مروری بر روشهای هوش مصنوعی توضیح پذیر

چکیده مقاله

هوش مصنوعی توضیح پذیر XAI زیرشاخه ای از هوش مصنوعی است که باهدف افزایش شفافیت و قابلیت تفسیر مدل های پیچیده یادگیری ماشین توسعه یافته است مدل های یادگیری ماشین معمولا به عنوان مدل های جعبه سیاه شناخته می شوند، زیرا درک فرآیند تصمیم گیری آنها دشوار است با گسترش کاربرد این مدل ها در حوزه های حساس، نیاز به توضیح و تبیین نتایج آنها بیش از پیش احساس می شود XAI با بهره گیری از روش هایی مانند نمونه سازی، تحلیل حساسیت و ارزیابی اهمیت ویژگی ها امکان ارائه توضیحاتی قابل فهم حتی برای کاربران غیرمتخصص را فراهم می کند در نهایت، این رویکرد با افزایش اعتماد کاربران زمینه ساز استفاده مسئولانه تر از هوش مصنوعی در محیط های واقعی می شود هدف این پژوهش مروری بر روش های موجود در حوزه XAI و بررسی توانمندی آنها در تبیین پیش بینی های مدل های یادگیری ماشین است

کلیدواژه‌ها

نویسندگان

الهه محمدی

دانشگاه بجنورد

آزاده سلطانی

دانشگاه بجنورد

محمدی، الهه و سلطانی، آزاده،1404،مروری بر روشهای هوش مصنوعی توضیح پذیر،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز