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

〜機械学習の説明性向上・精度向上の方法と失敗しないAI導入のコツ〜　

＜経歴、等＞	東京工業大学大学院出身、東京工業大学助手・助教授を経て、2001年より現職。YNU人工知能研究拠点長。情報工学EP代表。経産省NEDO「共進化AIプロジェクト」採択課題研究代表者、横浜国大発ベンチャー　株式会社マシンインテリジェンスCTO。
＜研究＞	知能情報学／機械学習／感性情報処理／知的画像処理／進化計算法／マルチエージェント／医工連携工学など。
＜学会＞	情報処理学会、電子情報通信学会、電気学会、人工知能学、進化計算学会、IEEEなどに所属して各学会で活動中。

　

　

　1　人工知能と機械学習
　　1.1　人工知能とは何か？〜定義・考え方の推移など〜
　　1.2　機械学習概論〜説明／事例に基づく学習など〜

　2　深層学習（ディープラーニング）の現状と課題
　　2.1　ニューラルネットワーク概論〜NNの原理と学習の本質〜
　　2.2　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〜
　　2.3　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〜

　3　ブラックボックス系機械学習のXAI
　　3.1　学習済みの深層回路の可視化〜Grad-CAM・LIMEなど〜
　　3.2　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〜
　　3.3　可視化を前提とした深層学習〜GCM・判断根拠の提示〜
　　3.4　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〜
　　3.5　転移学習と浸透学習〜知識の転用による学習〜

　4　ホワイトボックス系機械学習のXAI
　　4.1　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〜
　　4.2　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〜
　　4.3　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〜
　　4.4　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〜

　5　AIの業務への導入方法
　　5.1　AI導入時の注意点〜課題と解決策〜
　　5.2　AI人材の育成方法〜どの方法がベストか？〜

　6　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：横浜国大・長尾研のご紹介