gk xai cheatsheet
G検定トップ
＞ XAI ひっかけ問題集①
まず結論
- XAIは精度向上の技術ではない
- 「どこを見たか」「なぜそう判断したか」を説明する
- 手法ごとに 対象モデル・前提条件・説明粒度 が違う
👉 ここを曖昧にすると確実に引っかかる。
ひっかけ①
「XAIはモデル精度を向上させる技術である」
❌ 不正解
- XAIは 説明・可視化 のための技術
- 学習方法や損失関数を変えるわけではない
👉
精度・性能という言葉が出たら疑う
ひっかけ②
「Grad-CAMはGAPを用いたCNNでのみ利用できる」
❌ 不正解
- GAP必須なのは CAM
- Grad-CAMは 勾配を利用 するため構造依存が小さい
👉
GAP → CAM / 勾配 → Grad-CAM
ひっかけ③
「LIMEはモデル全体の重要特徴を説明できる」
❌ 不正解
- LIMEは 局所的説明 に特化
- 大域的な傾向分析には向かない
👉
LIME = Local（局所）
ひっかけ④
「SHAPは高速で軽量な説明手法である」
❌ 不正解
- SHAPは 理論的に厳密
- その分 計算コストが高い
👉
速さを求めるならLIME
ひっかけ⑤
「CAM / Grad-CAM は分類精度を高めるために使われる」
❌ 不正解
- 可視化・説明が目的
- 推論結果は変わらない
ひっかけ⑥
「XAIはCNN専用の技術である」
❌ 不正解
- LIME / SHAP は モデル非依存
- CNN専用なのは CAM / Grad-CAM
👉
XAI = CNN限定ではない
ひっかけ⑦
「GAPを使っていれば必ずGrad-CAMが使われる」
❌ 不正解
- GAPが必要なのは CAM
- Grad-CAMは GAP不要
G検定 即断チェックリスト
試験中はこれだけ見ればOK👇
- 「局所」 → LIME
- 「シャープレイ値」 → SHAP
- 「GAP必須」 → CAM
- 「勾配を利用」 → Grad-CAM
- 「精度向上」 → ❌ XAIではない
まとめ（試験直前用）
- XAI = 説明の技術
- 精度向上ではない
- LIME：局所・高速
- SHAP：寄与度・厳密
- CAM / Grad-CAM：CNNの可視化
👉 単語と役割を結びつけて即切り
🔗 関連記事
- NISC・IPA・JPCERT/CC・CSIRTの違いまとめ【一発で切れるチートシート】
- データ・AI利活用における留意事項とは？【DS検定リテラシー】
- データを読む・説明する・扱うとは？データリテラシー実践ガイド【DS検定】
- 数理・アルゴリズム・データ活用基礎（オプション）【DS検定対応】
- ④ Assistant Data Scientist（見習い）に求められるビジネス力
🏠 G検トップに戻る