AIの業務活用が広がる中、その判断の理由を説明できる「説明性」と、結論そのものの「公平性」が大きな課題として浮上している。AIのビジネスでの本番運用で押さえるべきポイントと、それらを実現するソリューションについて解説する。
AIシステムを本番環境で運用する際、大きな課題となっている点が2つある。1つはAIによる判断の理由を説明できる「説明性」だ。アンサンブル学習やニューラルネットワーク、深層学習といった精度の高いモデルは思考プロセスが複雑なため人間に判別できず、最終的な結果の説明性が低下する傾向にある。
もう1つが「公平性」に関連する課題だ。学習データの偏りなどによってバイアスが紛れ込み、AI利用によって人種差別が発生するなど社会問題につながるリスクもある。そのため、昨今のAI運用においては説明可能なAIである「XAI」(Explainable AI)と、運用監視とフィードバックを高速化する「MLOps」という言葉が注目されつつあるが、実際のモデル作成での組み込みは容易ではない。
本Webキャストでは、このようなAIシステムの課題である「説明性」と「公平性」を軸に、本番運用時に押さえるべき点を解説するとともに、必須機能を統合したツールも紹介する。このツールがどのように2つの課題を解決するのか、その実力を確認してほしい。
アイティメディアIDをお持ちの方で、IBM X-Online Digtal Event Portalにご登録いただいた方の中から抽選で3名さまに「iPhone 12 mini」が当たるキャンペーンを実施中です。
※プレゼント抽選締切:2020年12月25日(金)まで
※スペック・カラーは選べません
みなさまがお持ちのアイティメディアID会員情報で「IBM X-Online Digtal Event Portal」のコンテンツをご覧いただけます。
以上で登録は完了です。動画の閲覧が可能になります。
Copyright © ITmedia, Inc. All Rights Reserved.