説明性

説明可能な機械学習（Explainable Machine Learning）は、AIの意思決定を人間に理解しやすくする方法を指します。

統合勾配は、ニューラルネットワークにおけるモデルの予測を入力特徴に帰属させる方法です。

解釈性研究は、AIモデルを人間に理解しやすくすることに焦点を当てています。

LIME（Local Interpretable Model-Agnostic Explanations）は、局所的にモデルを近似して機械学習モデルの予測を解釈します。

Model Explainability refers to the degree to which an AI model's decisions can be understood by humans.