Administratieve informatie
Titel | Gastlezing over Verklaarbaar Machine Learning |
Looptijd | 60 |
Module | C |
Type les | Lezing |
Focus | Technisch — Toekomstige AI |
Onderwerp | Open problemen en uitdagingen |
Sleutelwoorden
Verklaarbare AI, interpreteerbare modellen, Black Box modellen, post-hoc,
Leerdoelen
- Begrijp het belang van XAI
- Begrijp het verschil tussen interpreteerbare en verklaarbare benaderingen
- Identificeer XAI-belanghebbenden
- Begrijp de taxomonie van XAI-benaderingen
- In staat zijn om XAI-beperkingen en de toekomstige richting van XAI in te schatten
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
Optioneel voor studenten
Referenties en achtergronden voor studenten
- MIT 6.S191: Robuust en betrouwbaar diep leren — YouTube video
Aanbevolen voor docenten
Geen.
Lesmateriaal
Instructies voor docenten
Deze gastlezing moet het belang van verklaarbare AI en de voordelen ervan voor AI-systemen uitleggen. De lezing moet aangeven welke belanghebbenden betrokken zijn en hoe XAI voor elke groep (engineers, eindgebruikers, wetgevers) voordelig kan zijn. Er moet een onderscheid worden gemaakt tussen interpreteerbare AI en verklaarbare AI, samen met een discussie over waarom XAI op de lange termijn misschien niet goed genoeg is. De lezing moet de gewenste kenmerken van verklaarbaarheid identificeren en een taxonomie van XAI-benaderingen schetsen. De lezing moet eindigen met een bespreking van de beperkingen van exisitng XAI benaderingen en hun toekomstige richtingen.
Omtrek
Looptijd | Omschrijving |
---|---|
10 min. | Het belang van Explainable AI (XAI) |
10 min. | Interpreteerbare en verklarende AI |
10 min. | Xai-stakeholders |
10 min. | Taxonomie van XAI benaderingen |
10 min. | Beperkingen van Xai en toekomstige richting |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.