Administrativne informacije
| Naslov | Uvod u opću umjetnu inteligenciju koja se može objasniti |
| Trajanje | 60 minuta |
| Modul | B |
| Vrsta lekcija | Predavanje |
| Fokus | Etika – pouzdana umjetna inteligencija |
| Tema | Opća objašnjiva umjetna inteligencija |
Ključne riječi
Objašnjiva umjetna inteligencija, strojno učenje, dubinsko učenje, mogućnost tumačenja, razumljivost, transparentnost, privatnost, poštenje, odgovornost, odgovorna umjetna inteligencija,
Ciljevi učenja
- Razumjeti, analizirati i razraditi važnost XAI-ja u suvremenom svijetu.
- Razlikovati transparentne i netransparentne modele strojnog učenja.
- Kategorizirati i raspravljati o pristupima objašnjivosti XAI na temelju opsega modela, agnostičnosti, vrsta podataka i tehnika objašnjenja.
- Razlučiti, istražiti i raspraviti kompromis između točnosti i tumačenja.
- Sažeti i razumjeti radne principe i matematičko modeliranje XAI tehnika kao što su LIME, SHAP, DiCE, LRP, protučinjenična i kontrastivna objašnjenja.
- Proširite moguće primjene XAI tehnika kao što su LIME, SHAP, DiCE, LRP kako biste generirali objašnjenja za modele crne kutije za tablične, tekstualne i slikovne skupove podataka.
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Nijedan.
Obvezno za studente
- Osnove Python programiranja
- Osnove strojnog učenja
Neobvezno za studente
- Objašnjiva umjetna inteligencija: Uvod u usmeno strojno učenje (1. izdanje. Izdanje 2021., Uday Kamath (Author), John Liu (Author)
Preporuke i pozadina za studente
Preporučeno nastavnicima
- Belle V., Papantonis I., Načela i praksa Objašnjivog strojnog učenja
- Arrieta, A. B. i dr., Objašnjenje umjetne inteligencije (XAI): Koncepti, taksonomije, mogućnosti i izazovi za odgovornu umjetnu inteligenciju
- Objašnjiva umjetna inteligencija: Uvod u usmeno strojno učenje (1. izdanje. Izdanje 2021., Uday Kamath (Author), John Liu (Author)
Nastavni materijali
Upute za učitelje
Ovo predavanje daje opće uvide u područje Objašnjive umjetne inteligencije (XAI). Dodatno se raspravlja o našem oslanjanju na modele umjetne inteligencije. Nastavnici mogu naglasiti da su nedavni zakoni također uzrokovali hitnost u objašnjavanju i obrani odluka koje donose sustavi umjetne inteligencije. Ovo predavanje govori o alatima i tehnikama za vizualizaciju, objašnjavanje i izgradnju pouzdanih UI sustava.
Nacrt
| Trajanje | Tema | Opis |
|---|---|---|
| 5 min | Uvod | Definicija XAI. Zašto je XAI važan i koji problemi to rješavaju? |
| 5 min | Dimenzije objašnjivosti | Što znači objašnjenje? Na koje kriterije treba odgovoriti. |
| 20 minuta | Pristupi objašnjivosti | Transparentni modeli i opaque modeli. |
| 20 minuta | Tehnike objašnjivosti | Približavanje Objašnjenja s model-specifičnim i model-agnostičkim tehnikama. |
| 10 minuta | Završne napomene | Razgovor sa studentima. Pitanja i odgovori. |
Priznanja
Prezentaciju su osmislili Christina Todorova i dr. George Sharkov na Europskom softverskom institutu – Centru istočne Europe.
Prezentacija se uvelike temelji i koristi materijale i strukturu iz rada Belle V., Papantonis I., „Načela i praksa objašnjavanja strojnog učenja” i Arrieta, A. B. et al., „Objašnjenje umjetne inteligencije (XAI): Koncepti, taksonomije, prilike i izazovi za odgovornu umjetnu inteligenciju”. Molim vas, razmislite o čitanju njihovih izvornih istraživanja.
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.