Question#1(AIF-C01)
ある企業は、予測を毎四半期作成し、予測される需要を満たすための運用を最適化する方法を決定しています。同社はこれらの予測を作成するために機械学習（ML）モデルを使用しています。
AIプラクティショナーは、トレーニング済みMLモデルに関するレポートを作成し、企業の関係者に透明性と説明可能性を提供しようとしています。
モデルの透明性を高め、予測がどのように行われているかを関係者が理解しやすくするために、AIプラクティショナーは何をレポートに含めるべきですか？
正解：B
部分依存プロットは、特定の特徴（入力変数）がモデルの予測にどのように影響を与えるかを可視化する手法です。これは透明性と説明可能性を高めるために非常に有用であり、非技術的な関係者にも視覚的に理解しやすい形式で情報を伝えることができます。そのため、正解となります。 この問題は、AIや機械学習モデルを使用する際、関係者（特に非技術者）に対して透明性と説明可能性をどのように提供するかが問われています。部分依存プロット（PDPs）は、モデルの入力特徴量が予測に与える影響を視覚的に示し、非技術者にも理解しやすいため、説明可能性を高める最適な選択肢です。その他の選択肢（コード、サンプルデータ、収束テーブル）は技術者向けの情報であり、説明可能性の要件には直接寄与しません。
コメント