XAI（Explainable AI：説明可能なAI）技術解説本

実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング

実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング

インプレスグループでIT関連メディア事業を展開するインプレスは、Pradeepta Mishra氏著書による、機械学習の結果を意味づける手法を解説した新刊『実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング』を2023年6月20日（火）に発売した。

Pradeepta Mishra（プラディープタ・ミシュラ）Profile●インドを拠点とする多国籍企業のITサービス兼コンサルティング会社L＆T InfotechのAIデータプロダクト部門上席。データサイエンティスト、計算言語学エキスパート、機械学習・深層学習のエキスパートからなる大規模なグループを率いる。以前には、Analytics India Magazineの「India's Top - 40 Under 40 DataScientists」に選出された。また、データサイエンスやAIに関する500以上の技術講演を、さまざまな大学や技術機関、コミュニティなどで行う。

各種モデルのブラックボックスをグラスボックスに『実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング』

急速な拡大を見せるChatGPTサービスや、政府の有識者会議「AI戦略会議」の開催など、AIの実用化がますます注目を集めている。
実際の現場にAIを導入する際には、ユーザーがAIの予測を信頼できるかどうかが重要です。そのために予測の根拠についての説明が求められています。しかし、ディープラーニングなどの機械学習のモデルはブラックボックス化されており、個々の予測の根拠が明確ではなく説明が難しい、という技術的な課題があります。本書では、各種モデル全般において予測を解釈・説明するためのXAI（Explainable AI：説明可能なAI）の技術を解説。ブラックボックスをグラスボックス化するための手法を具体的に紹介します。

XAI Pythonライブラリで予測の背景を探る『実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング』

『実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング』で取り上げる機械学習の予測モデルは、線形・非線形モデルのほか、アンサンブルモデル、時系列モデル、自然言語処理、ディープラーニング、コンピュータビジョン。
各種のモデルとデータに対して、XAI PythonライブラリのLIME、SHAP、Skater、ELI5、skope-rulesなどを使ったコーディングを行い、実行結果を見ながら、モデルがなぜそのように予測するのかを探っていく。

『実践XAI［説明可能なAI］機械学習の予測を説明するためのPythonコーディング』に掲載されたコードと結果を追っていくことで、XAIの手法を具体的に把握することができる。