2025/10/17
第37回 RAMP 数理最適化シンポジウム (RAMP2025)
https://orsj.org/ramp/ramp2025
タイトル:
説明可能な機械学習と数理最適化
概要:
深層学習に代表される機械学習技術の発展にともない,機械学習モデルの予測に基づくデータ駆動型の意思決定が,医療や金融などといった実社会の様々な領域で注目されている.このような領域における重大な意思決定タスクでは,予測に基づく意思決定結果が人間の生活に大きな影響を与える恐れがある.したがって,機械学習モデルの透明性を担保して説明責任を果たすために,予測結果に関する何らかの追加情報を提示できる説明可能性(explainability)の実現が喫緊の課題となっている.しかし,ユーザからの信頼を得るために説明が満たすべき要件と,それを満たす説明を生成するための具体的な方法は,まだ十分に解明されていない.本稿では,機械学習モデルから肯定的な予測結果を得るための行動指針(アクション)を説明として提示する枠組みであるアルゴリズム的償還(algorithmic recourse)に着目する.具体的には,ユーザにとって望ましいアクションを提示するタスクをどのように定式化するかというモデリングの観点と,定式化した最適化問題をどのように解くかというアルゴリズムの観点から,筆者らがこれまでに取り組んできた研究について紹介する.