本セミナーでは、ブラックボックス的な性質が課題となる機械学習技術について取り上げ、モデルの判断根拠や内部挙動を説明する解釈性付与について、具体的手法から活用技術、機械学習を用いた開発・ビジネスにおいて解釈性が可能にすること、今後求められる技術や方向性などを解説いたします。
映像解析・画像認識での飛躍的な精度向上をはじめとして、Webサービス、医療、自動運転など応用が広がる機械学習技術について、モデルの判断根拠や内部挙動を説明する、解釈性付与の技術を解説します。 講義ではまず、機械学習モデルの解釈性に関する世の中の議論を整理し、社会に望まれる性質 (Desiderata) について解説します。次に、解釈性を与えるアプローチを紹介し、現在利用可能なライブラリを用いながら、解釈性が、機械学習モデルを使った開発・ビジネスをどのように助けることができるか、また今後どのような技術が求められるかを解説します。