ブラックボックスではない、根拠を「説明できる」ホワイトなAIへ！

機械学習の利用を考えている方や、人工知能や機械学習に興味のある方ならどなたでも受講可能です。

説明できるAI：

XAIの実現方法と業務へのAI導入方法

≪機械学習の導入上の課題と業務への導入を成功させるコツ≫

【提携セミナー】

主催：株式会社情報機構

産業・社会の色々な場面で“AI”という言葉が多用されており，企業の業務にもAI導入が必須となっていますが，高性能で話題の深層学習（ディープラーニング）は優れた機械学習法である一方，作られる処理が説明できないこと，万能ではなくチューニングが必要であること，膨大な学習データが必要なこと，回路が大規模なことなど，業務への導入の際に弊害になることが多く，産業界での機械学習・AI利用の妨げになっています．特に処理がブラックボックスになることは企業のコンプライアンス上，あるいはリスク管理上の大きな問題であり，現場や顧客への説明ができなければ機械学習を導入することができません．このため，深層学習などの機械学習を人が理解できるようにするための「説明できるAI (XAI:eXplainable AI)」に注目が集まっています．

本セミナーでは，説明できるAI:XAIの考え方・方法論と業務へのAI導入方法，陥りやすいミス，成功の秘訣などについて平易に解説します．

◆受講後、習得できること

• 神経回路網・深層学習の原理と問題点
• 説明できるAI:XAIの概要と将来展望
• AI導入時のポイントと成功のコツ

◆受講対象者

企業で機械学習の利用を考えている方など，人工知能や機械学習に興味のある方ならどなたでも受講可能です．

担当講師

横浜国立大学 大学院環境情報研究院　教授 工学博士 　長尾 智晴 先生

セミナープログラム（予定）

１．人工知能と機械学習
1.1 人工知能とは何か？
～AIの過去・現在・未来～
1.2 機械学習概論
～教師あり／なし／半教師付き学習など～

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
～勾配降下に基づく階層型神経回路網の学習～
2.2 深層学習の基礎と最近の手法
～業務利用の観点から～
2.3 最近のAIの課題と説明できるAI：XAI
～機械学習の説明性・了解性など～

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
～各層の強度や関係性の見える化～
3.2 特徴空間の自動構築と可視化
～データ解析と特徴空間による可視化～
3.3 可視化を前提とした深層学習
～可視化層を内在する深層回路～
3.4 深層回路の構造単純化・最適化法
～線形回路化・回路規模の縮小～
3.5 転移学習と浸透学習
～既存回路・学習時のみ利用可能な情報の利用～

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
～進化計算を用いた特徴量の取捨選択～
4.2 処理過程が説明できる処理の自動構築
～進化的機械学習・進化的画像処理など～
4.3 決定木などの処理の言葉による説明
～処理を自然言語で説明する～
4.4 小規模かつ高性能な回路の自動構築
～構造制約に基づく回路設計～

５．AIの業務へのAI導入方法
5.1 AI導入時の注意点
～基本８原則とは？～
5.2 AI人材の育成方法
～AI導入の成功のコツとは？～

６．まとめ・AIよろず相談室
付録１　代表的な機械学習法
付録２　現状の画像・物体認識の抱える課題と対策
付録３　画像認識システムの選定・導入上の問題
付録４　長尾研・YNU人工知能研究拠点のご紹介

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

備考

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
　（開催1週前～前日までには送付致します）。
＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
（土、日、祝日は営業日としてカウント致しません。）

●当日、可能な範囲で質疑応答も対応致します。
（全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。