XAI（説明可能なAI）

業務へのAI導入が本格化するなか、「AIの説明責任」――即ち、AIの出す推論結果に根拠を示せないことが問題になっています。その解決策としてXAIが注目され、様々な実装コードが公開されていますが、研究者向けの論文が多く、ビジネス現場の実情に即した技術解説は見当たりません。「AIの説明責任」はエンジニアとビジネスパーソンの双方にとって喫緊の課題であるにもかかわらず、基本認識を共通化できるような網羅的・体系的な整理を欠くのが実情です。
本書はXAIについて、背景から個別技術までを体系的に学び、いくつかの主要ライブラリを試しに動かしながら、実務適用に向けた知識を習得できる待望の解説書です。

●前提とする知識やスキル
・機械学習の概要を理解している方（入門書を2～3冊読んだ程度で可）
・AI開発／導入の実務経験はないけれど、実用化に向けた課題を知りたいという方
・Pythonのコードを書ける、少なくとも写経はできる方
・何らかのプログラミング言語に触れ、変数や構文くらいは理解している方
・高校程度の数学の知識。簡単な関数やベクトル演算、集合演算等の数式表現に強い抵抗のない方

●本書で獲得できる知識やスキル
・「AIの説明責任」について、重要性や課題を説明できるようになります。
・AIの業務適用では、誰にどのような「説明」が求められ、現在のXAIで何が可能か解ります。
・XAIによる「大局説明」と「局所説明」の使い分けができるようになります。
・各種のXAIの狙いや動作原理を平易な数式で把握。主な手法の得手／不得手、扱うデータや解くべき問題の違いが解ります。
・各種XAI技術を俯瞰し、説明相手や性能要件、データ特性、AIのアルゴリズム等に応じて、手法選定にあたりをつけることができます。