Haldusteave
| Ametinimetus | Usaldus, normatiivsus ja mudeli drift |
| Kestus | 60 |
| Moodul | C |
| Õppetunni liik | Interaktiivne sessioon |
| Keskendumine | Tehniline – tulevane tehisintellekt |
| Teema | Avatud probleemid ja väljakutsed |
Võtmesõnad
Usaldus, mudeli triivimine, normatiivsus,
Õpieesmärgid
- Rakendada usaldusraamistikke mitme tehisintellekti/ML näite juhtumiuuringu puhul
- Pakkuda välja usaldusmõõdikud juhtumiuuringute näideteks ja siduda need ELi usaldusraamistikuga
- Arutage digitaalset normatiivsust näidete juhtumiuuringute kontekstis
- Tuvastada ja modelleerida Drifti potentsiaali näiteuuringutes ning pakkuda välja triivmõõdikud ja lahendused mudeli usalduse tugevdamiseks
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Kohustuslik õpilastele
Valikuline õpilastele
Viited ja taust õpilastele
Soovitatav õpetajatele
Puudub.
Õppematerjalid
Juhised õpetajatele
Kutsuge õpilasi osalema aruteludes. Arutelu juhtimine ja suunamine aruteluteemade raames. Julgustage õpilasi keskenduma tõenditele ja katkestama, kui nad räägivad teiste üle. Hoidke üles kõik arutelupunktid ja jagage arutelurada klassi lõpus. Esitada arutelu kohta lõplikud märkused koos võimalike lahtiste küsimuste ja väljakutsetega.
Kontuur
| Kestus (min) | Kirjeldus |
|---|---|
| 5 | Probleemi määratlus |
| 25 | Mudeli triivi näited, mudeli Drift tüübid |
| 15 | Arutelu normatiivsuse teemal, usaldusraamistike kohaldamine tehisintellekti/ML mudelitele |
| 5 | Kokkuvõte arutelust mudeli Drift ja Normativity ning avatud lõppküsimuste üle |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.