1.
「説明可能AI」の導入が特に重要視されるケースはどれですか？
2.
「深層ニューラルネットワークの説明性」を高めるために使用される手法の一つである「勾配ベースの手法」とは何ですか？
3.
「説明可能な強化学習」で利用されることの多いアプローチはどれですか？
4.
次のうち、深層学習の「解釈性」と「説明性」の違いとして最も正しい説明はどれですか？
5.
「特徴量の重要度」を示す手法の一つである「パーミュテーションインポータンス」とは何ですか？
6.
「深層学習の説明性」において、モデルの「ブラックボックス性」が指摘される理由は何ですか？
7.
「可視化に基づく説明性」を高めるために、畳み込みニューラルネットワークで使われる技術はどれですか？
8.
「局所的解釈可能性」を持つモデルの例として正しいものはどれですか？
9.
「SHAP（Shapley Additive Explanations）」の基本的な考え方は何ですか？
10.
次のうち、Grad-CAMの欠点として考えられるものはどれですか？
12.
「ディープラーニングモデルのフェアネス（公平性）」を評価するための方法として最も適切なものはどれですか？
13.
「ブラックボックス攻撃」とはどのようなものですか？
14.
「フェアネス」の確保が特に重要な領域はどれですか？
15.
深層強化学習において、エージェントの行動の説明性を向上させるために使われる技術の一つは何ですか？
16.
「Grad-CAM（Gradient-weighted Class Activation Mapping）」の主な目的は何ですか？
17.
LIME（Local Interpretable Model-agnostic Explanations）の主な特徴は何ですか？
18.
次のうち、「ローカル説明」とは何を指しますか？
19.
「反事実的説明（Counterfactual Explanation）」の主な目的は何ですか？
20.
「説明可能AI（Explainable AI, XAI）」の主な目的は何ですか？
