説明可能AI (XAI:explainable AI) の作り方とAIの業務への導入方法

本セミナーでは、最近特に必要性が注目されている「説明できるAI」について、深層学習などのブラックボックス機械学習の説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、次世代AIである進化的機械学習、企業へのAI導入を成功させるコツについて平易に解説いたします。

日時

プログラム

人工知能と機械学習
1. 人工知能とは何か? – 定義・考え方の推移など -
2. 機械学習概論 – 説明/事例に基づく学習など -
深層学習 (ディープラーニング) の現状と課題
1. ニューラルネットワーク概論 – NNの原理と学習の本質 -
2. 深層学習の基礎と最近の手法 – 深層学習の考え方・長所・短所 -
3. 最近のAIの課題と説明できるAI:XAI – 現状のAIの課題と解決策 -
ブラックボックス系機械学習のXAI
1. 学習済みの深層回路の可視化 – Grad – CAM・LIMEなど -
2. 特徴空間の自動構築と可視化 – AE・CAE・VAE・UMAPなどによる次元圧縮 -
3. 可視化を前提とした深層学習 – GCM・判断根拠の提示 -
4. 深層回路の構造単純化・最適化法 – 進化計算法・勾配降下による方法 -
5. 転移学習と浸透学習 – 知識の転用による学習 -
ホワイトボックス系機械学習のXAI
1. 特徴量の最適化による精度向上 – SVMなどの特徴量の最適化 -
2. 処理過程が説明できる処理の自動構築 – 処理ユニットの組合せ最適化 -
3. 決定木などの処理の言葉による説明 – ルール集合による説明 -
4. 小規模かつ高性能な回路の自動構築 – セル型回路の利用など -
AIの業務への導入方法
1. AI導入時の注意点 – 課題と解決策 -
2. AI人材の育成方法 – どの方法がベストか? -
まとめ・AIよろず相談室
- 質疑応答とフリーディスカッション

付録

付録1: 代表的な機械学習法
付録2: 進化計算法の原理と特徴
付録3: 横浜国立大学長尾研究室のご紹介

受講料

ライブ配信セミナーについて

本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
お申し込み前に、視聴環境とテストミーティングへの参加手順をご確認いただき、テストミーティングにて動作確認をお願いいたします。
開催日前に、接続先URL、ミーティングID、パスワードを別途ご連絡いたします。
セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。