説明可能性とはなにか？NLPにおける説明可能AIの現状を徹底解説！

3つの要点
✔️ 自然言語処理における説明可能AIについて
✔️ 説明可能な自然言語処理モデルの現状について
✔️ 説明可能性の実現に向けた課題について 

A Survey of the State of Explainable AI for Natural Language Processing
written by Marina Danilevsky, Kun Qian, Ranit Aharonov, Yannis Katsis, Ban Kawas, Prithviraj Sen
(Submitted on 1 Oct 2020)
Comments: Accepted at AACL-IJCNLP2020
Subjects: Computation and Language (cs.CL); Artificial Intelligence (cs.AI); Machine Learning (cs.LG)
   

はじめに

近年大きな成功を収めている深層学習モデルは、そのモデルの判断基準の解釈が困難である(ブラックボックスである)という問題を抱えています。

こうした説明可能性の不足は、そのモデルを利用するユーザーからの信頼性を損なうことにも繋がります。

そのため、深層学習モデルの判断の理由・根拠を明らかにする、説明可能AI(Explainable AI/XAI)の研究が近年重要視されています。この説明可能AIの研究は非常に重要な課題でありながら、新しい領域であるために体系的な知識を得ることが困難です。

こうした情報の不足を鑑みて、本記事では自然言語処理における説明可能AIの現状をまとめました。説明可能AIに興味のある方はぜひご覧ください。

目次

1.説明可能AIの大まかな分類
　・ローカル/グローバル
　・自己説明/事後説明

2.説明可能AIに用いられる技術の詳細
　2.1.説明可能性の技術
　　・Feature importance
　　・Surrogate model
　　・Example-driven
　　・Provenance-based
　　・Declarative induction

　2.2.説明可能性の技術の関連技術
　　・First-derivative saliency
　　・Layer-wise relevance propagation
　　・Input perturbations
　　・Attention
　　・LSTM gating signals
　　・Explainability-aware architecture design

　2.3.説明可能性の可視化技術
　　・Saliency
　　・Raw declarative representations
　　・Natural language explanation

3.説明可能性の評価
　3.1.評価の分類
　　・Informal examination of explanations
　　・Comparison to ground truth
　　・Human evaluation
　　・その他

　3.2.何が説明可能なのか？

4.実際の研究事例のまとめ

• 
• 
• 

この記事に関するカテゴリー

• 論文
• 機械学習
• 言語処理
• survey
• 説明可能AI