講演情報
[4Yin-A-05]クラスタの“意味”を説明するAI：ローカルLLMによる教師なし学習の説明性付与
〇Pinheiro de Moura Caio César1、新見 佳祐1、山科 勇輔1、塩見 和真1、市川 佳彦1、加茂 司2、久保谷 篤2、鮎澤 雄治2、山本 達也2、吉田 圭吾2 (1. 株式会社Insight Edge、2. SCSK株式会社)
キーワード：
AI説明可能性、大規模自然言語モデル、クラスタリング
クラスタリング結果の解釈には統計的知見に加えてドメイン知識が不可欠であり，その多くは分析者の経験や主観に依存している.このため，教師なし学習においては解釈コストの増大や客観性の欠如が課題となっている.本研究では，機密性の高いデータを外部に送信することなく運用可能なローカル環境で動作する大規模言語モデル（LLM）を用いて，クラスタリング結果の解釈性を向上させる手法を提案する.提案手法では，各クラスタの統計的特徴量とドメイン固有の知識をローカル LLM に入力し，クラスタの特性や意味を自然言語で記述させる.脳波（EEG）データを用いた実験により，ローカル LLM が数値的パターンと専門知識を統合し，教師なしクラスタリング結果に対して一貫性のある有用な解釈を生成できることを示す.本手法は，プライバシーを確保しつつ説明可能な教師なし分析を実現する実用的なアプローチである.