ProToMEx、機械学習の解釈性30倍高速化：新フレームワーク発表
Athina Georgara (アティナ・ゲオルガラ)氏らは2026年9月1日(現地時間)、機械学習分類器の意思決定プロセスをより迅速かつ解釈しやすくする新しいフレームワーク「ProToMEx (プロトメックス)」を発表した。Probabilistic Topic Models (確率的トピックモデル、PTM) を活用し、モデルが分類に至る高レベルな「トピック」を学習することで、従来の課題を克服する。ProToMExは、SHAP (シャプ)やLIME (ライム)といった既存手法に匹敵する説明精度を保ちつつ、ローカルな説明生成の償却計算コストを大幅に削減し、標準的な表形式データセットで約30〜40倍の高速化を実現するとされる。