説明可能なAI（XAI）を説明したものとして、最も適切なものはどれか。
正解：ウ
アAIに与える指示文の内容や書き方を工夫し、目的に合った出力を引き出しやすくすること。
誤り。これはプロンプトエンジニアリングです。AIをうまく使いこなす工夫という点で XAIと並べて語られますが、こちらは入力側の話です。XAIが扱うのは、出てきた結果が なぜそうなったのかという出力側の説明です。
イ学習済みのAIに自社の業務データを追加で学習させ、特定の用途に適した出力に近づけること。
誤り。これはファインチューニング（追加学習）です。AIの中身に手を入れて出力の 内容そのものを変える作業です。XAIで変わるのは出力の内容ではなく、その理由を 人が確かめられるかどうかです。
ウAIが出した結果について、どの要素がどのように影響したのかを人が理解できる形で示すこと。
正解。AIの内部は複雑で、そのままでは「なぜその答えになったのか」が人には 分かりません。判断に効いた要素を見えるようにし、納得や検証ができるようにする のがXAIの狙いです。
エ文章だけでなく画像や音声など複数種類の情報をまとめて扱い、AIの判断に生かすこと。
誤り。これはマルチモーダルAIです。扱える情報の種類を増やす技術で、AIにできる ことの幅を広げます。一方XAIは、扱う情報の種類ではなく、判断の過程を人に見せる かどうかを問題にしています。
「なぜ？」に答えられるAI
健康診断の結果に「要再検査」とだけ書かれていたら不安になりますが、 「この数値がこれだけ基準を外れているため」と添えてあれば納得できます。 AIの判断も同じで、結果に理由を添えられるようにする考え方が 説明可能なAI（XAI） です。
なぜ説明可能性が必要なのか
- 不服を申し立てられる：融資の否決や採用の不合格に、根拠なしでは反論できない
- 誤りを見つけられる：使うべきでない要素が判断に効いていた、と気付ける
- 説明責任を果たせる：AIを使った側が、判断の理由を利用者や取引先に示せる
とりわけ人の権利や利益を左右する判断でAIを使う場合、「AIが決めたので理由は 分かりません」では通りません。XAIは、その説明責任を技術の側から支える仕組みです。
混同しやすいものとの違い
| 用語 | 何をするものか |
|---|---|
| 説明可能なAI（XAI） | 出力の根拠を人に見える形で示す |
| プロンプトエンジニアリング | 入力する指示文を工夫して出力を整える |
| ファインチューニング | 追加学習でモデルを特定の用途に寄せる |
| マルチモーダルAI | 文章・画像・音声など複数種類の情報を扱う |
XAI以外の3つは「AIの性能や使い勝手を上げる」話です。XAIだけが 「AIを人が信頼して使えるようにする」話だと押さえておくと迷いません。