Administrativ information
| Titel | Gästföreläsning om förklarande maskininlärning |
| Varaktighet | 60 |
| Modul | C |
| Typ av lektion | Föreläsning |
| Fokus | Teknik – Framtida AI |
| Ämne | Öppna problem och utmaningar |
Nyckelord
Förklarbar AI, Tolkningsbara modeller, Black Box-modeller, Post-hoc,
Lärandemål
- Förstå vikten av XAI
- Förstå skillnaden mellan tolkningsbara och förklarbara tillvägagångssätt
- Identifiera XAI-intressenter
- Förstå taxomonien av XAI-metoder
- Kunna identifiera XAI-begränsningar och XAI:s framtida inriktning
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
Valfritt för studenter
Referenser och bakgrund för studenter
- MIT 6.S191: Robust och pålitligt djupt lärande – YouTube-video
Rekommenderas för lärare
Ingen.
Lektionsmaterial
Instruktioner för lärare
Denna gästföreläsning ska förklara vikten av förklarande AI och de fördelar den medför för AI-system. Föreläsningen ska identifiera berörda parter och hur XAI kan vara till nytta för varje grupp (ingenjörer, slutanvändare, lagstiftare). Man bör skilja mellan tolkningsbar AI och förklarande AI tillsammans med en diskussion om varför XAI kanske inte är tillräckligt bra på lång sikt. Föreläsningen ska identifiera de önskade egenskaperna för förklarbarhet och bör beskriva en taxonomi av XAI-metoder. Föreläsningen ska avslutas med en diskussion om begränsningarna i exisitng XAI-strategier och deras framtida riktningar.
Konturer
| Varaktighet | Beskrivning |
|---|---|
| 10 min | Betydelsen av förklarande AI (XAI) |
| 10 min | Tolkningsbar och förklarande AI |
| 10 min | Xai-intressenter |
| 10 min | Taxonomi för XAI-metoder |
| 10 min | Xai Begränsningar och Future Direction |
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.