大規模言語モデルにおける相互作用の特定
複雑な機械学習システム、とりわけ大規模言語モデル（LLMs）の挙動を理解することは、現代の人工知能において極めて重要な課題です。解釈可能性に関する研究は、モデル開発者や影響を受ける人々にとって意思決定プロセスをより透明にすることを目指しており、より安全で信頼性の高いAIへの一歩となります。包括的な理解を得るためには、以下の異なる視点からこれらのシステムを分析できます：予測を引き起こす具体的な入力特徴を特定する特徴帰属（Lundberg & Lee, 2017；Ribeiro et al., 2022）、モデルの挙動を影響力のある学習例と結びつけるデータ帰属（Koh & Liang, 2017；Ilyas et al., 2022）、そして内部構成要素の機能を詳細に解析する機構的解釈可能性（Conmy et al., 2023；Sharkey et al.