XAI

説明可能なAIのこと。AIが導き出した判断や予測の根拠を人間が理解できる形で説明できるAI技術。ブラックボックス化しがちなAIの意思決定プロセスの透明性を高め、信頼性の向上を目指す。

説明可能なAI。AIの判断根拠や推論過程を人間が理解できる形で説明する技術や手法。AIのブラックボックス問題に対処し、AIの透明性と信頼性を高めることを目的とする。

AIが出した予測や判断について、その根拠や過程を人間が理解できる形で示せるようにしたAI、またはそのための技術。深層学習のように内部がブラックボックスになりやすいモデルに対し、どの特徴量が結果に効いたかを示すLIMEやSHAPなどの手法がある。医療、金融、採用のように判断の説明責任が求められる分野で重要となる。

人間の知識をコンピュータに取り込み、知的な問題解決を実現する工学分野。知識ベース、推論エンジン、知識表現（フレーム、セマンティックネット、プロダクションルール）の設計と構築を扱う。エキスパートシステムの基盤。

特定分野の専門家の知識をルールベースとして蓄積し、推論エンジンで問題解決を行うAIシステム。知識ベースと推論機構からなり、医療診断や故障診断などの分野で実用化された。機械学習登場以前のAIの代表的アプローチ。

データからパターンや規則性を自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習に大別される。学習データから汎化能力を獲得し、未知データに対する推論を可能にする。

入力データと正解ラベルのペアから学習する手法。回帰（数値予測）と分類（カテゴリ分け）に大別される。線形回帰、ロジスティック回帰、決定木、サポートベクトルマシン、ニューラルネットワークなどが代表的なアルゴリズム。

正解ラベルのないデータから構造やパターンを発見する手法。クラスタリング（k-means法など）や次元削減（主成分分析など）が代表的。データの潜在的なグループ分けや特徴抽出に用いられる。

エージェントが環境と相互作用し、報酬を最大化する行動方策を学習する手法。試行錯誤を通じて最適な行動を獲得する。Q学習やSARSAが代表的なアルゴリズムで、ゲームAIやロボット制御に応用される。