Введение в объяснимый ИИ (XAI) | Интерпретируемые модели, агностические методы, контрфактуальные ...

Искусственный интеллект (ИИ) и машинное обучение (МО) оказывают влияние на нашу жизнь во многих отношениях. Роль ИИ становится всё более важной — от рутинных задач до критически важных процессов принятия решений. В результате растёт потребность в прозрачности и интерпретируемости этих систем. Именно поэтому нам необходимо развивать расширяемый ИИ (XAI), также известный как интерпретируемое машинное обучение (IML).

Мы кратко рассмотрим цели XAI и различные доступные нам подходы. К ним относятся модели, интерпретируемые по своей сути, независимые от модели методы, причинно-следственные модели, контрфактуальные модели, состязательные примеры и независимые методы.

🚀 Бесплатный курс 🚀
Зарегистрироваться здесь: https://mailchi.mp/40909011987b/signup
Курс XAI: https://adataodyssey.com/courses/xai-...
Курс SHAP: https://adataodyssey.com/courses/shap...

🚀 Сопутствующая статья (ссылка без платного доступа): 🚀
  / what-is-interpretable-machine-learning  

🚀 Полезные плейлисты 🚀
XAI:    • Explainable AI (XAI)  
SHAP:    • SHAP  
Справедливость алгоритма:    • Algorithm Fairness  

🚀 Свяжитесь с нами 🚀
Канал:   / conorosullyds  
Темы: https://www.threads.net/@conorosullyds
Твиттер:   / conorosullyds  
Сайт: https://adataodyssey.com/

🚀 Главы 🚀
00:00 Введение
02:15 Что такое XAI?
03:16 Внутренне интерпретируемые модели
05:14 Модели «черного ящика»
06:38 Методы, не зависящие от модели
07:52 Причинно-следственные модели
08:31 Контрфактуальные объяснения
09:14 Примеры противоречий
10:03 Методы, специфичные для модели
10:54 Замечание о терминологии