Διοικητικές πληροφορίες
| Τίτλος | Εμπιστοσύνη, Κανονικότητα και Μοντέλο |
| Διάρκεια | 45-60 |
| Ενότητα | Γ |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Τεχνική — Μελλοντική ΤΝ |
| Θέμα | Ανοιχτά προβλήματα και προκλήσεις |
Λέξεις-κλειδιά
Εμπιστοσύνη, κανονικότητα, πρότυπο Drift,
Μαθησιακοί στόχοι
- Κατανόηση της ανάγκης μέτρησης της εμπιστοσύνης στην ΤΝ
- Κατανόηση της έννοιας της κανονικότητας στο πλαίσιο της μελλοντικής τεχνητής νοημοσύνης
- Επεξήγηση διαφόρων ειδών μετατόπισης μοντέλων και σύσταση έγκαιρων μέτρων για μελλοντικά συστήματα ΤΝ για την αντιμετώπιση της μετατόπισης των μοντέλων
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Περιεχόμενο δεοντολογίας από την ενότητα Α
- Περιεχόμενο δεοντολογίας από την ενότητα Β
Προαιρετικό για Φοιτητές
- Εισαγωγή στη μηχανική μάθηση και τις έννοιες βαθιάς μάθησης που δόθηκαν σε προηγούμενες διαλέξεις
Αναφορές και υπόβαθρο για τους μαθητές
- Εμπιστοσύνη και τεχνητή νοημοσύνη
- Μια έρευνα σχετικά με την αξιολόγηση της εμπιστοσύνης με βάση τη μηχανική μάθηση
- Η αξία της μέτρησης της εμπιστοσύνης στην τεχνητή νοημοσύνη — μια κοινωνικο-τεχνική προοπτική του συστήματος
- Όταν η εμπιστοσύνη συναντά την ακρίβεια: Διερεύνηση των επιπτώσεων των πολλαπλών δεικτών απόδοσης στην εμπιστοσύνη στα μοντέλα μηχανικής μάθησης
- Στην ΑΙ Εμπιστεύουμε επιβεβαιωτικά: ένα πολυεπίπεδο μοντέλο εμπιστοσύνης για την ανάλυση των αλληλεπιδράσεων μεταξύ ανθρώπου και τεχνητής νοημοσύνης
- Η εμπιστοσύνη και η δεοντολογία της τεχνητής νοημοσύνης
- Κατευθυντήριες γραμμές δεοντολογίας για αξιόπιστη ΤΝ
- Εξηγήσιμος, κανονιστικός και δικαιολογημένος οργανισμός
- Μοντέλο Drift στη μηχανική μάθηση
- Μια ενοποιημένη άποψη σχετικά με τη μετατόπιση των συνόλων δεδομένων στην ταξινόμηση
- ODIN: Αυτοματοποιημένη Ανίχνευση και Ανάκτηση Drift στο Video Analytics
- Μάθηση στο πλαίσιο της έννοιας Drift: A Επανεξέταση
- Γιατί η ανίχνευση μετατόπισης δεδομένων είναι σημαντική και πώς μπορείτε να την αυτοματοποιήσετε σε 5 απλά βήματα
Συνιστάται για εκπαιδευτικούς
Καμία.
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Αυτή η διάλεξη θα πρέπει να επικεντρωθεί στην έννοια της εμπιστοσύνης σχετικά με τα συστήματα που χρησιμοποιούν AI και μηχανική μάθηση για τη λήψη αποφάσεων. Θα πρέπει να καθορίζει την εμπιστοσύνη και τα χαρακτηριστικά της εμπιστοσύνης μαζί με τους πράκτορες εμπιστοσύνης. Η διάλεξη θα πρέπει να παρέχει πρακτική σύνδεση με το προτεινόμενο πλαίσιο εμπιστοσύνης της ΕΕ για την ΤΝ. Η διάλεξη θα πρέπει επίσης να εισαγάγει την έννοια της ψηφιακής κανονικότητας και το πρόβλημα της μετατόπισης μοντέλων, μέτρησης και παρακολούθησης στο πλαίσιο της αξιόπιστης τεχνητής νοημοσύνης και της μηχανικής μάθησης.
Ο στόχος αυτής της διάλεξης είναι να συζητηθεί η έννοια της εμπιστοσύνης στο πλαίσιο των συστημάτων τεχνητής νοημοσύνης. Η διάλεξη πρέπει να απαντήσει στο ερώτημα: Τι σημαίνει εμπιστοσύνη και πώς μπορούμε να οικοδομήσουμε εμπιστοσύνη στα συστήματα ΤΝ; Η διάλεξη θα πρέπει επίσης να συζητήσει την έννοια της κανονικότητας στο πλαίσιο της τεχνητής νοημοσύνης και των αυτοματοποιημένων συστημάτων λήψης αποφάσεων, προσθέτοντας βάρος στη σημασία της εμπιστοσύνης. Τέλος, η διάλεξη θα συζητήσει τη μετατόπιση του μοντέλου, τους τύπους της μετατόπισης του μοντέλου, τις μετρήσεις για τη μέτρηση της μετατόπισης του μοντέλου και τον τρόπο αντιμετώπισης της μετατόπισης του μοντέλου, τα οποία θα πρέπει να αποδεικνύουν ότι η εμπιστοσύνη πρέπει να παρακολουθείται συνεχώς.
Σχεδιάγραμμα
| Διάρκεια | Περιγραφή | Έννοιες | Δραστηριότητα | Υλικό |
|---|---|---|---|---|
| 5 λεπτά | Τι είναι εμπιστοσύνη; | Φιλοσοφία εμπιστοσύνης, χαρακτηρισμός της εμπιστοσύνης, παράγοντες και ασθενείς της εμπιστοσύνης, κοινωνικο-τεχνικό οικοσύστημα, ρόλος της εμπιστοσύνης στη γνώση | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 15 λεπτά | Ερευνητικό έργο Εμπιστοσύνη στην τεχνητή νοημοσύνη |
Ανοιχτές ερωτήσεις και αναθεώρηση ενός άρθρου | Υλικό διαλέξεων | |
| 10 λεπτά | Η έλευση της Ψηφιακής Κανονικότητας | Υποκειμενοποίηση, απουποκειμενοποίηση, αιτιολογημένη υπηρεσία, εξηγήσιμος και κανονιστικός οργανισμός | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 15 λεπτά | Μοντέλο Drift | Τι είναι η μετατόπιση μοντέλου, τύποι μοντέλων/εννοιολογικής μετατόπισης (πρόβλεψη, έννοια, δεδομένα, ανάντη), μετρήσεις Drift (Δείκτης σταθερότητας πληθυσμού, απόκλιση KL, Απόσταση Wasserstein), Αντιμετώπιση της μετατόπισης του μοντέλου (παρακολούθηση, ποιότητα δεδομένων, επανεκπαίδευση, ρύθμιση παραμέτρων) | Διδακτική συνεδρία και παραδείγματα | Υλικό διαλέξεων |
| 5 λεπτά | Συμπέρασμα | Περίληψη | Συμπεράσματα | Υλικό διαλέξεων |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.