◆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。
第1部■課題設定
第1章　AIになぜ「説明」が必要か？

第2部■基礎知識
第2章　「説明可能なAI」の概要
第3章　XAIの活用方法
第4章　様々なXAI技術
第5章　XAIライブラリの評価・選定

第3部■実践指南
第6章　LIMEによる表形式データの局所説明
第7章　LIMEとGrad-CAMによる画像データの局所説明
第8章　LIMEとIntegrated Gradientsによるテキスト分類の局所説明
第9章　SHAPによる局所的・大局的説明と応用
第10章　ELI5、PDPbox、Skaterによる大局説明
第11章　LIME、SHAPの苦手シーンと解決策

第4部■将来展望
第12章　業務で求められる説明力
第13章　これからのXAI
付録　環境構築の手順