Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Εισαγωγή στην Επεξηγήσιμη Τεχνητή Νοημοσύνη
- Τι είναι η Επεξηγήσιμη Τεχνητή Νοημοσύνη (XAI);
- Σημασία της διαφάνειας στα μοντέλα Τεχνητής Νοημοσύνης
- Κύριες προκλήσεις στην ερμηνευσιμότητα της Τεχνητής Νοημοσύνης
Βασικές Τεχνικές XAI
- Μέθοδοι ανεξάρτητες από το μοντέλο: LIME, SHAP
- Μέθοδοι επεξηγησιμότητας ειδικές για το μοντέλο
- Επεξήγηση αποφάσεων που λαμβάνονται από μοντέλα μαύρου κουτιού (black-box)
Πρακτική Εξάσκηση με Εργαλεία XAI
- Εισαγωγή σε βιβλιοθήκες XAI ανοιχτού κώδικα
- Υλοποίηση XAI σε απλά μοντέλα μηχανικής μάθησης
- Οπτικοποίηση επεξηγήσεων και συμπεριφοράς μοντέλων
Προκλήσεις στην Επεξηγησιμότητα
- Συμβιβασμοί μεταξύ ακρίβειας και ερμηνευσιμότητας
- Περιορισμοί των τρεχουσών μεθόδων XAI
- Διαχείριση προκατάληψης και δικαιοσύνης σε επεξηγήσιμα μοντέλα
Ηθικές Θεωρήσεις στην XAI
- Κατανόηση των ηθικών επιπτώσεων της διαφάνειας της Τεχνητής Νοημοσύνης
- Εξισορρόπηση επεξηγησιμότητας και απόδοσης μοντέλου
- Θέματα απορρήτου και προστασίας δεδομένων στην XAI
Πραγματικές Εφαρμογές της XAI
- XAI στην υγεία, τα χρηματοοικονομικά και την επιβολή του νόμου
- Κανονιστικές απαιτήσεις για την επεξηγησιμότητα
- Οικοδόμηση εμπιστοσύνης στα συστήματα Τεχνητής Νοημοσύνης μέσω διαφάνειας
Προηγμένες Έννοιες XAI
- Διερεύνηση αντιπαραδειγματικών (counterfactual) επεξηγήσεων
- Επεξήγηση νευρωνικών δικτύων και μοντέλων βαθιάς μάθησης
- Ερμηνεία πολύπλοκων συστημάτων Τεχνητής Νοημοσύνης
Μελλοντικές Τάσεις στην Επεξηγήσιμη Τεχνητή Νοημοσύνη
- Αναδυόμενες τεχνικές στην έρευνα XAI
- Προκλήσεις και ευκαιρίες για τη μελλοντική διαφάνεια της Τεχνητής Νοημοσύνης
- Επίδραση της XAI στην ανάπτυξη υπεύθυνης Τεχνητής Νοημοσύνης
Σύνοψη και Επόμενα Βήματα
Απαιτήσεις
- Βασική κατανόηση εννοιών μηχανικής μάθησης
- Εξοικείωση με τον προγραμματισμό Python
Κοινό-στόχος
- Αρχάριοι στην Τεχνητή Νοημοσύνη
- Λάτρεις της επιστήμης δεδομένων
14 Ώρες