 XAIの活用方法 様々なXAI技術 XAIライブラリの評価・選定 実践指南： LIMEによる表形式データの局所説明 LIMEとGrad-CAMによる画像データの局所説明 LIMEとIntegrated Gradientsによるテキスト分類 SHAPによる局所的・大局的説明と応用 ELI5、PDPbox、Skaterによる大局説明 LIME、SHAPの苦手シーンと解決策 将来展望： 業務で求められる説明力 これからのXAI 環境構築の手順2021/11/12
跼
2
2021年出版。AI/Data Science実務選書の一。共著者全員が NTT データ／NTT 数理データの社員である。基礎知識編ではアルゴリズムの数理が述べられており、好感が持てる。実践指南編では、LIMEやGrad-CAM、Integrated Gradients、SHAP などのアルゴリズムや、ELI5 や PDPbox、Skater といったパッケージによる分析を行う。将来展望編では、XAI が心理学や認知工学、行動社会学の知見を取り入れながら発展するさまを展望する（p.235）。2024/06/17
wwb
2
広く浅い説明だが、LIMEやSHAPライブラリの使用例のコードもついているので、最初の取っ掛かりとしてはいいかも。 ざっくり読んで自分に必要な技法を深堀りすればいい。2021/10/22
けーこ
1
AI技術のブラックボックス性に対して、説明を与えようとする最新の技術動向や具体的に利用可能なライブラリを知ることができ勉強になった。XAI技術に興味はあったが、詳細が書かれているような書籍が目に止まらなかったので、本書を知れてよかった。自分で実際に実装するのはまだ難しく感じたが、どういったものがあるのかだけでも知ることができて嬉しく思う。2023/04/24
