ある保険会社が機械学習モデルを使って保険申請の審査を行っています。申請を拒否された顧客が「どうすれば承認されるか」という具体的なアドバイスを求めています。「もし年収がX万円高ければ承認されていた」「もし過去の事故件数がY件少なければ承認された」という形式で説明を提供する手法を何と言いますか？
反実仮想的説明（Counterfactual Explanation）は「もし入力がXだったら出力はYになっていた」という形式で説明を提供し、「アルゴリズム的救済（Algorithmic Recourse）」とも呼ばれます。SHAP値や特徴量重要度は現在の予測への各特徴量の影響を説明しますが、「何を変えれば結果が変わるか」という行動可能な指針を示すのは反実仮想的説明の特徴です。責任あるAIにおける説明責任の実践として重要です。 選択肢Aの特徴量重要度分析は、各特徴量がモデル全体の予測に与える平均的な影響を示すにすぎず、個別の予測に対する「何を変えれば結果が変わるか」という行動可能な指針を示せない。 選択肢Bの部分依存プロット（PDP）は、特定の特徴量とモデル出力の関係を可視化するが、個別の予測に対する行動可能な指針を示せない。 選択肢Cの反実仮想的説明が正しい。「もし年収がX万円高ければ承認された」という形式で入力値の変化と予測結果の変化を対応づけ、利用者が取るべき具体的な行動（アルゴリズム的救済）を示すことができる手法である。 選択肢DのSHAP値は、ゲーム理論に基づき各特徴量の個別の予測への貢献度を定量化するが、「何を変えれば結果が変わるか」という行動可能な指針を示せない。