↑: [[G検定に関する知識]] - ディープラーニングなどの複雑なモデルで、答えは出るがなぜそうなったかが分からない問題 - 精度が高いほど中身が読みにくくなる傾向がある - 解決アプローチ：①本質的に解釈可能なモデル（決定木・線形回帰）②事後説明型（CAM・LIME・SHAP） - AIの入力と出力の間（内部処理）が見えない問題 - 深層学習はパラメータが数百億〜一兆超。人間が追えるスケールを超える - 本質：「複雑さと精度のジレンマ」。精度向上のために説明性を失った - 透明性の対極にあたる状態 - cf. [[モデルの解釈性]], [[説明可能AI]], [[透明性-G検定]], [[説明可能性]], [[XAI]]