Adminisztratív információk
| Cím | Bevezetés az általános magyarázható mesterséges intelligenciába |
| Időtartam | 60 perc |
| Modul | B |
| Lecke típusa | Előadás |
| Fókusz | Etikus – megbízható mesterséges intelligencia |
| Téma | Általános magyarázható AI |
Kulcsszó
Megmagyarázható mesterséges intelligencia, gépi tanulás,Mély tanulás, Értelmezhetőség, Átláthatóság,Adatvédelem, Tisztesség,Elszámoltathatóság, Felelős mesterséges intelligencia,
Tanulási célok
- Ismerje meg, elemezze és fejtse ki az XAI fontosságát a modern világban.
- Az átlátható és átláthatatlan gépi tanulási modellek megkülönböztetése.
- Kategorizálja és megvitatja az XAI megmagyarázhatósági megközelítéseit a modell hatóköre, az agnoszticitás, az adattípusok és a magyarázati technikák alapján.
- Ismerje meg, vizsgálja meg és vitassa meg a pontosság és az értelmezhetőség közötti kompromisszumot.
- Foglalja össze és értse meg az XAI technikák működési elveit és matematikai modellezését, mint a LIME, SHAP, DiCE, LRP, kontrafaktuális és kontrasztos magyarázatok.
- Bővítse ki XAI technikák lehetséges alkalmazásait, mint például a LIME, a SHAP, a DiCE, az LRP, hogy magyarázatokat készítsen a fekete dobozos modellekhez táblázatos, szöveges és képadatkészletekhez.
Várható előkészítés
Az előtt befejezendő tanulási események
Egy sem.
Kötelező a diákok számára
- A Python programozás alapjai
- A gépi tanulás alapjai
Választható diákok számára
- Megmagyarázható mesterséges intelligencia: Bevezetés az értelmező gépi tanulásba (1. kiadás). 2021-es kiadás: Uday Kamath (szerző), John Liu (Szerző)
Referenciák és háttér a diákok számára
Ajánlott tanároknak
- Belle V., Papantonis I., A megmagyarázható gépi tanulás alapelvei és gyakorlata
- Arrieta, A. B. et al., Explainable Artificial Intelligence (XAI): Fogalmak, taxonómiák, lehetőségek és kihívások a felelős mesterséges intelligencia felé
- Megmagyarázható mesterséges intelligencia: Bevezetés az értelmező gépi tanulásba (1. kiadás). 2021-es kiadás: Uday Kamath (szerző), John Liu (Szerző)
Leckeanyagok
Utasítások tanároknak
Ez az előadás általános betekintést nyújt a megmagyarázható mesterséges intelligencia (XAI) területére. A mesterségesintelligencia-modellekre való támaszkodásunkat tovább tárgyaljuk. A tanárok hangsúlyozhatják, hogy a közelmúltbeli törvények is sürgetővé tették az MI-rendszerek által hozott döntések magyarázatát és védelmét. Ez az előadás a megbízható mesterségesintelligencia-rendszerek megjelenítésére, magyarázatára és építésére szolgáló eszközöket és technikákat tárgyalja.
Vázlat
| Időtartam | Téma | Leírás |
|---|---|---|
| 5 perc | Bevezetés | XAI definíciója. Miért fontos a XAI és milyen problémák oldódnak meg? |
| 5 perc | A megmagyarázhatóság dimenziói | Mit jelent a megmagyarázhatóság? Milyen kritériumokra kell választ adnia? |
| 20 perc | Megközelítések a megmagyarázhatósághoz | Átlátszó modellek és átlátszatlan modellek. |
| 20 perc | Megmagyarázhatósági technikák | A megmagyarázhatóság megközelítése modellspecifikus és modell-agnosztikus technikákkal. |
| 10 perc | Záró megjegyzések | Beszélgetés a diákokkal. Kérdések és válaszok. |
Visszaigazolások
Ezt az előadást Christina Todorova és Dr. George Sharkov dolgozta ki a European Software Institute – Center Eastern Europe-ban.
A prezentáció nagymértékben Belle V., Papantonis I., „Principles and Practice of Explainable Machine Learning” és Arrieta, A. B. et al., „Explainable Artificial Intelligence (XAI): Fogalmak, taxonómiák, lehetőségek és kihívások a felelős mesterséges intelligencia felé”. Kérjük, fontolja meg eredeti kutatásainak olvasását.
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.