Magyarázható mesterséges intelligencia vizuális áttekintése

greenpageshome — magyarázható MI

Mikor értjük meg, mit gondol a gép?

A mesterséges intelligencia döntései sokszor láthatatlanok maradnak. Ez a platform azt vizsgálja, hogyan lehet ezeket a döntéseket érthetővé, ellenőrizhetővé és megbízhatóvá tenni — interaktív kvízekkel és valós példákkal.

XAI — Explainable AI

Az átláthatóság nem luxus

Egy MI-modell pontossága önmagában nem elegendő. Ha egy algoritmus elutasít egy hiteligénylést vagy javasol egy kezelési tervet, az érintett személynek joga van tudni, miért. A magyarázható MI erre ad keretet.

Az XAI eszközök — mint a LIME, a SHAP vagy az aktivációs térképek — lehetővé teszik, hogy megértsük, melyik adat milyen súllyal hatott egy döntésre. Nem elvont fogalmakról van szó: konkrét számok és vizualizációk állnak mögöttük.

1
Modell
betanítás
adatok és célok
2
Döntés
elemzés
SHAP / LIME
3
Vizuális
magyarázat
hőtérképek
4
Ellenőrzés
és audit
emberi felügyelet
Végh Adrienn, adattudós portréja
Végh Adrienn
Adattudós, egészségügyi MI-kutatás
A SHAP-értékek bevezetése előtt a kollégáim nem bíztak a modell javaslatokban. Amikor megmutatták, hogy melyik tünet mekkora súlyt kapott, a bizalom azonnal megváltozott. Nem a pontosság nőtt — a megértés nőtt.
XAI Az EU MI-törvény kötelező átláthatósági szintje magas kockázatú rendszereknél
SHAP Az egyik legelterjedtebb módszer a jellemzők hozzájárulásának mérésére
2014 A greenpageshome alapítása óta az XAI oktatás a platform egyik fő pillére