法倫理・リスク
説明可能性とは？
読み: せつめいかのうせい英語: Explainability更新日: 2026-06-23
説明可能性とは、AIの判断や出力について、理由や根拠を人間が理解できるようにする性質です。
G検定AWS AI Practitioner
関連表記: 説明可能性 / Explainability / XAI / 解釈可能性
試験で問われるポイント
- 責任あるAI、透明性、監査と関係します。
- 重要判断では、根拠や説明が求められます。
- 高性能でも説明できない場合はリスクになります。
具体例
融資審査AIで、なぜ否認されたのか説明できるようにする必要があります。
混同しやすい点
- 正解率が高ければ説明は不要だと考える。
- すべてのモデルが同じ程度に説明可能だと考える。
関連問題で復習
AWS AI Practitioner責任あるAIの指針
採用スコアリングモデルを導入する企業が、不合格通知に対する応募者からの異議申し立てや監査対応に備えたいと考えています。モデルの説明可能性を高める目的として最も適切なものはどれか。
G検定AI倫理・AIガバナンス
AIの説明可能性が求められる主な理由はどれか。
Cloud Digital LeaderGoogle CloudのAI活用
AIによる判定を利用する担当者から、「この申請が別の申請と異なる判定になった理由を理解したい」と要望がありました。説明可能性を高める対応に最も近いものはどれですか。
生成AIパスポート情報リテラシー・基本理念とAI社会原則
AIの透明性と説明可能性の違いとして、最も適切なものはどれか。
AWS AI Practitioner責任あるAIの指針
責任あるAI(Responsible AI)を実践するうえで考慮すべき観点として適切なものを2つ選べ。
AWS AI Practitioner責任あるAIの指針
分析サービスの利用資格を持つ既存顧客が、与信モデルの本番導入前に属性による不公平な予測を確認し、各特徴量が予測にどう寄与しているかを調べます。この機能を提供するサービスはどれですか。
DS検定基盤
データ倫理という考え方の説明として、最も適切なものはどれか。
G検定人工知能をめぐる動向
機械学習をルールベース手法と比較した説明として、最も適切なものはどれか。